Het enige criterium dat er op het einde echt toe doet, is adoptie door de eindgebruiker. Niet de technologie op zich, maar de mater waarin mensen het effectief gebruiken, en dat doen op een manier die hen iets oplevert.
Het nummer één criterium voor succes bij IT trajecten is de mate van adoptie door de eindgebruikers. Dat is bij AI niet anders.
In meer dan 30 jaar gecombineerde IT-projecten hebben we één ding consequent zien terugkomen: het enige criterium dat er op het einde echt toe doet, is adoptie door de eindgebruiker. Niet de technologie op zich, maar de mater waarin mensen het effectief gebruiken, en dat doen op een manier die hen iets oplevert.
Projecten die dat niet halen, lopen vast in een vicieuze cirkel van re-engineering. Er wordt bijgestuurd, herschreven, opnieuw getraind en ondertussen loopt de factuur op. Denk aan de klassieke CRM-implementatie waarbij maanden werk en een aanzienlijk budget zijn gespendeerd, maar de verkopers de tool omslachtig vinden en uiteindelijk gewoon verder doen in hun vertrouwde Excel. Het resultaat kost meer tijd en moeite dan wat er stond voor de implementatie. De adoptie is er nooit gekomen, en daarmee ook het rendement niet.
Bij AI is dat niet anders. Wie dat niet van bij het begin meeneemt in het ontwerp van een AI-traject, loopt het risico hetzelfde patroon te herhalen.
Het echte knelpunt is de interface, niet het model
Zolang AI eruitziet als een chatvenster, moeten mensen actief kiezen om het te gebruiken. Ze moeten switchen tussen verschillende applicaties en het inmiddels door iedereen gekende ChatGPT of Claude chatvenster. De copy-paste knoppen zijn zelden zo intensief gebruikt in de voorbije jaren als nu. Een vraag stellen aan Claude, het anwoord kopiëren en elders in een document of systeem plakken. Herkenbaar, toch?
Dat werkt voor een individu dat gemotiveerd is om te experimenteren of voor individuele efficiëntiewinst. Het werkt niet als je wil dat een heel team structureel anders gaat werken.
De vraag is dus niet: hoe overtuigen we mensen om AI te gebruiken?
De vraag is: hoe integreren we AI in de workflow en tools die mensen al gebruiken en kennen?
De AI die echt rendeert zit niet in een apart venster
De sterkste AI integratie is geïntegreerd in de processen. Niet een extra chatvenster of een nieuwe applicatie buiten de vertrouwde workflow.
Drie voorbeelden die we vandaag al inzetten bij bedrijven:
Commerciële binnendienst. De medewerker op de commerciële binnendienst opent de mailbox die ze altijd gebruikt. Met dat verschil dat de orders al uitgelezen zijn (uit mail, pdf of bestelbon), automatisch gecatalogeerd, vergeleken met wat er in het systeem staat, en klaargezet om door te sturen naar het ERP. Nog één laatste manuele validatie (human in the loop), één klik, en het order staat in het ERP systeem.
Of - als er nog onduidelijkheid is - een onderbouwde keuze tussen de gesuggereerde artikels (zelfs met AI kan je niet altijd alles met 100% zekerheid vastpinnen ;-) om het vervolgens met één druk op de knop binnen de bestaande mailbox naar het ERP te sturen.
Klantenservice. De agent is, bijvoorbeeld, in het ticketsysteem of de shared mailbox van de klantendienst geïntegreerd. Hij leest de vraag, zoekt het antwoord op in je productinformatie of garantievoorwaarden, en stelt een reactie voor. De medewerker valideert het antwoord en verstuurt het vanuit het systeem dat ze vandaag al gebruiken. Geen extra tool. Geen copy-paste tussen schermen.
Finance of Operations. De agent is, bijvoorbeeld, in het ERP systeem geïntegreerd. Hij matcht offertes, facturen en leveringsbonnen, extraheert de relevante gegevens en verwerkt ze in het ERP. Waar deze 3-way matching vroeger 15 minuten kostte per dossier, is het nu een validatie van één minuut.
Niemand heeft een nieuwe tool geleerd en niemand moet zich zorgen maken of de prompt wel optimaal is. De software die gisteren gebruikt werd, werkt vandaag gewoon een stuk slimmer.
Niet elk proces is er klaar voor
Geïntegreerde AI integratie werkt niet vanzelf. Het veronderstelt dat je weet wat de agent moet doen, en wat er moet gebeuren als hij het niet weet.
Drie vragen die bepalen of een proces klaar is:
Is het proces helder genoeg? Als vier mensen dezelfde taak op vier verschillende manieren uitvoeren, kiest de agent er één. En dat is precies het moment waarop fouten opduiken.
Zit de data waar ze moet zitten? Een agent die facturen matcht, heeft toegang nodig tot de juiste systemen. Als de helft van de informatie in een Excel op iemands bureaublad staat, stopt de integratie daar.
Weet je wat er moet gebeuren bij uitzonderingen? De agent handelt wat herhaalbaar is. Voor de rest heeft hij instructies nodig, of een mens die het overneemt. Die grens moet je op voorhand definiëren, en niet achteraf ontdekken.
Dit is geen reden om te wachten, maar een reden om gericht te beginnen: één proces of use case uittekenen en evalueren of en waar in het proces AI zaken kan automatiseren.
Zo zorgen wij voor hoge AI adoptie
Adoptie begint niet bij training of change management. Het begint veel eerder, bij het ontwerp van de oplossing zelf.
Onze Moss agents zijn gebouwd vanuit dat principe. Ze integreren in de systemen die je mensen al dagelijks gebruiken — de mailbox, het ticketsysteem, het ERP — en voeren taken uit zonder dat iemand van tool hoeft te wisselen. AI die je mensen helpt zonder de frictie van een aparte chatbox.
Dat is wat wij leveren met ons agentic automation platform: geen chatvenster dat mensen moeten leren gebruiken, maar managed agents die werken waar jouw mensen al zijn. Configureerbaar, integreerbaar, en ontworpen voor hoge adoptie van bij de start.
Benieuwd wat dat concreet betekent voor jouw processen?