Van losse prompts naar een lerende organisatie

11 mei 2026

Waarom AI-volwassenheid niet ontstaat door tools, maar door processen, collectief geheugen en gecontroleerde delegatie.

AI staat bij Nederlandse bedrijven hoog op de agenda. Medewerkers gebruiken ChatGPT, Copilot of Claude voor teksten, samenvattingen, analyses, klantvragen, presentaties en code. Dat is een eerste logische stap. De technologie is inmiddels toegankelijk, goedkoop en direct inzetbaar en toch verandert er op organisatieniveau vaak weinig.

Maar maakt dat een bedrijf al "AI-volwassen"? Niet snel. De echte vraag is hoe je een organisatie structureel slimmer en efficiënter maakt, niet hoe je individuele medewerkers sneller laat typen.

Want als iedere medewerker individueel met ChatGPT praat, ontstaat er vooral individuele productiviteit die nauwelijks herhaalbaar is. De ene medewerker schrijft sneller een e-mail. De ander maakt een betere offerte. Een derde vat een rapport samen. Handig, maar vluchtig. De kennis verdwijnt in persoonlijke chatvensters. Goede prompts worden niet hergebruikt. Beslissingen worden niet vastgelegd. Procesverbeteringen blijven impliciet. En wat de ene medewerker vandaag leert, helpt de rest van de organisatie morgen niet verder.

Dan wordt de medewerker slimmer, maar de organisatie niet.

Echte AI-volwassenheid begint daarom niet bij software. Software is een tool. De volwassenheid zit in iets fundamentelers: processen, collectief geheugen en gecontroleerde delegatie.

De denkfout: AI-adoptie verwarren met AI-volwassenheid

Veel organisaties starten hun AI-reis met tooling.

"Moeten we ChatGPT Enterprise nemen?" "Gaan we Microsoft Copilot uitrollen?" "Hebben we een custom GPT nodig?" "Moeten we iets met agents?"

Dat zijn begrijpelijke vragen, maar ze komen te vroeg. Ze gaan over middelen, niet over organisatievermogen.

Een bedrijf kan honderd medewerkers toegang geven tot AI en nog steeds geen stap zetten richting volwassenheid. Sterker nog: zonder structuur kan AI de bestaande chaos versnellen. Slechte processen worden sneller uitgevoerd. Onduidelijke verantwoordelijkheden worden diffuser. Informatie raakt verder versnipperd. En iedereen bouwt zijn eigen workaround of lokale verbetering.

De kernvraag is dus niet welke AI-tool je gebruikt, maar:

Hebben we ons werk zo goed begrepen dat we weten waar AI veilig, herhaalbaar en meetbaar waarde kan toevoegen?

Daar komt procesdenken binnen.

Zonder procesbeeld blijft AI speelgoed

AI wordt pas serieus zodra het verbonden wordt met de processen waarin echt werk gebeurt — niet als losse opdracht aan een chatvenster ("Schrijf een marketingtekst"), maar als ingebouwde stap in een keten die de organisatie elke dag doorloopt. Denk aan een klantvraag die binnenkomt en vervolgens wordt geclassificeerd, gekoppeld aan bestaande kennis, voorzien van een vervolgstap, vastgelegd als besluit en geëscaleerd zodra het systeem onzeker is. Dat is geen taak meer; dat is een proces.

Dat procesbeeld hoeft geen perfecte BPMN-plaat te zijn. Een flowchart, swimlane of service blueprint kan genoeg zijn. Het gaat erom dat zichtbaar wordt waar werk begint, wie welke rol speelt, welke informatie nodig is, waar beslissingen vallen, waar overdracht plaatsvindt en waar menselijke controle noodzakelijk blijft.

Met een procesbeeld op tafel kun je veel scherper bepalen:

  • welke processtappen repetitief zijn
  • waar wachttijd ontstaat
  • waar fouten worden gemaakt
  • waar kennis steeds opnieuw gezocht wordt
  • welke beslissingen voorspelbaar zijn
  • waar menselijke beoordeling noodzakelijk blijft
  • waar AI mag adviseren, uitvoeren of escaleren

Dan helpt AI niet langer alleen een individu, maar verandert het hoe het werk loopt. Dat is het verschil tussen AI als speeltje en AI als onderdeel van je operating model.

Het ontbrekende element: collectief geheugen

Processen alleen zijn niet genoeg. Een proces beschrijft hoe werk door de organisatie stroomt, maar zegt nog niets over wat die organisatie inmiddels heeft geleerd — en juist die laag, het collectief geheugen, bepaalt of AI echt waardevol wordt.

Collectief geheugen is de gedeelde context van een organisatie: documenten, klantvragen, besluiten, eerdere cases, procesafspraken, projecthistorie, productkennis, beleid, feedback, fouten, verbeteringen, prompts, evaluaties en lessons learned. Zonder dat geheugen begint AI bij elke vraag nagenoeg opnieuw. Dat is precies wat er gebeurt zodra iedereen individueel met ChatGPT aan de slag gaat. Elke medewerker neemt zijn eigen context mee, voert zijn eigen gesprekken, krijgt zijn eigen antwoorden en trekt zijn eigen conclusies, terwijl de organisatie als geheel niets opbouwt.

Stel: een supportmedewerker beantwoordt vandaag een lastige klantvraag. In een onvolwassen organisatie blijft dat antwoord in een chat, mailbox of hoofd zitten. In een volwassen AI-organisatie wordt die interactie vastgelegd als case, gekoppeld aan het juiste productgebied, beoordeeld op kwaliteit, toegevoegd aan de kennisbasis en later opnieuw gebruikt door een supportagent, salesmedewerker of productteam.

Een volwassen AI-organisatie pakt dit anders aan en zorgt dat AI kan werken met gedeelde context, dus niet alleen met algemene internetkennis, maar met de eigen werkelijkheid van het bedrijf. Wat hebben we eerder besloten? Waarom hebben we dit proces zo ingericht? Welke klantvragen komen steeds terug? Welke offertes winnen wel en niet? Welke supportvragen escaleren vaak? Welke content werkt? Welke productkeuzes zijn eerder afgewezen? Welke risico's zien we steeds opnieuw?

Zonder collectief geheugen blijft AI generiek. Met collectief geheugen wordt AI relevant voor de organisatie zelf.

De derde pijler: gecontroleerde delegatie

Een volwassen AI-organisatie rust op drie voorwaarden die elkaar nodig hebben. Procesinzicht zorgt dat je weet waar AI in het werk past. Collectief geheugen zorgt dat AI niet elke keer opnieuw begint, maar voortbouwt op wat de organisatie al weet. Gecontroleerde delegatie zorgt dat AI stap voor stap meer verantwoordelijkheid krijgt, zonder dat controle, veiligheid en accountability verdwijnen.

Ontbreekt één van de drie, dan loopt het mis op een voorspelbare manier. Zonder procesinzicht wordt AI chaos. Zonder collectief geheugen blijft AI individueel. Zonder gecontroleerde delegatie blijft AI een hulpmiddel in plaats van een collega. En zonder die controle wordt AI onbeheersbaar: beslissingen die niemand meer kan herleiden, fouten die sneller schalen dan mensen ze kunnen corrigeren.

Gecontroleerde delegatie betekent concreet: duidelijke rollen, toegangsrechten, logging, evaluatiecriteria, escalatieregels, menselijke goedkeuring bij risico's en periodieke reviews. Zonder die laag is autonomie geen volwassenheid, maar risicovergroting.

De 5 fasen van AI-volwassenheid

AI-volwassenheid is geen rechte lijn van "geen AI" naar "alles autonoom". Het is een ontwikkeling in verantwoordelijkheid. De vraag is steeds: hoeveel context, procespositie en handelingsruimte krijgt AI?

Het model is geïnspireerd op het AI-volwassenheidsmodel van Sebastian Chedal (Fountain City), maar vertaalt dat naar de organisatorische kant: procesinzicht, collectief geheugen en gecontroleerde delegatie.

Overzicht van de vijf fasen van AI-volwassenheid

Fase 1 — Individuele AI

Dit is waar veel organisaties beginnen. Medewerkers gebruiken ChatGPT, Copilot of Claude op eigen initiatief. Ze schrijven teksten, vatten documenten samen, maken ideeënlijsten of controleren code.

Dat levert direct voordeel op. Maar het is geen organisatieverandering.

Het probleem: kennis blijft privé. De interactie met AI zit in persoonlijke accounts en losse chats. Er is geen gedeelde context, geen proceskoppeling, geen logging en geen zicht op kwaliteit.

De organisatie heeft AI-gebruikers, maar nog geen AI-capaciteit.

Fase 2 — Gedeelde werkwijzen

In de tweede fase gaan teams AI bewuster gebruiken. Er ontstaan promptbibliotheken, templates, custom GPT's, stijlgidsen en interne afspraken.

Dit is nuttig. Het voorkomt dat iedereen helemaal opnieuw begint. AI krijgt iets meer context over de organisatie, bijvoorbeeld via documenten, huisstijl of productinformatie.

Maar ook dit blijft kwetsbaar. Veel kennis wordt nog steeds handmatig gedeeld. De koppeling met processen is beperkt. En de kwaliteit hangt sterk af van individuele discipline.

De organisatie krijgt betere AI-gewoontes, maar nog geen structureel lerend systeem.

Fase 3 — Proces-AI

De echte omslag begint in fase 3.

AI wordt niet meer gezien als los hulpmiddel, maar als onderdeel van een proces. Denk aan intake, sales, support, HR, contentcreatie, rapportage, productontwikkeling of compliance.

Een klantvraag komt binnen. AI classificeert de vraag. Het systeem haalt relevante kennis op. Er wordt een conceptantwoord gemaakt. Een medewerker keurt goed. Het besluit wordt vastgelegd. De uitkomst wordt gemeten.

Hier wordt expliciete procesmodellering belangrijk (BPMN, swimlanes of een vergelijkbare notatie). Want je moet expliciet maken waar AI in de flow zit. Wat is de input? Wat is de output? Welke systemen worden geraakt? Waar zit menselijke controle? Wanneer escaleert AI?

In deze fase verschuift AI van productiviteit naar proceswaarde.

Fase 4 — Autonome procesuitvoering

In fase 4 krijgt AI een afgebakende taak en voert die zelfstandig uit binnen duidelijke grenzen.

Denk aan een agent die dagelijks supporttickets analyseert, een contentagent die conceptartikelen maakt op basis van actuele data, een salesagent die leads kwalificeert, of een analyticsagent die afwijkingen in KPI's signaleert.

De agent heeft een rol, een planning, toegang tot tools, een geheugen, kwaliteitscriteria en escalatieregels. De mens hoeft niet elke stap te initiëren, maar beoordeelt output, uitzonderingen en risico's.

Het verschil met fase 5 zit hier scherp: een fase 4-agent kan zelfstandig werken binnen een duidelijke taak, met persistent memory, zelfmonitoring en escalatie. Maar hij stelt zijn eigen opdracht niet fundamenteel ter discussie.

Dat is een belangrijke grens. Een fase 4-agent kan uitstekend werk leveren binnen zijn baan. Maar hij vraagt niet vanzelf of die baan nog steeds de juiste baan is.

Fase 5 — De doelgerichte AI-organisatie

Fase 5 gaat niet meer over taken, maar over doelen.

De mens zegt niet langer alleen: "Schrijf dit rapport" of "Analyseer deze tickets." De mens geeft richting: "Verhoog retentie", "Verbeter klanttevredenheid", "Verlaag doorlooptijd", "Vergroot conversie zonder vertrouwen te verliezen."

AI moet dan niet alleen uitvoeren, maar ook afwegen. Welke acties dragen bij aan het doel? Welke KPI's botsen met elkaar? Welke strategie werkt beter? Welke capability ontbreekt nog? Welke agent moet worden bijgestuurd?

Dit is doelgerichte AI: een systeem dat werkt met concurrerende doelstellingen, zelfreflectie, domeinoverstijgende coördinatie en zelfverbetering, terwijl mensen de doelen en grenzen blijven bepalen.

Dit is de stap van uitvoerende AI naar lerende AI.

Maar hier is de nuance belangrijk: fase 5 is geen eindstation. Het is een asymptoot.

Fase 5 is een asymptoot

Sebastian Chedal van Fountain City beschrijft fase 5 treffend als een asymptoot — een lijn waar je steeds dichterbij komt zonder hem ooit definitief te bereiken. De volwassen AI-organisatie is nooit "af". Er komt altijd nieuwe data, nieuwe wetgeving, nieuwe klantverwachtingen, nieuwe risico's, nieuwe processen, nieuwe tools en nieuwe inzichten. Een organisatie die op enig moment denkt klaar te zijn, is op dat moment al aan het achterlopen.

Fase 5 is geen bestemming, maar een continue verbeterlus — een systeem dat zijn eigen domein voortdurend verfijnt, omdat het doel zelf mee-evolueert met wat het systeem leert.

Dat maakt fase 5 paradoxaal genoeg ook realistischer. Het is geen futuristische belofte dat AI morgen een bedrijf volledig zelfstandig runt, maar een richting. Een ontwerpprincipe. Een manier om systemen te bouwen die steeds beter worden in reflecteren, meten, leren en delegeren.

Daarom moet je fase 5 niet verkopen als volledige autonomie — die framing is te plat en vaak ook onverantwoord.

De betere formulering is:

Fase 5 is de horizon waar je naartoe bouwt: een organisatie waarin AI niet alleen taken uitvoert, maar continu leert welke acties bijdragen aan de doelen van het bedrijf.

Waarom dit juist voor Nederlandse bedrijven urgent is

Nederlandse bedrijven zijn pragmatisch. We houden niet van grote woorden en vage beloftes. "Doe maar normaal" zit diep in onze bedrijfscultuur. Dat is eigenlijk een voordeel.

Want de volgende fase van AI vraagt niet om hype, maar om nuchter organiseren.

De adoptiekloof is bovendien groot. CBS rapporteerde dat in 2025 13,8 procent van de microbedrijven AI-technologie gebruikte, tegenover 29,8 procent van het midden- en kleinbedrijf en 66,2 procent van het grootbedrijf.

Dat verschil gaat niet alleen over budget. Het gaat ook over capaciteit om processen te modelleren, data op orde te brengen, governance in te richten en kennis centraal beschikbaar te maken.

Tegelijkertijd nemen de zorgen toe. Berenschot en Waag Futurelab concludeerden in hun AI-Trendonderzoek 2025 dat digitale veiligheid de grootste uitdaging is bij AI-implementatie, terwijl meer dan 90 procent van de respondenten verwacht dat AI-gebruik in werkprocessen verder zal toenemen.

Ook internationaal zie je dezelfde spanning. Deloitte schrijft dat bijna driekwart van de bedrijven agentic AI binnen twee jaar wil inzetten, terwijl 21 procent van die bedrijven een volwassen governancemodel voor agents heeft. De survey is gebaseerd op 3.235 business- en IT-leiders in 24 landen.

Dat is precies de kloof waar Nederlandse bedrijven voor staan.

Niet: kunnen we AI gebruiken? Maar: kunnen we AI verantwoord organiseren?

De echte kloof: losse gebruikers versus lerende organisaties

De komende jaren ontstaat er een nieuwe scheiding in het bedrijfsleven.

Aan de ene kant staan organisaties met veel individuele AI-gebruikers. Daar is enthousiasme. Mensen experimenteren. Er worden teksten geschreven, documenten samengevat en ideeën gegenereerd. Maar het blijft versnipperd.

Aan de andere kant staan organisaties die AI koppelen aan processen, data en collectief geheugen. Daar wordt elke interactie onderdeel van een leerproces. Elke klantvraag kan het systeem verbeteren. Elke fout kan leiden tot een aanpassing. Elke beslissing kan later worden teruggevonden. Elke agent werkt binnen een proces, met duidelijke doelen en grenzen.

Dat tweede type organisatie bouwt vermogen op.

Niet omdat ze meer tools hebben. Maar omdat ze beter onthouden, beter meten en beter delegeren.

De winnaar wordt dus niet het bedrijf waar iedereen ChatGPT gebruikt. De winnaar wordt het bedrijf waar AI toegang heeft tot gedeelde context, duidelijke processen en meetbare doelen.

Waar begin je morgen?

AI-volwassenheid klinkt groot, maar de eerste stap hoeft niet groot te zijn.

Begin niet met een enterprisebrede AI-transformatie. Begin met één proces.

Kies een proces dat vaak voorkomt, duidelijke waarde heeft en genoeg herhaling bevat. Bijvoorbeeld:

  • klantvragen beantwoorden
  • offertes voorbereiden
  • leads kwalificeren
  • interne kennisvragen afhandelen
  • content publiceren
  • supporttickets analyseren
  • rapportages maken
  • intakegesprekken structureren
  • projectupdates samenvatten

Modelleer dat proces eerst. Niet perfect, maar goed genoeg. Wie doet wat? Welke informatie is nodig? Waar zitten beslissingen? Waar ontstaat vertraging? Waar zitten fouten? Waar moet een mens controleren?

Leg daarna het collectieve geheugen rond dat proces vast. Welke documenten zijn relevant? Welke eerdere cases? Welke beslissingen? Welke tone-of-voice? Welke uitzonderingen? Welke voorbeelden van goede output? Welke KPI's bepalen succes?

Pas daarna kies je de AI-rol.

Moet AI alleen helpen? Moet AI adviseren? Moet AI concepten maken? Moet AI systemen bijwerken? Moet AI afwijkingen signaleren? Moet AI zelfstandig acties voorstellen? Of mag AI binnen grenzen ook uitvoeren?

Bouw vervolgens feedback in. Meet niet alleen of AI iets heeft gedaan, maar of het proces beter werd. Minder doorlooptijd. Minder fouten. Betere kwaliteit. Hogere klanttevredenheid. Meer conversie. Lagere werkdruk.

Zo ontstaat volwassenheid stap voor stap.

De mens blijft richtinggever (orchestrator)

Een volwassen AI-organisatie betekent niet dat mensen verdwijnen.

Het betekent dat mensen minder tijd kwijt zijn aan herhaalbaar uitvoerend werk en meer tijd krijgen voor richting, beoordeling, empathie, creativiteit, verantwoordelijkheid en strategische keuzes.

De mens blijft ontwerper, beoordelaar en grensbewaker.

Maar de rol van de mens verandert. Van alles zelf doen, naar processen ontwerpen. Van losse taken controleren, naar grenzen bepalen. Van kennis in hoofden bewaren, naar collectief geheugen organiseren. Van AI prompten, naar AI verantwoord delegeren.

Dat is een fundamentele verschuiving.

Conclusie: de volwassen organisatie heeft het beste geheugen

De grootste fout in AI-strategie is denken dat volwassenheid ontstaat door tools uit te rollen.

Processen maken werk bestuurbaar. Collectief geheugen maakt de organisatie slimmer. Gecontroleerde delegatie maakt AI-inzet verantwoord. Pas wanneer die drie samenkomen, ontstaat echte AI-volwassenheid.

Dan verschuift AI van losse assistent naar procesmedewerker. Van procesmedewerker naar agent. Van agent naar onderdeel van een lerend systeem dat helpt om organisatiedoelen te bereiken.

Maar dat hoogste niveau is geen eindpunt. Fase 5 is een asymptoot. Je bereikt het niet door één platform te kopen. Je beweegt ernaartoe door elke week beter te worden in vastleggen, meten, reflecteren en delegeren.

De AI-volwassen organisatie van de toekomst heeft daarom niet de meeste tools: die heeft het beste geheugen.