Er wordt veel over AI gepraat en weinig mee gebouwd. De meeste verhalen die je leest gaan over wat er ooit mogelijk wordt, of over een pilot die na drie maanden stilletjes verdween.
Dit artikel gaat over het tegenovergestelde. Acht Nederlandse organisaties die iets hebben draaien. Sommige zijn klant bij ons, andere bouwen hun eigen product en kwamen we tegen in het vak. Bij elk voorbeeld staat wat er gebouwd is, wat het concreet opleverde en welke les eruit te halen valt.
1. Voys: zestien werkende demo's in drie dagen
Voys is een Groningse telecomprovider die zakelijke cloudtelefonie levert aan zo'n 19.000 bedrijven. Het bedrijf staat bekend om zijn zelfsturende organisatie: geen managers, wel veel eigenaarschap.
Dat maakte de aanpak logisch. In plaats van een AI-strategie van bovenaf op te leggen, organiseerde Voys een AI Discovery Lab van drie dagen met ruim 110 medewerkers wereldwijd. Wij waren erbij als AI-coach. Aan het eind stonden er zestien werkende demo's, gebouwd door de mensen die het probleem zelf elke dag tegenkomen.
De les: je hoeft niet te beginnen met een strategie. Je kunt beginnen met bouwen, en de strategie komt uit wat werkt.
Lees de volledige case over Voys →
2. FC Groningen: van stadiondata naar marketingkeuzes
FC Groningen had wat veel organisaties hebben: heel veel data en weinig antwoorden. Tienduizend stadionbezoekers, maar geen beeld van wie ze waren of waarom ze kwamen.
We bouwden een AI-dashboard dat uit die tienduizend bezoekers vier bruikbare doelgroepsegmenten destilleerde. Niet als eenmalige analyse, maar als instrument dat de marketingafdeling zelf gebruikt bij het maken van keuzes rond het vrouwenvoetbal.
De les: de waarde zit zelden in het model. Die zit in de vraag of de mensen die de beslissing nemen er zelf mee kunnen werken.
Lees de volledige case over FC Groningen →
"De vraag is nooit of AI het kan. De vraag is of het werk erna minder wordt."
3. Plusisolatie: 2.843 pagina's en 1.400 uur
Plusisolatie uit Enter is isolatiespecialist en werkt door heel Nederland. Voor lokale vindbaarheid had het bedrijf 2.843 landingspagina's, één per werkgebied. Allemaal vrijwel identiek, want niemand schrijft 2.843 unieke teksten.
Wij koppelden openbare data aan een AI-pijplijn die per gebied een eigen tekst opbouwt: woningvoorraad, bouwjaren, wat er lokaal speelt. Geen gegenereerde variaties op hetzelfde sjabloon, maar pagina's die per plaats iets anders te melden hebben. Handmatig zou dat ruim 1.400 uur hebben gekost.
De les: AI is op zijn sterkst bij werk dat te groot is om met de hand te doen en te belangrijk om te laten liggen.
Lees de volledige case over Plusisolatie →
4. TriplePro: van onderbuik naar onderbouwing
TriplePro Online Marketing is een full-service bureau in Groningen, actief sinds 2008 en inmiddels met ruim veertig specialisten. Persona's maakten ze zoals bijna elk bureau dat doet: op basis van ervaring en gevoel.
Samen bouwden we Journey Pro 2.0, een tool die persona's opbouwt uit echte data in plaats van uit een workshop met post-its. Het traject liep over een jaar, van plenaire sessies met alle medewerkers tot werksessies per team en meerdere hackathondagen. Journey Pro is inmiddels een vast product van TriplePro.
De les: het beste AI-project levert geen rapport op, maar iets wat je daarna kunt verkopen.
Lees de volledige case over TriplePro →
5. Rimbu: contentautomatisering zonder bullshit
Rimbu is een marketingbureau dat SEO, Google Ads en e-mailmarketing combineert met AI-gedreven contentautomatisering. Het bureau afficheert zichzelf als "marketing zonder bullsh*t", en dat is in dit vak een standpunt.
Interessant aan Rimbu is niet dat ze AI gebruiken, maar waarvoor. Niet om meer teksten te produceren, maar om de productie van teksten die er toch moesten komen minder tijd te laten kosten. Dat onderscheid bepaalt of contentautomatisering iets oplevert of alleen ruis toevoegt.
De les: automatiseer werk dat je toch al deed. Niet werk dat je erbij verzint omdat het nu kan.
6. Floes.ai: AI-agents zonder programmeren
Floes.ai is een no-codeplatform waarmee bedrijven zelf AI-agents bouwen voor klantenservice en interne kennisdeling. Je voert documenten, websitecontent en bedrijfsdata in, en de agent beantwoordt daarmee vragen. Volgens Floes handelt zo'n agent tot tachtig procent van de binnenkomende vragen zelfstandig af.
Wat dit interessant maakt is de drempel. Een bedrijf dat wil weten of een AI-agent iets voor hem is, hoeft geen ontwikkeltraject in. Dat is precies het soort tussenstap dat in het MKB vaak ontbreekt.
De les: voordat je iets laat bouwen, is het zinvol om te testen of de vraag die je hebt überhaupt door een agent te beantwoorden is.
7. Transcribed.nl: één taak, goed gedaan
Transcribed.nl doet precies één ding: Nederlandse audio omzetten naar tekst. Geen platform, geen suite, geen dashboard. Een dienst die een specifiek probleem oplost voor wie interviews, vergaderingen of gesprekken moet uitwerken.
Dat is het vermelden waard omdat de meeste AI-producten de andere kant op bewegen: steeds meer functies, steeds minder duidelijk waarvoor je het gebruikt. Een tool die één taak goed doet, is in de praktijk vaak waardevoller.
De les: smal en scherp verslaat breed en vaag, zeker bij de eerste AI-toepassing in een organisatie.
8. AIpunt: bijblijven zonder te verdrinken
AIpunt is een Nederlandstalig platform met AI-nieuws, tools en workshops voor bedrijven en particulieren. Het lost een probleem op dat elk bedrijf herkent dat met AI aan de slag wil: het tempo.
Er komt wekelijks meer bij dan iemand kan volgen. Een bron die filtert, in het Nederlands, scheelt uren zoeken en voorkomt dat beslissingen worden genomen op basis van een LinkedIn-post van acht maanden oud.
De les: AI-implementatie is voor een groot deel bijblijven. Organiseer dat, in plaats van het aan toeval over te laten.
Wat deze acht gemeen hebben
Op het eerste gezicht weinig. Een voetbalclub en een isolatiebedrijf hebben niet hetzelfde probleem. Toch lopen er drie lijnen doorheen.
- Ze begonnen bij het werk, niet bij de technologie. In geen van deze projecten was de vraag "wat kunnen we met AI doen". De vraag was steeds welk werk te veel tijd kostte.
- Er was iemand die het zou gaan gebruiken. Projecten zonder duidelijke eigenaar stranden. Bij alle acht was vooraf helder wie ermee verder zou werken.
- Het bleef klein genoeg om af te maken. Drie dagen, één dashboard, één pijplijn. Geen transformatieprogramma van achttien maanden.
Dat is geen toeval en ook geen geheim. Het is gewoon de volgorde die werkt: klein beginnen, iets afmaken, en pas daarna opschalen.
Zelf beginnen
Als je na het lezen van deze acht voorbeelden denkt dat er in jouw organisatie ook zoiets ligt, klopt dat waarschijnlijk. Bijna elk bedrijf heeft werk dat te veel tijd kost en te weinig oplevert.
Wij doen een gratis intake waarin we dat werk opzoeken en beoordelen of AI er iets aan verandert. Geen verkooppraatje, wel een eerlijk antwoord, ook als dat antwoord "doe dit niet" is.