Context als fundament: zo maak je je organisatie AI-ready

Vorige week vroeg ik een teamleider hoe hun klantenservice omgaat met retourverzoeken buiten de standaardtermijn. Ze begon te vertellen. Na tien minuten had ze een compleet beslisboom uitgelegd. Vol uitzonderingen, klanthistorie, seizoensinvloeden, en “dat gevoel dat je krijgt bij een klant die echt gefrustreerd is.”

Ik vroeg of dat ergens beschreven stond. Ze lachte.

Dat is het probleem waar bijna elke organisatie tegenaan loopt als ze serieus met AI aan de slag willen. De kennis zit in hoofden. In onderbuikgevoelens. In “oh, dat weet Marieke wel.” En AI kan niet met Marieke lunchen.

De onzichtbare kennislaag

Elke organisatie heeft bergen impliciete kennis. Compliance kent de procedures die nergens volledig gedocumenteerd zijn. Marketing weet precies wanneer een tekst “niet klinkt als ons,” ook al staat de tone of voice guide stof te happen op SharePoint. Support kent de bekende problemen die niet in de FAQ staan omdat “iedereen dat toch weet.”

Die kennis is goud waard. Maar voor AI is het onzichtbaar.

De eerste stap naar een AI-ready organisatie is dus niet technisch. Het is documentatie. Niet het saaie, bureaucratische soort dat niemand leest. Maar levende, doorzoekbare kennis die je AI-systemen kunnen gebruiken als context.

Compliancedocumenten worden de bron voor geautomatiseerde controles. Brand guidelines worden het referentiekader voor content-AI. Bekende issues en hun oplossingen worden het fundament van slimme support.

Dit klinkt als veel werk. En ja, het is werk. Maar het is werk dat je organisatie sowieso sterker maakt, ongeacht AI.

Je schaduw-agents in kaart brengen

Er is iets wat ik steeds vaker tegenkom en wat ik “shadow agents” noem. Medewerkers die ChatGPT of Copilot gebruiken met bedrijfsdata, zonder dat iemand het weet. Geen kwade opzet. Gewoon mensen die sneller willen werken.

In vrijwel elke organisatie waar ik kom, gebeurt het. De marketeer die campagneteksten laat genereren. De HR-medewerker die functiebeschrijvingen laat herschrijven. De financieel analist die kwartaalcijfers door een LLM haalt voor een eerste analyse.

Op zich niet erg. Maar het schaalt niet. Er is geen governance. Geen consistentie. En er gaat bedrijfsinformatie naar plekken waar je als organisatie geen controle over hebt.

De oplossing is niet verbieden. De oplossing is formaliseren. Breng in kaart wie wat doet met welke tools. Begrijp de behoefte achter het gedrag. En bouw er een veilig, beheerd alternatief voor.

Werkprocessen classificeren

Dit is waar het concreet wordt. En eerlijk, dit is het deel waar ik het meest enthousiast over ben in mijn adviestrajecten.

Elk werkproces in je organisatie valt in een van drie categorieen.

Volledig autonoom: AI doet het zelfstandig, een mens controleert steekproefsgewijs. Denk aan het categoriseren van binnenkomende tickets, het genereren van standaardrapporten, of het vertalen van interne documenten. Taken waar de foutmarge klein is en correctie achteraf prima werkt.

Human-in-the-loop: AI levert output, een mens reviewt en keurt goed voordat het definitief is. De naad tussen AI en mens is expliciet gedefinieerd. Wie controleert wat, op welk moment, en op basis van welke criteria? Denk aan het opstellen van offertes, het schrijven van klantcommunicatie, of het analyseren van juridische documenten.

Onvervangbaar menselijk: hier zijn menselijk oordeelsvermogen, creativiteit, relatie of ethische afweging onmisbaar. Strategische beslissingen. Conflictbemiddeling. Relatiebeheer met key accounts.

De indeling op zich is niet het moeilijkste. Het interessante zit in de vervolgvraag: wat is het specifieke faalmechanisme per proces? En hoe verifieer je dat?

Bij ticketclassificatie is het risico misclassificatie van ambigue tickets. Bij campagneteksten driftt de merkstem na meerdere iteraties. Bij data-analyse zijn het hallucinations in de interpretatie. Elke categorie vraagt een andere verificatiestrategie.

De capability map

Al die informatie breng je samen in wat ik een capability map noem. Per afdeling, per proces: wat mag AI autonoom doen, wat is human-in-the-loop, en wat blijft strikt menselijk?

Dit is een levend document. Niet iets dat je een keer invult en in een la stopt. Naarmate je AI-context verbetert en je vertrouwen groeit, verschuiven processen. Wat vandaag human-in-the-loop is, kan over zes maanden autonoom draaien. Wat vandaag onvervangbaar menselijk lijkt, heeft misschien toch elementen die je kunt automatiseren.

En hier zit een punt dat ik altijd vroeg in het proces bespreek: transparantie over rolverandering. Werkprocessen classificeren betekent niet dat banen verdwijnen. Het betekent dat rollen veranderen. De medewerker die nu acht uur per dag tickets categoriseert, gaat straks de kwaliteit van de AI-categorisering bewaken en de uitzonderingen afhandelen die menselijke inschatting vragen.

Die verschuiving moet je vanaf dag een open bespreken. Niet als bijzin in een memo. Maar als onderdeel van het proces.

Begin morgen

Weet je wat het mooie is aan alles wat ik hier beschrijf? Je hebt er geen reorganisatie voor nodig. Geen nieuw IT-systeem. Geen goedkeuring van drie managementlagen.

Je kunt morgen beginnen. Vraag je team: welke kennis zit alleen in jouw hoofd? Inventariseer de shadow agents in je organisatie. Pak drie werkprocessen en classificeer ze.

Die oefening alleen al levert inzichten op die je organisatie sterker maken, of je vervolgens AI inzet of niet. Maar als je het wel doet, en dat ga je doen, dan heb je het fundament klaarliggen.

In het volgende deel van deze serie ga ik in op hoe je dit fundament activeert: hoe je de context die je hebt opgebouwd verbindt met AI-workflows die zichzelf versterken.

Wil je hulp bij het AI-ready maken van je organisatie? Neem contact op voor een vrijblijvend gesprek of bekijk onze trainingen.