Welke taken kun je automatiseren met AI, en welke juist niet?

Goede kandidaten zijn taken met een herkenbaar begin, vaste tussenstappen en een controleerbaar resultaat. Denk aan informatie uit aanvragen ordenen, een eerste samenvatting maken of standaardgegevens overzetten tussen systemen.

Schrijf een week lang op welke taken je herhaalt. Noteer hoe vaak ze voorkomen, hoeveel minuten ze kosten en waar fouten ontstaan. De saaiste terugkerende taak is vaak een betere eerste kandidaat dan het meest indrukwekkende AI-idee.

• Komt de taak minstens wekelijks terug?
• Is de invoer meestal vergelijkbaar?
• Kun je uitleggen wanneer de uitkomst goed is?
• Kan een mens de uitkomst snel controleren?
• Blijft de schade beperkt als de automatisering een fout maakt?

AI is sterk in samenvatten, rubriceren, zoeken en een eerste versie maken. Laat het bijvoorbeeld een lange aanvraag structureren, maar niet zelfstandig beslissen welke klant wordt afgewezen. Laat het een antwoord opstellen, maar niet zonder controle verzenden.

Deze tussenpositie levert al tijdwinst op en houdt menselijk oordeel op de plek waar context en verantwoordelijkheid tellen.

Plak niet zomaar klantdossiers, medische informatie, personeelsgegevens of vertrouwelijke offertes in een publiek hulpmiddel. Controleer welke gegevens je gebruikt, waarom dat nodig is, waar ze worden verwerkt en hoelang ze worden bewaard.

Gebruik waar mogelijk fictieve testgegevens tijdens de proef. Betrek bij persoonsgegevens degene die binnen je organisatie verantwoordelijk is voor privacy en raadpleeg actuele richtlijnen.

Kies één proces, één eigenaar en een proefperiode. Meet vóór de start hoeveel tijd de taak kost en welke fouten of herstelacties voorkomen. Meet tijdens de proef exact hetzelfde.

‘Het voelt sneller’ is niet genoeg. Kijk naar bespaarde minuten, aantal correcties en kwaliteit. Stop de proef als medewerkers meer tijd kwijt zijn aan controleren dan ze besparen.

Bepaal wie de uitkomst bekijkt en wat die persoon controleert. Markeer automatisch gegenereerde concepten als concept en bewaar waar mogelijk welke broninformatie is gebruikt.

Bij financiële, juridische, medische of personele beslissingen is extra voorzichtigheid nodig. AI kan overtuigend klinken terwijl de inhoud fout is. Zelfvertrouwen in de toon is geen bewijs van juistheid.

Begin dicht bij bestaand werk. Een goede automatisering hoeft voor de klant niet spectaculair te zijn; het is genoeg als je team minder kopieert en sneller reageert.

• Aanvragen uit e-mail samenvatten in vaste velden, met controle vóór opslag.
• Een eerste conceptantwoord maken op basis van goedgekeurde standaardinformatie.
• Vergadernotities omzetten in actiepunten die een medewerker bevestigt.
• Veelgestelde klantvragen groeperen als input voor betere uitleg op de website.

Laat AI niet zelfstandig beloftes aan klanten doen, prijzen vaststellen, klachten afhandelen of mensen beoordelen. Daar spelen uitzonderingen, emoties en verantwoordelijkheid een grote rol.

Ook merkstrategie en gevoelige communicatie vragen menselijk eigenaarschap. AI kan helpen met opties of een eerste versie, maar iemand moet begrijpen waarom de uiteindelijke keuze klopt.

Een proef is geslaagd als de taak aantoonbaar minder tijd kost, de kwaliteit gelijk of beter blijft en medewerkers de werkwijze begrijpen. Alleen dan is uitbreiding logisch.

Leg de stappen, gebruikte gegevens, controles en verantwoordelijke persoon vast. Zo blijft het proces beheersbaar als een tool verandert of een collega vertrekt.

Kies niet meteen het proces met de meeste uren, maar het proces waarvan invoer en gewenste uitkomst duidelijk zijn. Verzamel tien tot twintig representatieve voorbeelden, waaronder lastige uitzonderingen. Bepaal vooraf wanneer een resultaat goed genoeg is en wie het controleert. Zonder die afspraken wordt een enthousiaste demonstratie al snel verward met een betrouwbare werkwijze.

Laat de proef naast de bestaande werkwijze lopen. Meet niet alleen de tijd van de geautomatiseerde stap, maar ook voorbereiding, controle, correctie en herstel. Als collega’s iedere uitkomst volledig moeten herschrijven, is er geen echte besparing. Misschien past een eenvoudiger sjabloon of gewone automatisering dan beter.

Bewaar tijdens de proef geen gevoelige klantgegevens in een hulpmiddel waarvan voorwaarden en opslag onbekend zijn. Gebruik geanonimiseerde voorbeelden waar dat kan en laat een verantwoordelijke beoordelen welke informatie wel en niet mag worden verwerkt. Technische mogelijkheid is niet hetzelfde als een verantwoorde toepassing.

• Eén afgebakende taak met een duidelijke eigenaar.
• Representatieve voorbeelden en bekende uitzonderingen.
• Een meetbare norm voor kwaliteit, tijd en fouten.
• Menselijke controle voordat de uitkomst gevolgen heeft.
• Een terugvalroute wanneer het hulpmiddel niet beschikbaar is.

Documenteer welke invoer nodig is, welke instructie wordt gebruikt en wanneer een medewerker moet ingrijpen. Benoem ook wat de automatisering nadrukkelijk niet mag beslissen. Dat maakt de werkwijze overdraagbaar en voorkomt dat kennis alleen bij de maker van de proef blijft.

Controleer periodiek een steekproef van uitkomsten. Diensten en modellen veranderen, terwijl klanten nieuwe uitzonderingen introduceren. Een proces dat vandaag goed werkt kan ongemerkt slechter worden. Houd daarom een eenvoudig overzicht bij van fouten, correcties en gemiste situaties.

Schaal pas op als de proef aantoonbaar stabiel is. Voeg daarna één volgende processtap toe en meet opnieuw. Zo blijft duidelijk waar winst ontstaat en waar risico groeit. Automatiseren is geen eenmalig project, maar zorgvuldig onderhoud van een werkproces.