De vraag is niet meer of mensen AI gebruiken. Wat is het verschil tussen organisaties die AI incidenteel gebruiken en organisaties die AI structureel verankeren? Organisaties die AI vastleggen in processen, richtlijnen en systemen behalen meestal consistentere productiviteitswinst, minder risico en bredere teamadoptie dan organisaties waar gebruik afhangt van individuele medewerkers. Waarom levert AI in het ene team structurele tijdswinst op, terwijl het in het andere blijft hangen in losse experimenten? Het verschil zit meestal niet in de tool, maar in hoe organisaties AI verankeren in processen, richtlijnen en systemen.
Het verschil tussen teams die AI structureel hebben ingebed en teams die blijven hangen in losse experimenten zit meestal niet in toegang tot tools, maar in eigenaarschap, richtlijnen en systeemkoppelingen. Er zijn signalen dat werknemers generatieve AI breed gebruiken op de werkvloer, maar het exacte aandeel Nederlandse werknemers dat tools zoals ChatGPT of beeldgenererende modellen gebruikt, kon in de geraadpleegde bronnen niet worden bevestigd. De geraadpleegde bronnen bevestigen niet met zekerheid welk aandeel medewerkers generatieve AI incidenteel of structureel inzet binnen organisaties. Dat klinkt als vooruitgang, maar het laat vooral zien hoe ongelijk het gebruik nog is.
En precies daar ontstaat de nieuwe kloof: niet tussen bedrijven mét en zonder AI, maar tussen teams die AI slim hebben ingebed en teams die nog vooral losse gebruikers hebben.
Waarom leidt brede AI-adoptie nog niet tot volwassen gebruik?
Voor organisaties is dit relevant omdat breed AI-gebruik zonder kennis, richtlijnen en gedeelde werkwijzen leidt tot grotere kwaliteitsverschillen, meer risico’s en minder rendement; denk bijvoorbeeld aan een supportteam waarin de ene medewerker klantantwoorden met AI laat controleren op toon en beleid, terwijl een collega zonder richtlijnen vertrouwelijke informatie in een publieke tool plakt.
Waarom blijft volwassen AI-gebruik achter, terwijl adoptie al breed is?
Uit het Alert Online-onderzoek 2025 komt een opvallend beeld naar voren. De geraadpleegde bronnen bevestigen niet met zekerheid welk aandeel medewerkers zegt goed of uitstekend bekend te zijn met generatieve AI. De geraadpleegde bronnen bevestigen niet met zekerheid welk aandeel medewerkers zegt weinig tot zeer weinig kennis van generatieve AI te hebben. Dat is een flinke spreiding voor technologie die inmiddels in veel organisaties dagelijks opduikt.
Ook op het vlak van beleid en afspraken is het beeld versnipperd. De geraadpleegde bronnen bevestigen niet met zekerheid welk aandeel medewerkers aangeeft dat hun organisatie richtlijnen voor generatieve AI heeft, dat zulke richtlijnen ontbreken, of dat zij niet weten of die bestaan.
Dat laatste is vooral relevant, omdat onduidelijkheid over richtlijnen ertoe leidt dat medewerkers AI wel gebruiken, maar niet weten welke spelregels gelden.
Daar komt nog iets bij: Phishing bleef in 2025 een veelvoorkomende cyberdreiging. Phishing bleef in 2025 een veelvoorkomende cyberdreiging, maar de geraadpleegde bronnen bevestigen niet met zekerheid de exacte percentages medewerkers die op het werk met phishing te maken kregen. De geraadpleegde bronnen bevestigen niet met zekerheid welk aandeel medewerkers zich in organisaties met afspraken over veilig online gedrag comfortabel voelt om incidenten te melden. Dat onderstreept het belang van duidelijke kaders, maar de geraadpleegde bronnen bevestigen niet met zekerheid hoe sterk zulke afspraken incidentmelding of gedrag verbeteren.
Waar wordt de AI-kloof in organisaties echt door veroorzaakt?
De AI-kloof ontstaat vooral door verschillen in toepassing: niet door toegang tot tools, maar door hoe structureel mensen AI inzetten in processen, workflows en taken. OpenAI beschrijft hetzelfde probleem vanuit een andere hoek. OpenAI meldt dat AI-gebruik samenhangt met tijdswinst en betere snelheid of kwaliteit van output. De geraadpleegde bronnen bevestigen echter niet dat dagelijkse gebruikers tot zes keer productiever zijn dan collega’s die AI weinig gebruiken.
Het zit in wat mensen er daadwerkelijk mee doen: een team dat AI alleen gebruikt om losse teksten te herschrijven haalt minder voordeel dan een team dat AI inzet voor vaste workflows zoals tickettriage, rapportages en interne support.
OpenAI ziet hetzelfde patroon bij zogeheten frontier workers. Dat zijn medewerkers die AI uitzonderlijk intensief en geavanceerd gebruiken. Zij sturen zes keer zoveel berichten naar ChatGPT als de mediane werknemer. De geraadpleegde bronnen bevestigen niet de exacte aandelen maandelijkse gebruikers die data-analyse, reasoning of search nog nooit hebben gebruikt.
Met andere woorden: veel organisaties hebben wel AI, maar niet hetzelfde gebruiksniveau.
Dat verschil wordt nog duidelijker als je kijkt naar tijdswinst.
Dat verschil wordt nog duidelijker als je kijkt naar tijdswinst. OpenAI meldt dat werknemers die meer dan 10 uur per week besparen, vaak meerdere modellen en tools gebruiken en AI over een bredere reeks taken inzetten, maar de geraadpleegde bronnen bevestigen niet de exacte vergelijking op basis van zeven of meer taaktypes of een verschil van vijf keer zoveel. Wie AI dus beperkt tot een paar losse toepassingen, haalt er maar een fractie van de waarde uit.
Ook de bredere cijfers zijn scherp. OpenAI meldt dat werknemers ChatGPT vaak al op het werk gebruiken voordat werkgevers het formeel invoeren. OpenAI zegt ook dat bedrijven werken met koppelingen en interne kennisbronnen (company knowledge). De geraadpleegde bronnen bevestigen echter niet de exacte claims over privégebruik voor werk, officiële zakelijke abonnementen op grote taalmodellen (LLM’s) en het ontbreken van geactiveerde dataconnectoren. dus nog geen datakoppelingen hebben geactiveerd. Dan blijft het dus bij generieke antwoorden, terwijl de echte winst juist zit in context, documenten, data en processen.
Wat is het verschil tussen losse AI-gebruikers en digitale medewerkers?
Juist hier wordt de stap naar digitale medewerkers interessant.
Het belangrijkste verschil is dat een losse AI-gebruiker AI incidenteel en individueel inzet, terwijl een digitale medewerker AI structureel in een teamproces verankert met vaste taken, context en kwaliteitscontrole.
Een losse AI-gebruiker werkt vaak nog op eigen initiatief. Even een tekst laten herschrijven, een samenvatting maken, een brainstorm versnellen. Nuttig, zeker. Maar het blijft afhankelijk van individuele gewoonte, ervaring en discipline.
Een digitale medewerker werkt anders. Die is niet zomaar een tool aan de zijkant, maar onderdeel van het team. Ingericht op een taak, afgestemd op processen, gevoed met context en bedoeld om structureel werk over te nemen.
Dat is belangrijk, want de kern van de AI-kloof zit niet in de vraag of mensen slim genoeg zijn om AI te gebruiken. De kern zit in schaal en herhaalbaarheid. Het gaat erom of een team dezelfde kwaliteit, snelheid en toepassing kan vasthouden. Dat moet ook lukken als niet iedereen even handig is met prompts of zelf nieuwe functies ontdekt.
Daarom verschuift de vraag voor organisaties naar:
- Welke repetitieve processen, zoals interne supportverzoeken of documentclassificatie, willen we als eerste met AI ondersteunen?
- Welke proceseigenaar is verantwoordelijk voor outputkwaliteit, beveiliging en evaluatie?
- Welke taken mogen volledig geautomatiseerd worden en welke vereisen menselijke controle, zoals klantcommunicatie of besluitvorming?
- Welke interne databronnen mogen we via beveiligde koppelingen ontsluiten?
- Hoe trainen we het hele team in het gebruik van dezelfde workflows en richtlijnen?
Als teams die vragen niet beantwoorden, blijft AI afhankelijk van individuele initiatieven. En dan ontstaat precies dat patroon dat OpenAI beschrijft: dezelfde tools, maar grote verschillen in uitkomst.
Moet je AI echt formaliseren als medewerkers het al zelf gebruiken?
Ja, want zonder eigenaarschap, richtlijnen en systeemkoppelingen is het lastiger om AI op schaal en via gestandaardiseerde workflows in te zetten. Zonder eigenaarschap, richtlijnen en systeemkoppelingen blijft AI eerder afhankelijk van individuele handigheid, terwijl diepere integratie volgens OpenAI samenhangt met meer tijdswinst en gestandaardiseerde workflows.
Is training alleen genoeg om AI goed te laten werken?
Nee. Training helpt medewerkers sneller op weg, maar zonder duidelijke processen, eigenaarschap en systeemkoppelingen blijft AI-gebruik versnipperd en levert het zelden consistente teamresultaten op.
Wat organisaties concreet moeten doen
De organisaties die die kloof willen dichten, hoeven niet alles tegelijk te veranderen. Maar ze moeten wel doelgericht werken aan adoptie, duidelijke sturing en afspraken (governance) en routine. In de praktijk helpt het om te beginnen met een paar duidelijke stappen:
- Kies terugkerende processen
Begin niet met losse experimenten, maar met werkzaamheden die vaak terugkomen en veel tijd kosten, zoals het automatisch samenvatten van klanttickets of het opstellen van vaste rapportages voor wekelijkse teamupdates. Denk aan interne communicatie, klantvragen, rapportage of documentwerk.
2. Maak eigenaarschap expliciet
Een AI-initiatief zonder eigenaar verwatert snel; wijs bijvoorbeeld een operations lead aan die verantwoordelijk is voor promptstandaarden, evaluatie van outputs en het signaleren van fouten in klantantwoorden.
3. Zorg voor veilige koppelingen met systemen
AI wordt pas echt bruikbaar met toegang tot relevante context. Denk aan een CRM-systeem voor klantgegevens, productdocumentatie of een interne kennisbank. Zonder zulke koppelingen blijft het werk oppervlakkig.
4. Leg richtlijnen vast die mensen ook echt kennen
Niet alleen ergens op intranet, maar zichtbaar, begrijpelijk en toepasbaar — bijvoorbeeld via een verplichte onboardingmodule en een beknopte checklist voor het gebruik van klantdata in AI-tools. Medewerkers moeten weten wat wel en niet kan, zeker rond data, privacy en veiligheid.
5. Meet meer dan alleen gebruik
Kijk niet alleen of mensen AI openen, maar ook of het tijd bespaart, zoals 20 minuten minder per supportticket, of de kwaliteit verhoogt, bijvoorbeeld minder correctierondes in rapportages. Dáár zit de echte waarde.
6. Werk toe naar standaardisatie
Als één medewerker een vaste prompt gebruikt voor offerte-analyses is dat nuttig, maar pas wanneer het hele salesteam dezelfde workflow en kwaliteitscontrole gebruikt, ontstaat er schaalbaar voordeel.
Wie dit goed inricht, maakt van AI geen individuele truc, maar een structurele manier van werken.
En daar zit het grootste voordeel: teams die AI koppelen aan vaste rapportage- of supportprocessen besparen bijvoorbeeld tijd op terugkerend werk en verminderen handmatige controles. Niet in het feit dat iedereen ergens een keer met generatieve AI speelt, maar in de overgang naar teams die er dagelijks, veilig en consistent mee werken. De organisaties die die stap zetten, willen daarmee onder meer meer tijdswinst en gestandaardiseerde workflows realiseren. Ze verkleinen ook de kloof tussen mensen die toevallig handig zijn met AI en teams die er als geheel beter van worden.
