AI-strategie voor je bedrijf: iedereen een AI-account is geen strategie

Mijn werkdag bij Voys begint met de supportmeeting. Mijn collega Ferdian laat een tool zien die hij met AI heeft gebouwd om het verkeer tussen operators, netwerken en telefoontoestellen te analyseren. Johan heeft, ook met AI, een grafische interface gemaakt waarmee je ziet hoe een gesprek door ons platform loopt, zodat we klanten sneller kunnen helpen.

Na de supportmeeting spreek ik Maarten, die bij Voys verantwoordelijk is voor finance. Hij vraagt hoe hij meer met AI kan doen in zijn werk. Al snel verlaten we het ‘AI analyseert’-pad om de weg naar ‘AI bouwt een tool die snel kan analyseren’ in te slaan. “Maar waar begin ik, Mark?”

Het volgende gesprek heb ik met Thijs en Anne. Zij houden onze helpdocumentatie up-to-date. Met AI hebben ze nu 95 procent van hun oude werk weggeautomatiseerd en ze willen collega’s gaan helpen om hetzelfde te doen.

Mijn laatste gesprek van de dag is met Pollien en Pascal, over de soms 14 jaar oude code op ons platform, en hoe we onder andere met AI ook die legacy naar een moderne architectuur kunnen brengen.

Vier gesprekken en in alle vier zit AI. En al die gesprekken gaan voorbij de hype. Hoe zijn we hier gekomen, welke stappen zetten we hierna om AI succesvol in te zetten, en wat kun jij ervan leren voor de AI-strategie binnen jouw bedrijf?

Ik speel, zoals veel van jullie weten, al lang met AI. En ik ben daarin niet alleen. Binnen Voys ontstond een team dat de rest van de organisatie begon te enthousiasmeren en daaruit volgde het plan voor het AI Discovery Lab.

Tijdens die interne hackathon legden we het hele bedrijf drie dagen stil om samen meer over AI te leren. Daar schreef ik eerder over. Voor de hackathon kreeg iedereen toegang tot verschillende AI-tools, veel pre-training en kennissessies, en plekken om vragen te stellen en te delen wat werkt. Maar wat we vooral creëerden, was een veilige omgeving om te experimenteren.

Toen ik over het AI Discovery Lab schreef, trok ik één conclusie die ik hier weer nodig heb: het zit niet in de AI-tooling, het zit in de vraag.

En precies daar zit de grens van deze fase. Iedereen toegang geven tot een chatvenster is niet hetzelfde als je werk verbeteren. Het is het makkelijke deel en een startpunt. Wat je daarna doet met dat chatvenster en de AI-tooling? Dát is de interessante vraag!

Greg Petroff schreef hier iets raaks over in een stuk met de titel “The feature is dead. The job remains”. Hij heeft het over productontwikkeling, maar wat hij schrijft geldt net zo voor een organisatie. Een chatpaneel in de hoek van je bestaande product plakken is geen AI-product bouwen, schrijft hij. Je hangt een chatkanaal aan een oude structuur en het werk eronder blijft hetzelfde.

Hetzelfde geldt voor een bedrijf. Iedereen een account geven en zeggen dat je nu ‘AI-first’ bent, verandert niets aan de taak, de workflow of de manier waarop processen door je organisatie lopen.

Zoek je op ‘AI-first’, dan kom je al snel bij de memo van Shopify uit 2025. Teams moeten daar aantonen waarom AI iets niet kan, voordat ze om meer mensen mogen vragen. ‘AI-first’ als rem op je aannamebeleid. Klarna ging verder: ze vervingen zo’n 700 mensen in de klantenservice door een chatbot en draaiden dat besluit een jaar later terug toen de kwaliteit kelderde.

In de AI-acties van veel bedrijven zie ik dezelfde rode draad: hetzelfde werk doen, met minder mensen. En ik geloof daar niet in. Ik geloof echt dat ik een ‘AI-first’ versie van Voys met 15 mensen zou kunnen runnen. Maar het is toch veel leuker om met 150 mensen 10 keer zoveel impact te hebben?

Thijs en Anne zijn daar een perfect voorbeeld van. Ze hebben hun werk deels weggeautomatiseerd. Dat had het einde van twee functies kunnen zijn. Maar het is het begin van iets anders: voor hen is het een volgende stap, waarin ze veel meer leren én anderen helpen hetzelfde te doen. Die reis gaat geheid met horten en stoten, maar de richting voelt veel beter dan ‘mensen eruit, AI erin’.

De grote vraag is dan: hoe draag je het enthousiasme en de potentie die een paar mensen zien en ervaren over op de rest van het bedrijf? Daar hebben we iets voor bedacht. We zijn van plan om onderstaande stappen de komende tijd te zetten binnen Voys, om zo samen met alle collega’s AI een vaste plek te geven in onze organisatie.

In elk team, van finance tot marketing tot productontwikkeling, zien we wel iemand die AI-savvy en enthousiast is. We noemen ze AI-guides. Die mensen willen we samenbrengen zodat ze van elkaar leren. Daarnaast moet de club zichtbaar worden zodat het voor iedereen laagdrempelig wordt om vragen te stellen en van AI-denken naar AI-doen te gaan.

Een tweede ding waar we mee starten is vibecoden tijdens het werk. Waar we vroeger een clubje hadden dat buiten werktijd aan elkaar liet zien welke AI-projectjes progressie hadden geboekt, trekken we het nu het werk in. Op vaste momenten en plekken in de week zijn een paar ervaren AI-gebruikers te bereiken om lekker mee te nerden over de AI-vraagstukken waar je tegenaan loopt. Een plek waar Maarten met zijn vraag terechtkan én aan de oplossing kan werken. Want daar lopen de meeste mensen vast: ze weten dat ze meer met AI willen, maar komen niet verder dan een chatvenster en een half project. Niet omdat ze het niet kunnen, maar omdat niemand op het juiste moment naast ze zit.

Je moet je AI-code natuurlijk ook veilig kunnen draaien. Binnen Voys hebben we een prachtig intern ontwikkelplatform waar we onze services op draaien. Dat is bedoeld voor de code waarop onze klanten elke dag vertrouwen. Holodeck heet dat platform, en onze developers gebruiken het om betrouwbaar door te ontwikkelen aan het Voys-platform.

Holodeck is technisch prima geschikt om vibecode op te draaien, maar daar is het niet voor bedoeld. Holodeck is er voor de code van ons carrier-grade telefonieplatform.

Een kloon ervan, die alleen intern draait voor de AI-code van collega’s, zou geweldig zijn. En daarom krijgt Holodeck nu een broertje, inmiddels gedoopt tot Yolodeck: een serviceplatform voor interne AI-projecten.

Het mooie is ook dat collega’s hun code niet op hun eigen machine of een thuisserver draaien. Zo kunnen we grenzen stellen aan hoe de code is opgebouwd en werken we aan standaarden voor hoe vibecode geschreven wordt, zodat het bruikbaar, onderhoudbaar en gestandaardiseerd is. Binnen die kaders kun je veilig experimenteren.

Die standaardisatie klinkt saai, maar is het niet. Onderzoek laat zien dat AI je werk niet vanzelf beter maakt, maar leunt op gedeelde standaarden, code review en version control. Zonder dat verandert snelheid in risico. Precies de ‘technical debt’ waarover ik het met Pollien en Pascal had. Je wilt niet dat AI die 10 keer zo snel laat groeien 😉

Dat het op onze eigen infrastructuur draait, is een bewuste keuze. Eigenaarschap bepaalt wat er met je systemen en je data gebeurt. Onze collega’s experimenteren met waardevolle data. Die hoort niet zomaar weg te lekken naar een Amerikaanse aanbieder omdat dat nu eenmaal het makkelijkst is.

Verdwijnt je werk door AI? Nee, maar je werk wordt wel echt anders. En ja, er blijft echt meer dan genoeg werk over.

Als automatiseren eenvoudig wordt, verschuift de waarde naar wat eromheen zit. Beslissen wat überhaupt de moeite waard is om te maken. Het werk prioriteren en op de rit houden. Investeren in de samenwerking met je collega’s en investeren in de relatie die je hebt met je klanten. Dat gaat geen AI-model voor je doen of van je overnemen. Daar komt de staart van uitzonderingen nog bij, die laatste 5 procent die geen automatisering aankan en die een mens oppakt. Dat is geen restje, dat is vaak juist het werk dat ertoe doet.

Wil je hier iets uit meenemen voor je eigen bedrijf, dan is dit het: toegang regelen tot tools is het makkelijke deel, maar laat dat niet je AI-beleid of AI-strategie zijn. Investeer in de mensen die het voortouw nemen, geef ze een veilige plek om te bouwen en te experimenteren, en standaardiseer daarna om van wildgroei naar betrouwbare waarde te gaan. Geef de ruimte die AI je oplevert echter vooral terug aan je collega’s, in plaats van de tijd meteen weer vol te plannen.

Ferdian, Johan, Maarten, Thijs, Anne, Pollien en Pascal. Niemand van hen had een AI-strategie nodig om met AI bezig te zijn. We geven elkaar de tooling, de tijd en de ruimte voor het gesprek en het experiment.

De volgende fase zit niet in een AI-account, maar in wat we ermee doen.