Zeventien procent van de Nederlandse bedrijven gebruikt AI, volgens de meest recente CBS-cijfers. Maar het CBS telt niet hoeveel daarvan de verkeerde taken automatiseren. Een klantenservicemedewerker die ChatGPT inzet om facturen samen te vatten bespaart een halfuur per dag. Dezelfde medewerker die het model een klacht laat beantwoorden riskeert een reputatieschade die maanden kost. Het verschil zit niet in de tool, maar in de keuze welk werk je weggeeft en welk niet.
Waarom de meeste bedrijven de verkeerde taken kiezen
De meeste bedrijven beginnen met de taak die het coolst klinkt in plaats van de taak die het meest oplevert. De logica lijkt simpel: begin met wat het meest tijd kost. Maar de praktijk werkt anders. Het CBS meldt dat 73 procent van de bedrijven die geen AI gebruiken "gebrek aan ervaring" als reden noemt. Bij bedrijven die wel beginnen, is het probleem precies omgekeerd.
Denk aan een restaurant dat een AI-chatbot bouwt voor reserveringen, terwijl de kelners elke avond een uur besteden aan het handmatig invoeren van allergieën in het kassasysteem. De chatbot is zichtbaar voor gasten. De data-invoer niet. Maar de data-invoer is herhaalbaar, controleerbaar en het foutrisico is laag. De chatbot moet omgaan met nuance, emotie en de verwachtingen van een vader die net zijn kind met een notenallergie heeft aangemeld.
Vier vragen die bepalen of een taak bij AI hoort
Herhaalbaarheid, controleerbaarheid, foutkosten en contextbehoefte: dat zijn de vier dimensies waarop je elke taak kunt beoordelen. Onderzoekers publiceerden begin 2026 op arXiv een framework voor intelligente AI-delegatie dat taken beoordeelt op vijf dimensies. Voor dagelijks gebruik in een bedrijf zijn vier daarvan direct bruikbaar.
Vraag 1: is de taak herhaalbaar en voorspelbaar?
AI presteert het best bij taken die een vast patroon volgen. Een wekelijkse samenvatting van verkooprapportages, het categoriseren van binnenkomende e-mails, of het omzetten van bonnetjes naar boekhoudregels. Hoe vaker je een taak op dezelfde manier uitvoert, hoe geschikter voor AI.
De vuistregel: als je de taak kunt uitleggen aan een nieuwe collega in drie stappen, kan AI het waarschijnlijk ook. Als je bij elke uitvoering opnieuw moet nadenken over de aanpak, is het te onvoorspelbaar.
Vraag 2: kun je het resultaat in twee minuten controleren?
Dit is de vraag die de meeste bedrijven overslaan. AI levert snel output, maar als de controle meer tijd kost dan het werk zelf, is er geen nettobesparing. Een samenvatting van een vergadering controleer je in dertig seconden: kloppen de actiepunten? Een juridische analyse van een leverancierscontract controleren kost een uur, zelfs als AI het in tien seconden genereert.
In het delegatie-framework heet dit "verifiability". Bij code kun je tests draaien. Bij een samenvattend e-mailantwoord lees je het even door. Maar bij een strategisch advies is verificatie bijna net zo duur als het werk zelf.
Vraag 3: wat kost een fout?
Stuur je een interne weekupdate met een tikfout? Vervelend, niet dramatisch. Stuur je een klant een offerte met een verkeerd bedrag? Dat kan een deal kosten.
De ernst van een fout bepaalt hoeveel menselijk toezicht je nodig hebt, en daarmee of AI-delegatie überhaupt lonend is. De AI Act vertaalt dit naar "high-risk" en "low-risk" classificaties. Voor jouw dagelijkse keuze is de vertaling simpeler: als een fout langer dan een werkdag kost om te herstellen, houd de taak dan bij een mens of bouw een strak controleproces eromheen.
Vraag 4: hoeveel context moet je meegeven?
Sommige taken zijn contextvrij: converteer deze PDF naar een spreadsheet. Andere taken vereisen bedrijfskennis die nergens gedocumenteerd staat. De relatie met die ene klant, de ongeschreven afspraak met de leverancier, het politieke speelveld op de werkvloer.
Even voor de beeldvorming: dit is alsof je een uitzendkracht vraagt om een conflictgesprek met je oudste klant te voeren. De uitzendkracht mist tien jaar gedeelde geschiedenis. AI mist die ook.
Hoe meer ongedocumenteerde context een taak vereist, hoe minder geschikt voor AI. De oplossing is niet "alles documenteren" (dat is een project op zich), maar eerlijk zijn over welke taken context nodig hebben die alleen in hoofden zit.
De beslismatrix op een rij
De vier vragen vertaald naar een scorematrix die je bij elke taak kunt invullen.
| Vraag | Scoort goed = AI-geschikt | Scoort slecht = mens |
|---|---|---|
| Herhaalbaar? | Vaste stappen, dagelijks of wekelijks | Elke keer anders, improvisatie nodig |
| Controleerbaar? | Controle duurt minder dan twee minuten | Verificatie kost evenveel als het werk |
| Foutkosten? | Fout is binnen een uur hersteld | Fout kost een klantrelatie of geld |
| Context? | Alle informatie past in een briefing | Vereist ongedocumenteerde bedrijfskennis |
Scoort een taak op drie of vier vragen goed? Begin daar. Scoort een taak op alle vier slecht? Gebruik daar geen AI voor, ongeacht hoe indrukwekkend de demo eruitzag.
Welke taken scoren bijna altijd goed?
E-mail samenvatten, facturen verwerken en vergaderverslagen genereren zijn de taken die het vaakst succesvol worden geautomatiseerd. Uit de CBS-cijfers voor 2025 en praktijkvoorbeelden van Nederlandse bedrijven tekent zich een patroon af. De taken die werken zijn opvallend saai.
- E-mails samenvatten en categoriseren (35 procent van de AI-gebruikers zet het in voor marketing en communicatie)
- Standaard klantberichten beantwoorden met een voorbeeldantwoord plus menselijke controle
- Facturen verwerken en boekingsregels aanmaken (17 procent gebruikt AI voor boekhouding)
- Vergaderverslagen met actiepunten genereren
- Vacatureteksten schrijven op basis van een functieprofiel
- Concurrentanalyse: productpagina's samenvatten en vergelijken
Wacht even, vacatureteksten? Die staan inderdaad op de lijst, want ze scoren goed op alle vier de vragen. Je schrijft ze regelmatig, het resultaat controleer je in twee minuten (lees het door), een tikfout is niet rampzalig, en het functieprofiel bevat alle context die nodig is. De Autoriteit Persoonsgegevens waarschuwt wel: gebruik je AI bij de selectie van kandidaten, dan gelden de high-risk verplichtingen uit de AI Act. Maar voor het schrijven van de tekst zelf is er geen wettelijk risico.
Welke taken moet je menselijk houden?
Taken die oordeelsvermogen over mensen vereisen blijven menselijk werk. Ze delen bijna altijd een kenmerk: de "context" past niet in een document, maar zit in relaties, historie en sociale dynamiek.
- Functioneringsgesprekken voorbereiden (kennis over persoonlijke situatie)
- Klachten van grote klanten afhandelen (relatiekennis van jaren)
- Strategische besluiten nemen op basis van onvolledige data
- Conflicten binnen een team bespreken
- Onderhandelen met leveranciers
AI kan hierbij feiten aanleveren. Denk aan de omzethistorie van een klant, de benchmark voor een salarisniveau, of een samenvatting van eerdere correspondentie. Maar het oordeel zelf vereist empathie, nuance en de bereidheid om een beslissing te nemen waar je verantwoordelijk voor bent. Dat delegeer je niet.
Volgens een Deloitte-onderzoek uit 2026 naar de staat van AI in het bedrijfsleven zijn de meest succesvolle organisaties niet degenen die het meeste automatiseren, maar degenen die hun werkprocessen opnieuw inrichten zodat menselijke sterke punten en AI-capaciteiten elkaar aanvullen. Minder tijd aan het voorbereiden van documenten en basisonderzoek, meer tijd aan het formuleren van de juiste vragen en het interpreteren van resultaten.
Wat als de controle meer tijd kost dan het werk?
Splits de taak op: laat AI het voorwerk doen en de mens het oordeel. Dit is de valkuil waar veel bedrijven in trappen na de eerste maand. De euforie van de snelle output verdwijnt zodra blijkt dat de controle net zo lang duurt.
Een veelvoorkomend voorbeeld uit de zakelijke dienstverlening: een bureau liet AI adviesrapporten schrijven. De output was indrukwekkend snel. Maar de partner besteedde twee uur per rapport aan feitencontrole. Hetzelfde als het zelf schrijven kostte. Nettobesparing: nul.
De oplossing is niet stoppen met AI, maar de taak anders opsplitsen. Laat AI de data verzamelen en ordenen (herhaalbaar, controleerbaar). Laat de partner de analyse en conclusies schrijven (oordeelsvermogen, context). Dat is het beslismodel in actie.
Overigens geldt dit ook voor de controle van AI-output die je naar klanten stuurt. De controle zelf mag niet het knelpunt worden. Als dat gebeurt, heb je het verkeerde stuk werk geautomatiseerd.
Wat kun je hier maandag mee?
Neem drie taken die je overweegt te automatiseren en scoor ze op de vier vragen. Je zult merken dat de antwoorden verrassend helder zijn, en dat de taken die je het meest aanspreken vaak niet de taken zijn die het hoogst scoren.
Begin met de saaiste taak die op alle vier de vragen goed scoort. Niet de coolste. Niet de zichtbaarste. De saaiste. Want die levert bewezen tijdwinst op zonder risico, en dat is het fundament waarop je later kunt bouwen.
Wil je eerst weten of AI je echt tijd bespaart? Combineer het beslismodel met een eenvoudige ROI-berekening. En als je team nog niet op een lijn zit over hoe AI te gebruiken, begin dan met een gedeelde AI-werkwijze voordat je individuele taken gaat automatiseren.
