Marktmannen wiki Strategie & Organisatie

Executive AI-implementatie (Every Consulting)

Laatst bijgewerkt: 20-07-2026

TL;DR: Alleen 6% van bedrijven haalt aantoonbare EBIT-impact uit AI; Every Consulting's vijfstappen-playbook — leidinggevende fluency, aangewezen champions, één pijnlijke workflow, bouwen naar 95%, dan pas schalen — bouwt de organisatorische spierkracht die daarvoor nodig is.

Every's consulting-team trainde duizenden mensen bij bedrijven als New York Times, Ripple, Headway en Thumbtack. McKinsey's cijfer: AI-"high performers" (bedrijven met >5% EBIT-impact door AI) zijn bijna 3x zo vaak workflows fundamenteel opnieuw gaan ontwerpen — maar dat is slechts 6% van bijna 2.000 onderzochte organisaties. De bottleneck is verschoven van modelcapaciteit naar organisatorische capaciteit.

Drie golven van AI-adoptie sinds ChatGPT

  1. Licentiegolf (eind 2022 – begin 2024): bedrijven kochten ChatGPT Enterprise/Claude/Copilot-licenties; individuele, ongelijke productiviteitswinst.
  2. Promptgolf (begin 2024 – medio 2025): prompt-trainingen, interne promptbibliotheken, custom GPT's — hielp voorbij individueel prutsen, maar zelden duurzame organisatieverandering (geen eigenaar, geen evaluatie).
  3. Implementatiegolf (medio 2025 – nu): sinds Claude Code (research preview februari 2025) verschuift adoptie van chat-based AI naar agents die langere, multi-stap taken binnen grenzen uitvoeren. Promptbibliotheken worden skills-bibliotheken: herbruikbare workflows met instructies, voorbeelden, referentiemateriaal, scripts, evaluatiecriteria én een naam als eigenaar. Niet-technische mensen bouwen nu zelf geavanceerde automatiseringen (bv. in Claude Cowork).

De vijf stappen

1. Word zelf vloeiend (fluency)

Leidinggevenden hoeven geen dagelijkse bouwers te worden, maar moeten zelf een skill/agent/automatisering bouwen om te begrijpen wat ze van teams vragen: welke data een agent nodig heeft, welke systemen toegankelijk zijn, waar het faalt, hoeveel menselijk toezicht nodig is, wie het onderhoudt. Zonder die ervaring lees je lage adoptie al snel verkeerd als onwil in plaats van een toegangsprobleem (IT/security-beperkingen). Fluency legt ook bloot of je zelf kunt definiëren wat "excellent" werk is — kun je dat niet aan je chief of staff uitleggen, dan lukt het ook niet aan een AI-systeem.

2. Wijs AI-champions aan

Champions dragen een project van idee tot oplevering: experimenteren, itereren, anderen trainen, steun verzamelen. Ze bepalen wat gebouwd, onderhouden, verbeterd of gestopt wordt. Drie eigenschappen: nieuwsgierigheid, mensgerichtheid, en gezag + tijd om het werk te doen. Champions hoeven niet de meest technische mensen te zijn — wél dicht bij de workflow staan (een marketeer die weet waar campagne-analyse vastloopt, een supportlead die ticket-triage kent). Cruciaal en vaak de faalfactor: beschermde tijd (minimaal 2 dagen/maand in Every's ervaring) en een duidelijk mandaat — geen "erbij" naast de dagtaak.

Een champion zou moeten: 1-3 workflows in zijn domein bezitten, de documentatie onderhouden, eval-sets bouwen/beheren, feedback verzamelen, skills bijwerken bij tool/model/proceswijzigingen, rapporteren over tijdwinst/kwaliteit/foutreductie.

3. Kies één pijnlijke workflow

De meestgemaakte fout: beginnen met het grootste, meest zichtbare probleem (bv. het hele board-deck automatiseren, projectmanagement herbouwen). Begin in plaats daarvan met één smalle, pijnlijke "ader" van een workflow — vaak ongeglamoureus (support-tickets categoriseren, leveranciersupdates samenvatten) maar frequent genoeg om een goede testcase te zijn. Scoor kandidaten op: frequentie, pijn, databeschikbaarheid, risico bij fouten, huidig eigenaarschap, evaluatie-duidelijkheid, onderhoudslast.

4. Bouw naar 95%

Van 0 naar een werkende demo (bv. eerste 20 tickets correct) voelt als magie en gaat snel. Van demo naar iets waar het team op kan vertrouwen (60% → 95%) kost veel meer werk: voorbeelden, evaluatie, feedback, menselijk toezicht, onderhoud. Executives stellen de standaard ("wat is goed genoeg, waar hoort menselijke review"); champions bouwen ertegen. "Automatisering is een leugen" — modellen updaten, processen verschuiven, edge cases verschijnen; een skill die vorige maand werkte kan deze maand aanpassing nodig hebben. Per workflow een simpele eval-tabel bijhouden: testvoorbeeld, huidige output, verwachte output, fouten + oorzaak, prompt/skill-aanpassing nodig?, resultaat hertest, menselijke review nodig?, eigenaar, reviewcadans.

5. Schaal wat werkt

Alleen schalen wat bewezen werkt — niet een company-wide mandaat vanaf dag één. Eén zichtbare winst (juiste champion + workflow + standaarden) creëert pull: andere teams gaan vragen wat voor hén kan werken. Schalen betekent niet hetzelfde overal kopiëren — de meeste workflows zijn afdelingsspecifiek. Vraag vóór het schalen: is een echt pijnpunt opgelost, getest tegen echte voorbeelden, is er een naam als eigenaar, een reviewproces, zijn risico's begrepen, kan het team uitleggen wanneer/hoe te gebruiken, is er een feedbackloop, en: shared skill, teamspecifiek, of stoppen?

60-dagenplan

  • Week 1-2: leidinggevenden bouwen zelf, brengen toegang/data/security-beperkingen in kaart (IT/security erbij).
  • Week 3-4: champions aanwijzen per functie, mandaat + beschermde tijd, shortlist pijnlijke workflows.
  • Week 5-7: één startworkflow bouwen tot skill/agent, eval-sets, faalmodi identificeren.
  • Week 8-9: trainen bij succes; show-and-tell voor aangrenzende teams; beslissen: shared skill, teamspecifiek, of naar volgende workflow.

Na 60 dagen heb je zelden het hele bedrijf getransformeerd, maar wel: één betrouwbare workflow, getrainde champions, een team aan boord, en een herhaalbaar proces voor de volgende workflow.

Open vragen

  • Hoe vertaalt "2 beschermde dagen per maand" naar een MKB-context (1-250 medewerkers) waar champions vaak ook de enige zijn in hun rol?
  • Waar ligt in dit model het snijvlak met Team Agentic OS — is de champion-rol hetzelfde als de toegangsbeheerder in het 3-tier-model?

Verwante concepten

Bronnen