Cases: AI en digitale verandering in de praktijk

STL · AI

Spelregels voor AI en toegang tot Copilot

Context: collega’s wilden met AI aan de slag, maar wisten niet goed wat mocht en wat verstandig was.

Mijn rol: voortrekker en aanspreekpunt voor AI.

Wat ik deed: ik hielp spelregels opstellen voor het gebruik van AI door collega’s: wat mag je, wat kun je, en wat (nog) niet. Ik zorgde dat collega’s toegang kregen tot Copilot en gaf workshops om ermee te beginnen.

Resultaat: collega’s konden binnen duidelijke afspraken met AI experimenteren.

Les: duidelijke spelregels remmen niet. Ze geven mensen het vertrouwen om te beginnen.

STL · Copilot Studio

Change-assistent in Copilot Studio

Context: een wijzigingsverzoek kwam vaak binnen als een korte mail aan marketing of IT, met een vraag zonder context.

Mijn rol: bedenker en bouwer.

Wat ik deed: ik bouwde een assistent in Copilot Studio die de aanvrager eerst de vragen stelde die normaal een collega zou stellen: wat is het doel, wat is het probleem, waar blijkt dat uit, hoe urgent is het?

Resultaat: wijzigingsverzoeken kwamen beter voorbereid binnen, en het proces liep beter. Na een reorganisatie verdween het team dat ermee werkte, en daarmee de eigenaar van de assistent. Hij wordt niet meer gebruikt.

Les: AI werkt goed als voorbereider van menselijk werk. Maar een werkende tool heeft een eigenaar nodig: adoptie is uiteindelijk een organisatievraag.

STL · n8n en RAG

HR-chatbot met Sevenlab

Context: collega’s zochten antwoorden op HR-vragen in losse documenten.

Mijn rol: opdrachtgever en idee-eigenaar.

Wat we deden: met Sevenlab bouwden we in één middag een chatbot op basis van n8n en RAG, die antwoord gaf vanuit onze eigen HR-informatie.

Resultaat: de chatbot wordt geregeld intern gebruikt. Het grootste effect: collega’s gingen over AI praten en zelf experimenteren.

Les: een kleine, snelle pilot werkt goed als gespreksopener.

STL · Proof of concept

Digitale adviseur

Mijn rol: opdrachtgever.

Wat er gebeurde: we lieten een proof of concept bouwen door een externe partij. Ik had vooraf onvoldoende getoetst hoeveel AI-ervaring de partij had. Het resultaat was niet bruikbaar.

Les: vraag een AI-leverancier om een werkend voorbeeld voordat je begint, en zorg dat je zelf genoeg weet om de juiste vragen te stellen. Die toets doe ik nu standaard.

RAI Amsterdam · 2008–2020

Van 35+ websites naar één platform

Wat ik deed: met een team van developers bracht ik ruim 35 websites onder in één CMS. Later volgde een migratie van 14+ merkportals naar Sitecore. Als teammanager voerde ik Kanban en marketing automation in.

Resultaat: het team werkte ongeveer 20% efficiënter, en we verstuurden 30% minder mails bij een hogere conversie.

Les: de wildgroei aan tools van toen zie je nu weer bij AI. Samenbrengen en kiezen loont.

Readershouse-Hearst · 1998

Internet vanaf 1998

Wat ik deed: ik zette de internetafdeling op. We realiseerden een van de eerste online autoverkopen in Nederland (een campagne voor Subaru) en lanceerden een mobiel automotive-portal via WAP.

Les: ook internet werd toen een hype genoemd. Wie klein en praktisch begon, had later een voorsprong. Bij AI zie ik hetzelfde.