WEBVTT 00:00:00.240 --> 00:00:09.480 Bedrijven kopen AI-licenties, rollen trainingen uit, vieren voltooiingspercentages en zien vervolgens hoe dezelfde teams handmatig data kopiëren, statusupdates in e-mails najagen en elke maand rapporten opnieuw opbouwen. 00:00:09.660 --> 00:00:16.300 Dat is het verspillingspatroon. De tool is er, de uitgave is echt, maar het werk verandert nauwelijks omdat het oude model blootstelling bijhoudt, geen verandering. 00:00:16.500 --> 00:00:23.980 Een badge vertelt je niet of een financieel analist sneller afsloot. Aanwezigheid vertelt je niet of een projectmanager een geblokkeerde beslissing in de helft van de tijd erdoor kreeg. 00:00:23.980 --> 00:00:29.320 En als je geen gewonnen minuten, minder fouten of snellere actie kunt aantonen, blijft AI een kostenpost. 00:00:29.320 --> 00:00:36.680 Dus in deze video wil ik het meetmodel simpel houden. Tijd bespaard, snelheid gewonnen, fouten verminderd, niet in theorie, maar binnen echte taken. 00:00:36.920 --> 00:00:40.380 Dat is waar de REWA zichtbaar wordt. Het oude model voldoet niet meer. 00:00:40.660 --> 00:00:46.660 Waarom certificeringsstatistieken geen REWA aantonen? De meeste AI-trainingsprogramma's volgen nog steeds het compliance model. 00:00:46.960 --> 00:00:52.020 Mensen volgen een sessie, ronden een module af, halen misschien een quiz en het management krijgt een dashboard vol nette cijfers. 00:00:52.900 --> 00:00:58.020 Voltooiingspercentage, deelname, zelfgerapporteerd vertrouwen. Het ziet er netjes uit en dat is precies het probleem, 00:00:58.020 --> 00:01:03.940 want nette statistieken kunnen een rommelige realiteit verhullen, zeker als het werk zelf na de training totaal niet is veranderd. 00:01:04.220 --> 00:01:13.120 Wat er meestal gebeurt is simpel. Een team leert wat een prompt is, ziet een paar algemene demo's en keert dan terug naar Outlook, Excel, Teams en rapportageworkflows die nog steeds op de oude manier lopen. 00:01:13.280 --> 00:01:17.100 De persoon weet misschien meer over AI dan voorheen, maar het maandelijkse rapport duurt nog steeds te lang. 00:01:17.260 --> 00:01:21.500 De overdracht gaat nog steeds mis. De opvolging hangt nog steeds af van iemand die eraan denkt het te sturen. 00:01:21.500 --> 00:01:27.200 De kloof zit dus niet alleen in kennis, maar in taakgedrag. En een niveau dieper, dit is waar de meeste bedrijven de essentie verliezen. 00:01:27.400 --> 00:01:29.700 Ze meten gebruiksruis in plaats van werkcompressie. 00:01:29.840 --> 00:01:35.940 Onderzoek wijst op een enorme spreiding tussen gemiddelde gebruikers en powertoepassers, met een productiviteitsverschil van ongeveer 4 tot 5 keer. 00:01:36.140 --> 00:01:38.760 Dat betekent dat gemiddelde adoptiecijfers vrijwel niets zeggen. 00:01:38.940 --> 00:01:44.720 Een bedrijf kan zeggen, mensen gebruiken AI. En toch het feit missen dat slechts een kleine groep dat gebruik omzet in snellere resultaten. 00:01:44.980 --> 00:01:47.940 Daarom voelen voltooiingspercentages veilig, maar bewijzen ze geen waarde. 00:01:47.940 --> 00:01:57.460 Ze vertellen je dat iemand de training heeft afgerond. Ze vertellen je niet of een rapportagepakket voor een deel van het proces van 20 minuten naar 45 seconden ging, wat een van de financiële benchmarks in het onderzoek is. 00:01:57.640 --> 00:02:03.840 Ze vertellen je niet of werknemers gemiddeld ongeveer 9 uur per maand terugwinnen, wat uit meerdere copilotstudies naar voren komt. 00:02:04.040 --> 00:02:10.800 En ze vertellen je zeker niet of een besluit nu 8 keer sneller verloopt, of dat de tijd tot inzicht met 88% is gedaald in een gemeten implementatie. 00:02:11.020 --> 00:02:13.900 Dat zijn resultaat-indicatoren. Al het andere is op zet. 00:02:13.900 --> 00:02:19.300 Er zit nog een breuk in het model. Veel pilots stellen nooit een echte nulmeting vast, waardoor ze later geen verandering kunnen bewijzen. 00:02:19.460 --> 00:02:25.100 Onderzoek in je materiaal toont aan dat 95% van de AI pilots in bedrijven geen meetbare impact op de winst- en verliesrekening had. 00:02:25.300 --> 00:02:29.680 Niet omdat de tools op zichzelf faalden, maar omdat organisaties de moeilijke onderdelen oversloegen. 00:02:30.040 --> 00:02:33.080 Herontwerp van workflows, eigenaarschap en metingen voor en na. 00:02:33.260 --> 00:02:37.840 Als je niet weet hoe lang een taak duurde voor de bijscholing, kun je na de uitrol geen enkele claim onderbouwen. 00:02:37.840 --> 00:02:44.040 Dit viel bij mij op zijn plek toen ik keek naar hoe leiders praten over adoptie. Ze vragen vaak hoeveel mensen hebben deze maand co-pilot gebruikt. 00:02:44.260 --> 00:02:46.460 Dat klinkt redelijk, maar het is de verkeerde vraag. 00:02:46.680 --> 00:02:50.300 De betere vraag is welke taak werd korter, schoner of sneller om over te beslissen. 00:02:50.500 --> 00:02:53.300 Want AI vaker gebruiken is niet hetzelfde als werkcomprimeren. 00:02:53.520 --> 00:02:58.480 Iemand kan de hele dag broms invoeren en nog steeds herstelwerk, vertragingen en zwakke resultaten creëren die een ander moet oplossen. 00:02:58.700 --> 00:03:02.680 Dus moet training uit de bak van algemene vaardigheden naar rolspecifieke bekwaamheid verschuiven. 00:03:02.900 --> 00:03:03.660 Niet AI leren. 00:03:03.660 --> 00:03:06.160 Leer hoe je sneller een variantieanalyse opstelt. 00:03:06.360 --> 00:03:09.220 Leer hoe je ruis uit vergaderingen omzet in actiegerichte follow-up. 00:03:09.320 --> 00:03:12.160 Leer hoe je de afhandeltijd van tickets verkoort zonder de kwaliteit te schaden. 00:03:12.380 --> 00:03:16.900 Zodra je de batch logica loslaat en overgaat op workflow logica, wordt REWA veel makkelijker zichtbaar. 00:03:17.060 --> 00:03:19.520 Het meetmodel, het framework van teruggewonnen minuten. 00:03:19.740 --> 00:03:24.160 Dus, zodra je stopt met het meten van training als aanwezigheid, heb je een model nodig dat gedrag koppelt aan geld. 00:03:24.380 --> 00:03:25.080 Hou het simpel. 00:03:25.300 --> 00:03:28.960 REWA is gelijk aan bespaarde tijd vermenigvuldigd met uurkosten en adoptiegraad. 00:03:28.960 --> 00:03:34.120 Voeg daar de waarde van minder fouten en snellere besluiten aan toe en trek de investering in bijscholing ervan af. 00:03:34.280 --> 00:03:35.440 Dat is de hele structuur. 00:03:35.660 --> 00:03:37.040 Niet perfect, maar bruikbaar. 00:03:37.220 --> 00:03:43.100 En dat is belangrijker, omdat de meeste discussies over AI REWA instorten zodra de berekeningen te abstract worden voor managers om te vertrouwen. 00:03:43.300 --> 00:03:45.440 Nog eenvoudiger gezegd, je koopt geen AI. 00:03:45.660 --> 00:03:49.280 Je koopt werkuren terug en probeert die uren te verplaatsen naar werk dat er meer toe doet. 00:03:49.620 --> 00:03:53.800 Analyse, planning, escalatie, klantreacties, beter beoordelingsvermogen. 00:03:53.800 --> 00:03:56.820 Als de uren verdwijnen in slechtijd, verzwakt de waarde. 00:03:57.000 --> 00:04:01.800 Als die uren terugkeren naar de business in de vorm van snellere output of betere besluiten, komt de waarde naar voren. 00:04:02.060 --> 00:04:04.720 Begin met teruggewonnen tijd, want dat is het zuiverste signaal. 00:04:04.900 --> 00:04:08.860 Meet bespaarde uren per voltijdmedewerker per maand, maar alleen binnen specifieke workflows. 00:04:09.180 --> 00:04:10.480 Niet, AI heeft een beetje geholpen. 00:04:10.720 --> 00:04:11.600 Dat is nutteloos. 00:04:11.820 --> 00:04:17.240 Volg één taak, zoals gegevens opschonen in Excel, een maandelijkse variantienota opstellen of een vergadersamenvatting en actielijst maken. 00:04:17.400 --> 00:04:20.920 En vergelijk dan de handmatige tijd met de tijd met AI-ondersteuning onder dezelfde omstandigheden. 00:04:21.080 --> 00:04:23.680 Dezelfde rol, dezelfde taak, hetzelfde niveau van complexiteit. 00:04:23.920 --> 00:04:25.680 Zo voorkom je dat je rekent met fantasiegetallen. 00:04:25.880 --> 00:04:29.100 Wat de meeste mensen over het hoofd zien, is dat gemiddelde het beeld snel kunnen vertekenen. 00:04:29.280 --> 00:04:32.380 De één bespaart misschien 15 minuten, de ander misschien wel 2 uur. 00:04:32.580 --> 00:04:35.260 Begin daarom niet met brede aannames voor het hele bedrijf. 00:04:35.440 --> 00:04:37.880 Begin op workflow-niveau en werk van daaruit omhoog. 00:04:37.880 --> 00:04:43.780 Als een financieel analist zelfs maar een klein beetje tijd bespaart op een taak die maandelijks vaak terugkeert, tellen de bespaarde uren snel op. 00:04:43.880 --> 00:04:50.200 Onderzoek in je bronnen laat zien dat zelfs bescheiden maandelijkse besparingen de licentiekosten snel kunnen rechtvaardigen als de uurwaarde van de werknemer hoog genoeg is. 00:04:50.400 --> 00:04:51.920 Voeg daarna beslissingssnelheid toe. 00:04:51.920 --> 00:04:55.940 Dit is belangrijk omdat veelwaarde van AI niet direct zichtbaar is als eenvoudige vermindering van arbeid. 00:04:56.060 --> 00:04:58.500 Het uitzicht in minder wachttijd tussen een probleem en de actie. 00:04:58.700 --> 00:05:02.100 Meet de cyclus tijd vanaf het moment dat een probleem wordt vastgesteld tot de volgende beslissing. 00:05:02.300 --> 00:05:04.700 Bij sommige teams betekent dit van vergadering tot opvolging. 00:05:04.940 --> 00:05:07.720 Bij anderen van de melding van een variantie tot de reactie van het management. 00:05:07.980 --> 00:05:12.080 En omdat dit makkelijk te vervalsen is met vage verhalen, moet je tijden voor en na de training gebruiken. 00:05:12.300 --> 00:05:14.920 Hetzelfde team, hetzelfde type beslissing, hetzelfde goedkeuringsproces. 00:05:15.700 --> 00:05:17.520 Daarvoor vind je ondersteuning in het onderzoek. 00:05:17.680 --> 00:05:23.500 Sommige organisaties rapporteerden beslissingen die acht keer sneller gingen en een tijd tot inzicht die na de implementatie van AI met 88% daalde. 00:05:23.640 --> 00:05:28.460 Je moet die cijfers natuurlijk niet als universele beloftes rondbazuinen, want ze hangen af van de workflow en de opzet, 00:05:28.640 --> 00:05:32.680 maar ze laten wel zien wat er gebeurt als AI de frictie tussen informatieverzameling en actie vermindert. 00:05:32.860 --> 00:05:38.340 En dat is wat executives belangrijk vinden, want trage beslissingen kosten meestal meer dan het traag opstellen van documenten. 00:05:38.340 --> 00:05:40.760 Kies daarna nog één metriek op basis van de rol. 00:05:41.220 --> 00:05:44.140 Foutreductie werkt goed in finance of flows waar compliance zwaar weegt. 00:05:44.760 --> 00:05:46.680 Doorloopcapaciteit werkt goed in serviceoperaties. 00:05:46.860 --> 00:05:51.660 Kosten per beslissing kunnen werken voor managementprocessen waarbij hetzelfde probleem steeds meerdere mensen in de lust trekt. 00:05:51.800 --> 00:05:57.460 Het punt is niet om een gigantisch dashboard te maken, maar om één kwaliteits- of outputmaatstaf aan de workflow te koppelen zodat snelheid slecht werk niet maskeert. 00:05:57.620 --> 00:05:59.200 Nu, discipline bij de nulmeting. 00:05:59.420 --> 00:06:05.380 Dit is het onderdeel dat bijna iedereen wil overslaan omdat het saai aanvoelt, en dat is precies de reden waarom zoveel rewaakclaims later in duigen vallen. 00:06:05.380 --> 00:06:09.420 Meet voor de training de taak, tel het herstelwerk en registreer hoe lang de overdracht duurt. 00:06:09.600 --> 00:06:11.820 Voer daarna dezelfde test uit nagerichte bijscholing. 00:06:11.980 --> 00:06:13.380 Als de taak veranderde, noteer dat. 00:06:13.560 --> 00:06:15.020 Als het volume veranderde, noteer dat. 00:06:15.160 --> 00:06:16.920 Als de datakwaliteit verbeterde, noteer dat. 00:06:17.100 --> 00:06:19.040 Duidelijke vergelijkingen beschermen de hele business case. 00:06:19.220 --> 00:06:21.960 Adoptie blijft belangrijk, maar als vermenigvuldiger, niet als trofee. 00:06:22.140 --> 00:06:24.600 Een licentie die ongebruikt blijft, trekt het model omlaag. 00:06:24.760 --> 00:06:29.320 Onderzoek in uw bronnen toont aan dat het gemiddelde gebruik van actieve seats in grote ondernemingen op 55% ligt, 00:06:29.460 --> 00:06:32.340 wat betekent dat veel betaalde capaciteit nooit in de workflow terechtkomt. 00:06:32.340 --> 00:06:37.760 Vraag dus niet alleen of gebruikers zijn ingelogd, maar vraag of het aangeleerde gedrag herhaaldelijk naar voren kwam in de doeltaak. 00:06:37.940 --> 00:06:40.100 Dat is het adoptiesignaal dat het waard is om te volgen. 00:06:40.280 --> 00:06:44.460 En nog een onderscheid is van belang, bruto tijdswinst is niet hetzelfde als gecreëerde waarde. 00:06:44.660 --> 00:06:49.440 Als een analist een uur bespaart, doet dat uur er alleen toe als het wordt besteed aan diepere analyses, 00:06:49.780 --> 00:06:52.560 snellere escalatie, betere planning of meer klantwerk. 00:06:52.740 --> 00:06:56.860 Het volledige model is dus eigenlijk dit, win de minuut terug en zet hem vervolgens opnieuw in. 00:06:57.020 --> 00:07:01.580 Dat is hoe AI ophoudt eruit te zien als software uitgaven en begint te lijken op operationele hefboomwerking. 00:07:01.580 --> 00:07:03.420 Maar waar verschijnt de rewa het eerst? 00:07:03.600 --> 00:07:05.760 De drie rollen met een hogere rewa-dichtheid. 00:07:05.980 --> 00:07:08.960 Zodra het model duidelijk is, is de volgende vraag waar te beginnen. 00:07:09.220 --> 00:07:11.240 Niet bij iedereen, niet bij de luidste afdeling. 00:07:11.480 --> 00:07:16.220 Begin waar werk repetitief is, document intensief en vol kleine beslissingen die alles eromheen vertragen. 00:07:16.440 --> 00:07:18.260 Dat is waar AI bijscholing cumuleert. 00:07:18.440 --> 00:07:19.400 Je traint één gedrag. 00:07:19.660 --> 00:07:24.420 Het komt tientallen keren per week voor en de winst blijft zich opstapelen zonder extra personeel aan te nemen. 00:07:24.420 --> 00:07:29.240 Financieel analisten staan bovenaan die lijst omdat een groot deel van hun week bestaat uit gestructureerde data. 00:07:29.560 --> 00:07:33.920 Terugkerend commentaar, reconciliaties en rapportages zieken die handmatig werk afstraffen. 00:07:34.160 --> 00:07:40.680 Ze leven in Excel, schonen input op, vergelijken versies, verklaren bewegingen en veranderen ruwe cijfers in iets waar het management op kan handelen. 00:07:40.680 --> 00:07:46.940 Dat is precies het soort werk waar rolgebaseerde AI-vaardigheden de vertraging snel kunnen verminderen, omdat de wrijving meestal niet zit in diepgaand oordeelsvermogen. 00:07:47.120 --> 00:07:51.020 Het is het werk voor het oordeel, verzamelen, vormgeven, opstellen, controleren, herschrijven. 00:07:51.020 --> 00:07:58.360 Uit onderzoek blijkt dat financiële teams sterke maandelijkse besparingen melden en sommige pilots laten zien dat rapportagewerk daalt van lange handmatige cycli naar veel snellere eerste versies. 00:07:58.560 --> 00:08:00.920 Dat patroon is belangrijker dan welk hoofdcijfer dan ook. 00:08:01.080 --> 00:08:05.860 Analisten stoppen niet met analist zijn, ze stoppen met zoveel tijd besteden aan het maken van de eerste versie van de output. 00:08:06.120 --> 00:08:15.680 Wanneer die verschuiving goed landt, zie je een werkelijke terugwinning van capaciteit, vaak in de range van 30% tot 50% voor specifieke taken en afgesloten cycli verlopen met minder haast aan het einde. 00:08:16.100 --> 00:08:19.900 Projectmanagers vormen een andere zone met een hogere waadichtheid, maar om een andere reden. 00:08:19.900 --> 00:08:27.380 Hun werk raakt begraven onder coördinatielast, statusverzameling, notulen, actietracking, risicoloogboeken, follow-ups en updates voor stakeholders. 00:08:27.700 --> 00:08:34.500 Niets daarvan is triviaal en alles veroorzaakt vertraging wanneer informatie in chats, presentaties of half afgemaakte notices blijft hangen in plaats van te leiden tot beslissingen. 00:08:34.660 --> 00:08:40.580 Dus, wanneer projectmanagers getraind worden om AI in hun workflow te gebruiken, niet als experiment, zie je de winst direct in het proces. 00:08:40.580 --> 00:08:48.500 Een wekelijkse voorbereiding die voorheen 6 uur kostte, kan dalen naar 2 uur als samenvattingen, actiepunten en conceptupdates in hun bestaande tools plaatsvinden. 00:08:48.860 --> 00:08:51.480 Belangrijker nog, de output is direct bruikbaar voor actie. 00:08:51.660 --> 00:08:54.340 Mensen hoeven niet meer te reconstrueren wat er in de vergadering is besproken. 00:08:54.540 --> 00:08:57.720 Ze zien direct het risico, de verantwoordelijke, de deadline en de volgende stap. 00:08:57.880 --> 00:09:01.940 Daarom kunnen besluitvormingscycli in deze omgevingen 25% tot 40% sneller verlopen. 00:09:01.940 --> 00:09:06.320 De snelheid komt niet door sneller typen, maar door de vertraging tussen discussie en uitvoering te verkleinen. 00:09:06.480 --> 00:09:10.660 Dan heb je nog de eerste lijns operaties en support, waar volume het economische zwaartepunt vormt. 00:09:10.820 --> 00:09:17.240 Deze teams verwerken terugkerende vragen, herhaalde communicatie, informatieopzoeking, samenvattingen en constant schakelen tussen systemen. 00:09:17.360 --> 00:09:20.360 Kleine besparingen tellen hier zwaar, omdat ze de hele dag door plaatsvinden. 00:09:20.540 --> 00:09:29.760 Als een support workflow daalt van 12 naar 7 minuten, herhaalt dat verschil zich honderden of duizenden keren en plotseling stijgt de doorloop zonder de gebruikelijke oplossing meer personeel aannemen. 00:09:29.760 --> 00:09:32.060 Dit is ook waar de kwaliteitsdruk echt wordt. 00:09:32.220 --> 00:09:37.620 Het team kan niet alleen sneller werken, ze moeten binnen de doelstellingen blijven, accuraat zijn en de kwaliteit stabiel houden. 00:09:37.840 --> 00:09:42.240 Daarom profiteren deze rollen in het begin van strakkere promptpatronen en specifiekere use cases. 00:09:42.600 --> 00:09:48.020 Stel het antwoord op, zoek de juiste kennis, vat de case samen en laat de mens de uitzonderingen bevestigen. 00:09:48.260 --> 00:09:54.920 Wanneer die discipline is ingevoerd, lijken doorloopwinsten van 20% tot 40% geloofwaardig in plaats van overdreven. 00:09:54.920 --> 00:10:00.380 Dus, de selectieregel is simpel. Verspreid training niet gelijkmatig over de organisatie omdat dat eerlijk voelt. 00:10:00.600 --> 00:10:03.920 Zet het in waar AI-output versterkt door herhaling, documentatie en beslisdruk. 00:10:04.660 --> 00:10:07.540 Finance geeft je meetbare tijdwinst in de voorbereiding van analyses. 00:10:08.040 --> 00:10:10.820 Projectmanagement zorgt voor snellere voortgang door betere coördinatie. 00:10:11.000 --> 00:10:14.260 Operations en support zorgen voor volume winst met duidelijke service metrieken. 00:10:14.440 --> 00:10:16.160 Verschillende rollen, hetzelfde patroon. 00:10:16.340 --> 00:10:20.120 Het werk verloopt met minder frictie omdat informatie direct klaar is voor besluitvorming. 00:10:20.120 --> 00:10:27.580 En dat is de blik die we moeten vasthouden bij de voorbeelden, want het signaal wordt sterker als je stopt met vragen wie de tool gebruikte en begint met vragen welke workflow korter is geworden. 00:10:27.860 --> 00:10:30.980 Bewijs in de workflow, drie concrete voor en na scenario's. 00:10:31.180 --> 00:10:36.160 Laten we dus concreet worden, want dit is het punt waarop AI-rendement verdedigbaar wordt of vervaagt in managementjargon. 00:10:36.360 --> 00:10:37.780 Laten we beginnen met finance. 00:10:38.060 --> 00:10:44.380 Voor gerichte bijscholing kan een maandelijkse rapportagecyclus vijf dagen duren, niet omdat de analyse zelf vijf dagen in beslag neemt, 00:10:44.380 --> 00:10:53.480 maar omdat analisten te veel tijd kwijt zijn aan het verzamelen van cijfers, het controleren van de opmaak, het opstellen van toelichtingen en het steeds opnieuw schrijven van dezelfde soort variantie-analyses. 00:10:53.680 --> 00:10:55.340 Getraind gedrag verandert die reeks. 00:10:55.560 --> 00:11:04.000 In plaats van bij nul te beginnen, gebruikt de analist AI om een eerste concept voor de toelichting te schrijven, bewegingen per categorie samen te vatten en de uitleg te structureren voor beoordeling. 00:11:04.200 --> 00:11:05.600 De afsluiting verdwijnt niet. 00:11:05.760 --> 00:11:10.940 De analist valideert nog steeds de cijfers, maar het handmatige oponthoud verdwijnt en de cyclus kan van vijf dagen naar twee dagen gaan. 00:11:10.940 --> 00:11:15.380 De echte winst is wat er daarna gebeurt. Die gewonnen uren gaan niet terug naar mooiere rapportages. 00:11:15.620 --> 00:11:19.600 Ze gaan naar scenarioplanning, uitzonderingsbeoordelingen en snellere follow-up met besluitvormers. 00:11:19.760 --> 00:11:24.720 Kijk nu naar projectmanagement. Het basisprobleem is meestal niet een gebrek aan inzet. Het is fragmentatie. 00:11:24.920 --> 00:11:28.940 Notices op de ene plek, acties op de andere. Risico's begraven in een vergadering die niemand de tijd heeft om terug te kijken. 00:11:29.120 --> 00:11:32.960 Een projectmanager kan gemakkelijk zes uur per week kwijt zijn aan het simpelweg in een bruikbare vorm krijgen van de status. 00:11:33.220 --> 00:11:38.120 Na rolspecifieke bijscholing verandert de workflow. Vergadernotices worden samengevat volgens een consistent patroon. 00:11:38.120 --> 00:11:44.880 Acties worden eruit gefilterd met eigenaars en deadlines. Risico's en blokkades komen eerder naar boven omdat de PM ze niet achteraf handmatig hoeft te reconstrueren. 00:11:45.060 --> 00:11:48.800 Die voorbereidingstijd kan dalen van zes uur naar twee en de grotere winst zit verderop in het proces. 00:11:49.240 --> 00:11:53.280 Escalaties vinden eerder plaats. Stakeholders krijgen updates waar direct actie op ondernomen kan worden. 00:11:53.500 --> 00:11:57.160 Minder beslissingen lopen vast omdat de follow-up te laat onvolledig of onduidelijk is. 00:11:57.380 --> 00:12:01.680 Wat veranderde was niet de titel van de PM. Het was de snelheid waarmee informatie bruikbaar werd. 00:12:01.920 --> 00:12:05.440 Dan is er nog support en operations waar de cijfers heel snel heel zichtbaar worden. 00:12:05.440 --> 00:12:15.980 Begin bij een veel voorkomende casus. De gemiddelde afhandeltijd ligt op 12 minuten omdat medewerkers zoeken naar het juiste antwoord, het antwoord vanaf nul schrijven, de zaak samenvatten en dan al achterlopend aan de volgende beginnen. 00:12:16.220 --> 00:12:24.480 Na gerichte bijscholing gebruikt de medewerker AI voor concept antwoorden, snellere opvraging uit goedgekeurde kennisbronnen en gestructureerde samenvattingen die herhaald zoeken verminderen. 00:12:24.720 --> 00:12:30.880 De afhandeltijd kan dalen van 12 minuten naar 7. Dat is op zichzelf al belangrijk, maar het sterkere signaal is de andere stabiliteit. 00:12:30.880 --> 00:12:38.000 Meer cases worden binnen de doelstelling opgelost. De kwaliteit van de eerste reactie verbetert omdat het antwoord begint met een solide concept in plaats van haastig handmatig schrijfwerk. 00:12:38.120 --> 00:12:40.980 En het team krijgt meer ademruimte zonder dat er extra personeel nodig is. 00:12:41.180 --> 00:12:46.640 Bij alle drie de gevallen blijft de structuur hetzelfde. Je begint met een basis taak. Je traint het gedrag binnen die taak. 00:12:46.780 --> 00:12:50.460 De workflow wordt korter. Vervolgens wordt de vrijgekomen capaciteit ingezet voor iets nuttigs. 00:12:50.660 --> 00:12:53.780 Die herhaalbaar structuur is belangrijk omdat het de business case geloofwaardig houdt. 00:12:53.840 --> 00:12:58.380 Je claimt geen magie. Je laat zien waar de tijd naartoe ging, wat er veranderde en wat het team deed met de winst. 00:12:58.380 --> 00:13:02.680 De externe benchmarks in je onderzoek ondersteunen dat patroon zonder het interne bewijs te vervangen. 00:13:02.860 --> 00:13:09.740 In onderzoeken naar Microsoft Copilot melden gebruikers gemiddelde maandelijkse tijdsbesparingen en een groot deel geeft aan sneller tot een goed eerste concept te komen. 00:13:09.960 --> 00:13:18.340 Bij gemeten implementaties rapporteren teams ook sneller inzicht en een hogere beslissingssnelheid wanneer AI gekoppeld is aan een echte workflow in plaats van als algemene assistent te fungeren. 00:13:18.520 --> 00:13:24.040 Die benchmark-signalen zijn nuttig omdat ze laten zien dat je interne resultaat niet op zichzelf staat, maar ze moeten de zaak ondersteunen, niet dragen. 00:13:24.040 --> 00:13:33.880 En dat is de discipline die leiders nodig hebben. Vraag niet of AI het proces heeft aangeraakt. Vraag of het proces nu verloopt met minder vertraging, minder herstelwerk en een beter gebruik van vakmensen. 00:13:34.100 --> 00:13:40.320 In elk van deze gevallen heeft AI de rol niet verwijderd. Het verwijderde de vertraging tussen het binnenkomen van informatie en het starten van actie. 00:13:40.520 --> 00:13:49.800 Dat is het voordeel. Maar dat geldt alleen als het systeem eromheen gecontroleerd is, want zodra outputs afwijken, bronnen rommelig worden of mensen gaan improviseren in risicovolle workflows, 00:13:49.800 --> 00:13:52.780 kan de schijnbare winst verdwijnen door verborgen correctiewerk. 00:13:53.780 --> 00:13:56.420 De harde lijn, governance die het rendement beschermt. 00:13:56.560 --> 00:14:01.240 Nu, het deel dat veel AI-content overslaat omdat het minder spannend klinkt dan productiviteitswinst, governance. 00:14:01.520 --> 00:14:09.740 Maar als je dit weglaat, wordt je rendementsmodel snel zwak, omdat slechte outputs zorgen voor verborgen revisiewerk, zwakke beslissingen en risico's waar niemand in het beginrekening mee hield. 00:14:10.060 --> 00:14:17.360 Begin met de datagrens. AI mag alleen werken met goedgekeurde databronnen onder duidelijke toegangsregels met input die mensen kunnen vertrouwen. 00:14:17.360 --> 00:14:24.380 Als de bron veroudert, rommelig of uit de verkeerde plek gehaald is, ziet de output er misschien gepolijst uit, maar stuurt het het team nog steeds de verkeerde kant op. 00:14:24.520 --> 00:14:30.300 Dat is duur, niet altijd op een zichtbare manier, maar wel door extra controles, herstelwerk, vertraagde goedkeuringen en verloren vertrouwen. 00:14:30.480 --> 00:14:35.260 Dus de gebruiksregel moet simpel blijven. Gecontroleerde data erin, controleerbare output eruit. 00:14:35.480 --> 00:14:38.440 Hou daarna de mens in de loop waar de verantwoordelijkheid daadwerkelijk ligt. 00:14:38.640 --> 00:14:44.980 AI kan opstellen, samenvatten en patronen voorstellen, maar goedkeuringen, uitzonderingen en definitieve beslissingen blijven bij mensen liggen. 00:14:44.980 --> 00:14:50.160 Dat is geen voorzichtigheid om de voorzichtigheid, het is hoe je de kwaliteit van beslissingen beschermt terwijl je toch de snelheidsvoordelen behaalt. 00:14:50.360 --> 00:14:56.940 Vooral in finance, projectrisico's, klantenzaken of alles met reglementaire gevolgen, moet iemand eigenaar zijn van het oordeel, niet alleen van de prompt. 00:14:57.160 --> 00:14:59.140 Dit is waar het opsplitsen van use cases helpt. 00:14:59.340 --> 00:15:04.380 Laag risicowerk schaalt als eerste samenvattingen, concept e-mails, actiepunten uit vergaderingen, eerste commentaren. 00:15:04.600 --> 00:15:08.860 Dat zijn goede plekken om gewoontes op te bouwen, omdat het voordeel makkelijk te zien is en het nadeel makkelijk te ondervangen. 00:15:08.860 --> 00:15:14.560 Dan ga je over naar gecontroleerde analyse-ondersteuning, waarbij AI helpt bij het structureren van het denkproces, maar niet alleen de cirkel rond. 00:15:14.980 --> 00:15:22.340 Automatisering met een hoog risico blijft beperkt en gecontroleerd, want zodra de workflow financiële, juridische of service-risico's met zich meebrengt, stijgen de kosten van een foutieve uitkomst snel. 00:15:22.580 --> 00:15:24.900 Zonder dat onderscheid gooien bedrijven alles op één hoop. 00:15:25.100 --> 00:15:29.180 Ze behandelen een vergadersamenvatting en een gevoelig besluitvormingsproces alsof ze hetzelfde risico dragen. 00:15:29.400 --> 00:15:34.040 Dat is niet zo, en wanneer mensen de grens niet zien, vertrouwen ze de tool of teveel of ze vermijden hem volledig. 00:15:34.040 --> 00:15:38.980 Beide vernietigen waarden. Standaarden zijn ook belangrijk. Willekeurige prompts leiden tot willekeurig werk. 00:15:39.160 --> 00:15:48.220 Als elke werknemer zijn eigen manier verzint om samenvattingen, concepten en analyses op te vragen, verspreidt de kwaliteit zich alle kanten op en beoordelen managers uiteindelijk stelverschillen in plaats van bedrijfswaarde. 00:15:48.420 --> 00:15:52.260 Gedeelde promptpatronen, rolgidsen en eenvoudige voorbeelden verminderen die afwijking. 00:15:52.480 --> 00:15:56.120 Niet omdat prompts de strategie zijn, maar omdat herhaalbaar gedrag herstelwerk vermindert. 00:15:56.320 --> 00:15:58.220 Metingen mogen ook niet stoppen na de uitrol. 00:15:58.220 --> 00:16:03.720 Je hebt live inzicht nodig in bespaarde tijd, adoptiediepte, uitzonderingspercentages, herstelwerk en eventuele dalingen in outputkwaliteit. 00:16:03.880 --> 00:16:06.140 Anders kunnen vroege winsten latere achteruitgang maskeren. 00:16:06.320 --> 00:16:09.660 Een team lijkt op papier misschien sneller, terwijl het correctiewerk ergens anders opstapelt. 00:16:09.860 --> 00:16:13.460 Dat is geen rewa. Dat is kosten die zijn verschoven naar een ander deel van het systeem. 00:16:13.600 --> 00:16:18.200 En dit is het punt voor de directie. Governance vertraagt waarden niet, het beschermt waarden tegen overschatting. 00:16:18.420 --> 00:16:24.040 Leiders financieren geen dingen die slim voelen, ze financieren wat ze kunnen auditen, vergelijken en verdedigen als resultaten in twijfel worden getrokken. 00:16:24.040 --> 00:16:32.680 Dus, als je AI-programma heldere input, duidelijk eigenaarschap, logische niveaus en gemeten uitkomsten kan tonen, ziet het er niet langer uit als experimenteren, maar als operationele discipline. 00:16:32.680 --> 00:16:40.700 Zodra die controles in het model zijn ingebouwd, lijkt het uitbreiden van AI-gebruik niet langer op een gok op enthousiasme, maar op een beheerde zakelijke keuze. 00:16:41.020 --> 00:16:44.820 Schalen zonder verspilling. Hoe je uitbreidt van pilot naar bedrijfsmodel. 00:16:45.280 --> 00:16:47.340 Daarna is de volgende fout de vroegschale. 00:16:47.340 --> 00:16:55.260 Een pilot is veelbelovend, het leiderschap raakt enthousiast en licenties worden verspreid over het bedrijf voordat iemand het patroon heeft vastgelegd dat daadwerkelijk het resultaat opleverde. 00:16:55.500 --> 00:17:01.160 Dat is waar geld weglekt. Niet omdat de tool niet meer werkte, maar omdat het bedrijfsmodel er nooit omheen is gevormd. 00:17:01.260 --> 00:17:03.360 Een beter pad begint klein en specifiek. 00:17:03.520 --> 00:17:05.820 Kies drie tot vijf workflows voor elke doelrol. 00:17:06.040 --> 00:17:11.340 Geen tien, niet elke mogelijke use case, alleen de workflows met herhalend volume, zichtbare frictie en duidelijke zakelijke relevantie. 00:17:12.060 --> 00:17:14.080 Leg de nulmeting vast voordat er iets verandert. 00:17:14.260 --> 00:17:17.820 Train mensen vervolgens op de taak zelf, niet op een algemene rondleiding langs functies. 00:17:18.000 --> 00:17:21.140 Een financieel analist heeft niet eerst een brede lee over AI-mogelijkheden nodig. 00:17:21.260 --> 00:17:28.180 Hij moet weten hoe hij het opstellen van commentaar kan verkorten, hoe hij een terugkerend spreadsheet sneller opschoont en hoe hij een variantieanalyse structureert met minder heen en weer gepraat. 00:17:28.180 --> 00:17:31.160 Voer vervolgens kort de pilot cycli uit met strikte succescriteria. 00:17:31.360 --> 00:17:35.040 Waren er uren bespaard? Daalde de doorloop tijd? Bleef de kwaliteit stabiel? 00:17:35.260 --> 00:17:37.920 Bleven getrainde gebruikers het patroon na de eerste week gebruiken? 00:17:38.080 --> 00:17:39.500 Dat zijn de signalen die ertoe doen. 00:17:39.500 --> 00:17:43.180 Als het actieve gebruik afneemt of het herstelwerk toeneemt, breed dan nog niet uit. 00:17:43.380 --> 00:17:46.200 Verbeter eerst de workflow, de instructies of de ondersteuning. 00:17:46.440 --> 00:17:48.700 Groei zonder die discipline schaalt alleen maar verwarring. 00:17:48.960 --> 00:17:52.820 Wat hier helpt, is het bouwen van bewijspakketten die de taal van elke stakeholder spreken. 00:17:53.000 --> 00:17:56.280 De CFO wil een gekost beeld van teruggewonnen arbeid en vermede verspilling. 00:17:56.280 --> 00:18:00.380 De COO wil vooruitgang in doorlooptijd, output en betrouwbaarheid van de dienstverlening. 00:18:00.680 --> 00:18:05.540 Lijnmanagers willen weten of het team meer werk kan opvangen, sneller kan reageren of minder handmatige administratie heeft. 00:18:05.740 --> 00:18:08.960 Presenteer dus geen algemene claims van leveranciers wanneer je vraagt om de volgende fase. 00:18:08.960 --> 00:18:12.700 Toon gegevens op rolniveau uit je eigen omgeving, gekoppeld aan één workflow tegelijk. 00:18:12.840 --> 00:18:14.240 Het budget moet ook verschuiven. 00:18:14.460 --> 00:18:19.920 Nog steeds gaat teveel AI-budget naar algemene certificering en eenmalige trainingen die georganiseerd voelen, maar niet beklijven. 00:18:20.080 --> 00:18:25.840 Het sterkere model investeert geld in coaching binnen de workflow, gedeelde promptbibliotheken en door managers geleide versterking, 00:18:26.020 --> 00:18:28.920 omdat dat de mechanismen zijn die een nuttige demo veranderen in herhaald gedrag. 00:18:29.080 --> 00:18:31.520 Onderzoek in je bronmateriaal wijst ook in die richting. 00:18:31.740 --> 00:18:35.980 Best presterende organisaties geven meer uit aan intern programmaontwerp en ondersteuning door managers, 00:18:35.980 --> 00:18:38.780 en minder aan externe certificering als het voornaamste antwoord. 00:18:39.000 --> 00:18:41.680 Uitbreiding moet rolclusters en gebruikscase niveaus volgen. 00:18:41.900 --> 00:18:46.840 Als een finance-team waarde bewijst bij rapportage en afstemmingsondersteuning, ga dan naar aanverwante finance workflows. 00:18:47.140 --> 00:18:52.000 Als projectmanagers winst boeken bij statusrapportage en het volgen van acties, ga dan naar gerelateerde coördinatiepatronen. 00:18:52.180 --> 00:18:53.720 Dat soort schalen blijft overeind. 00:18:53.940 --> 00:18:57.600 Algemene licenties doen datzelfde, omdat het gebruik sneller groeit dan de bekwaamheid. 00:18:57.600 --> 00:19:00.480 En hou bij elke uitholbeslissing één vraag voor ogen. 00:19:00.660 --> 00:19:02.340 Heeft dit veranderd hoe het werk verloopt? 00:19:02.520 --> 00:19:06.140 Is het antwoord nee, pauzeer dan, want winst komt niet door AI-toegang toe te voegen, 00:19:06.300 --> 00:19:10.200 maar door het pad van input naar actie te veranderen op een manier die de organisatie kan meten. 00:19:10.360 --> 00:19:11.680 De verschuiving is te simpel. 00:19:11.940 --> 00:19:14.060 Rewa komt niet voort uit het volume van de trainingen. 00:19:14.200 --> 00:19:19.620 Het komt voort uit kortere taken, snellere beslissingen en een schonere uitvoering binnen het werk dat mensen al doen. 00:19:19.860 --> 00:19:23.280 Kies deze week één workflow in finance, projectmanagement of support. 00:19:23.280 --> 00:19:29.440 Meet de handmatige versie tegenover de AI-ondersteunde versie na gerichte bijscholing en kijk waar de herwonnen capaciteit naartoe gaat. 00:19:29.660 --> 00:19:35.600 Als dit je kijk op Microsoft AI heeft veranderd, abonneer je dan op de M365FM podcast, laat een recensie achter, 00:19:35.780 --> 00:19:41.080 maak verbinding met mij, Mirko Peters, op LinkedIn en stuur me het volgende knelpunt in je workflow dat je uitgeplozen wilt hebben.