AI-challenges

Wat er misgaat zodra bedrijven met AI gaan werken.

Vijfentwintig dingen die stukgaan in een bedrijf zodra mensen AI gebruiken, elk op het level waar hij begint te bijten. Kies je level en zie welke van jou zijn.

25challenges · één kaart

Je leest als

Welke hiervan klinkt als jouw bedrijf?

Eén keuze, geen vragenlijst. De challenges die daar beginnen te bijten lichten op.

Veeg de kaart opzij

Vraag jezelf af

Hoe je de kaart leest. De lijn is de hype cycle en de banden eronder zijn de vijf AI culture levels, dus elke challenge staat waar hij begint te bijten.

De hele set

Alle vijfentwintig, op het level waar ze beginnen

Lees het level waar je zit en sla de rest over. De challenges erboven zijn nog niet jouw probleem, en weten dat ze eraan komen is het meeste wat je er vandaag aan hebt.

Level 1

Campfire

AI is er wel en het werk is niet veranderd. De problemen hier komen van buiten: wat de markt doet terwijl jij wacht.

1

AI-koplopers lopen uit

Iedereen in jouw markt kocht dezelfde tools. Zes op de honderd bedrijven maakten er een voorsprong van die elk kwartaal groeit, en dat doen de tools niet.

De bedrijven die uitlopen namen geen betere mensen aan. Ze veranderden hoe het werk eromheen is georganiseerd, en dat is een mensenbesluit voordat het een techniekbesluit is.

Vraag jezelf afWelke concurrent had een beter jaar dan wij, en weten we wat zij veranderd hebben?

Vraag jezelf afAls een concurrent hierop uitliep, zouden we dat van binnenuit merken?

Bekijk wat de koplopers anders deden

2

Verdwijnende juniorfuncties

Er wordt niemand ontslagen. De juniorfunctie wordt alleen niet meer opnieuw ingevuld, en de werkgelegenheid onder 22- tot 25-jarigen in AI-beroepen loopt al 19% achter.

De junior die je dit jaar niet aanneemt is de senior die je in 2030 niet kunt aannemen. Elke laag die je ooit opbouwde begon ermee dat iemand traag mocht zijn.

Vraag jezelf afWie bevorderen we in 2030, en loopt die persoon hier al rond?

Vraag jezelf afWie is hier het vak echt aan het leren, en wie levert alleen werk af?

Bekijk wat dit met je opvolging doet

3

AI-vaardigheden bij leidinggevenden

Werk komt nu sneller binnen dan degene die het goedkeurt het kan beoordelen. De rij ontstaat bovenin, en de besluiten die eruit komen worden dunner.

Je beste mensen wachten op een manager die niet meer kan beoordelen wat ze maakten. Van hun kant ziet dat eruit als wantrouwen in plaats van als drukte.

Vraag jezelf afWanneer keurde ik voor het laatst iets goed dat ik zelf niet had kunnen maken?

Vraag jezelf afWelke van onze managers kan het werk dat hun team met AI maakt nog beoordelen?

Bekijk hoe je de wachtrij leegt

Level 2

Wild West

Iedereen doet zijn eigen ding en niemand ziet het. Dit is het volle level, en het meeste wat hier misgaat overleef je.

4

AI-cultuurdrift

De ongeschreven regels over AI zijn veranderd zonder dat iemand iets besloot. Acht op de tien mensen vermoeden dat een collega het gebruikt om drukker te lijken.

Je team weet allang wat hier normaal is. Niemand schreef het op, dus iedereen gokte, en de gokjes komen niet overeen.

Vraag jezelf afWat is hier nu normaal dat een jaar geleden wenkbrauwen had doen fronsen?

Vraag jezelf afAls ik drie mensen vraag wat mag met AI, krijg ik dan één antwoord?

Bekijk de vier vragen die je hardop beantwoordt

5

Agents zonder regels

Er neemt iets besluiten in je bedrijf zonder dat iemand daar bevoegd voor is, want niemand legde vast wat het zelf mag afhandelen.

Iedereen hier heeft een functieomschrijving die zegt wat hij mag beslissen. De agent die vergelijkbaar werk doet heeft er geen, en dat valt pas op bij iets groots.

Vraag jezelf afWat mogen onze agents op dit moment beslissen zonder het te vragen?

Vraag jezelf afWie is aanspreekbaar op een keuze die een agent maakte en een mens had opgeschaald?

Bekijk wat je als eerste vastlegt

6

AI die je altijd gelijk geeft

Het model geeft de vrager gelijk. Elf toonaangevende modellen deden dat 49% vaker dan mensen, ook bij plannen die duidelijk schadelijk waren.

De tool die je mensen het meest vertrouwen is de tool die ze het minst tegenspreekt. Daarmee verdwijnt precies de wrijving die het werk goed maakte.

Vraag jezelf afWanneer zei een model mij voor het laatst dat mijn plan niet klopte?

Vraag jezelf afWaar is een tweede mening vervangen door iets dat het altijd met je eens is?

Bekijk hoe je het je laat tegenspreken

7

Middenmanagement onder druk

Elke AI-verandering landt op dezelfde laag, en die laag is al dunner dan hij was. De bevlogenheid van managers zakte in drie jaar negen punten.

Grotere teams, minder lagen, en nu de klus om AI in het team te laten werken. Allemaal op dezelfde schouders, en er ging niets af.

Vraag jezelf afWat ging er van het bord van mijn managers af toen AI kwam?

Vraag jezelf afWelke manager houdt onze AI-invoering in zijn eigen tijd overeind?

Bekijk wat je van hun bord haalt

8

De AI-gebruikskloof

Je plant voor een bedrijf dat niet meer bestaat. Ongeveer driekwart van de werkvloer gebruikt regelmatig AI, en de meeste leidinggevenden schatten een fractie daarvan.

Het adoptiecijfer in je rapportage en het aantal mensen dat dagelijks AI gebruikt zijn niet hetzelfde getal, en elk beleid dat je schrijft staat op het verkeerde.

Vraag jezelf afNoem ons adoptiecijfer hardop en ga het daarna controleren.

Vraag jezelf afWeten we wie er dagelijks AI gebruikt, of alleen wie een licentie heeft?

Bekijk hoever het echte getal afligt

9

AI en baanonzekerheid

Eén op de honderd ontslagen komt door AI. Bijna iedereen die blijft heeft ondertussen voor zichzelf uitgerekend of hij de volgende is.

Niemand vertelde ze wat dit voor hun eigen baan betekent, dus vulden ze het zelf in. Wat mensen in die stilte verzinnen is altijd erger dan de waarheid.

Vraag jezelf afHeeft iemand hier duidelijk te horen gekregen wat AI voor zijn baan betekent?

Vraag jezelf afWat vertellen mensen elkaar hierover dat ze ons nooit zullen vertellen?

Bekijk hoe je dat gesprek voert

10

Shadow AI op de werkvloer

Echt werk loopt via privé-accounts die je niet kunt zien. Niet-goedgekeurd gebruik ging in één jaar van 15% naar 45% van de medewerkers.

Wie het verbergt zijn meestal je beste mensen. Ze krijgen zo meer voor elkaar en willen niet te horen krijgen dat ze moeten stoppen, dus zeggen ze niets.

Vraag jezelf afWaar gebeurt het echte werk, en zien wij daar iets van?

Vraag jezelf afWat zou iemand moeten geloven om ons eerlijk te vertellen welke tools hij gebruikt?

Bekijk hoe je het weer in de open lucht krijgt

11

Workslop

Er komt werk binnen dat af lijkt en niets bevat. Veertig op de honderd kantoormedewerkers kregen er vorige maand een, en elk stuk kost zo'n twee uur om te repareren.

Het denkwerk dat de een oversloeg landt bij wie het bestand opent, en die krijgt voor de reddingsactie nooit krediet. Hij wordt er alleen langzamer van.

Vraag jezelf afTwee uur per reparatie, maal het aantal mensen hier. Wat is dat per maand?

Vraag jezelf afWie in dit team is stilletjes andermans werk aan het rechtzetten?

Bekijk wat het jullie per persoon kost

12

Generiek AI-advies

Het advies is verstandig en het past bij elk bedrijf in je sector, wat betekent dat je concurrent hetzelfde antwoord krijgt uit dezelfde machine.

Goed advies voor een bedrijf dat het jouwe niet is, toegepast op jouw team door iemand die aannam dat het paste omdat het goed klonk.

Vraag jezelf afZou dit advies anders zijn voor het bedrijf aan de overkant?

Vraag jezelf afWat moet een model over ons weten voordat zijn advies het opvolgen waard is?

Bekijk wat advies hier passend maakt

Level 3

Blueprint

De regels staan op papier en het werk loopt nog zoals het altijd liep. Dit zijn de problemen die een beleidsstuk overleven.

13

De vertaallaag tussen business en AI

Je haalde de laag weg die vroeger zei dat de vraag zelf niet klopte. 44 op de honderd medewerkers zag managementlagen verdwijnen, en die rol ging mee.

De mensen die tegengas gaven op een slechte opdracht zijn weg. Opdrachten gaan nu direct naar de bouw en komen precies zo terug als ze gevraagd zijn.

Vraag jezelf afWie zei ons vroeger dat de vraag zelf niet klopte, en wie doet dat nu?

Vraag jezelf afWaar wordt een slechte opdracht in dit bedrijf vandaag nog tegengehouden?

Bekijk wie die vraag nu moet stellen

14

Eigenaarschap van AI-agents

Er doet iets het werk van een mens zonder dat er een naam onder staat, dus als het misgaat is er niemand om het aan te vragen en niets om bij te sturen.

Je zou nooit iemand laten beginnen zonder manager, zonder titel en zonder gesprek. Een agent deed precies dat, en stuurt inmiddels dingen naar klanten.

Vraag jezelf afAls de agent het morgen fout doet, wiens naam staat eronder?

Vraag jezelf afAan wie rapporteert deze agent, en wie merkt het als hij stopt?

Bekijk hoe je er een naam onder zet

15

Automation bias

Niemand besloot te stoppen met controleren. De controle staat nog in de agenda en vangt al maanden niets meer op.

Degene die controleert is niet lui. Negenennegentig keer gelijk hebben is precies wat je leert om de honderdste keer niet meer te kijken.

Vraag jezelf afWanneer haalden we voor het laatst iets eruit dat de machine fout had?

Vraag jezelf afHeeft hier nog iemand tijd om echt te controleren, of alleen om af te tekenen?

Bekijk hoe je de controle weer echt maakt

16

AI geeft iedereen hetzelfde antwoord

Drie bedrijven in jouw markt stellen hetzelfde model dezelfde vraag en krijgen hetzelfde modieuze antwoord. Daar kan er maar één van winnen.

Iedereen bereidt zich nu hetzelfde voor, dus elk overleg begint op dezelfde plek en het meningsverschil dat het de moeite waard maakte ontbreekt.

Vraag jezelf afWaarin verschilt ons antwoord van dat van onze concurrent, en kunnen we zeggen waarom?

Vraag jezelf afWie komt hier nog binnen met iets dat het model nooit had gezegd?

Bekijk waar je je eigen antwoord houdt

17

AI levert niets op

Drie jaar verder meldt negen op de tien bestuurders geen meetbare productiviteitswinst. Iedereen is sneller en er komt niets eerder aan.

Je mensen werken harder en kunnen geen enkel ding noemen dat makkelijker werd. Daar gaat het geloof in het hele programma stilletjes verloren.

Vraag jezelf afIedereen is sneller. Wat komt er werkelijk eerder aan?

Vraag jezelf afWat heeft AI hier echt van iemands bord gehaald?

Bekijk waar de winst weglekt

18

AI kent je bedrijf niet

Het las bijna alles wat ooit is gepubliceerd en het heeft jouw bedrijf nooit ontmoet, dus wat je terugkrijgt is het gemiddelde antwoord voor je sector.

Alles wat jij weet over hoe het hier werkelijk werkt zit in hoofden, waar geen model en geen nieuwe collega bij kan.

Vraag jezelf afWat weten wij dat een model nooit ergens kan opzoeken?

Vraag jezelf afHoe lang duurt het voordat iemand nieuw hier weet wat niemand opschrijft?

Bekijk de tien dingen die je opschrijft

19

Coördinatiekosten van AI

Teams die veel AI gebruiken maken 21% meer werk af, terwijl de tijd dat het op controle wacht bijna verdubbelt. De winst landt in een wachtrij.

Je mensen zijn sneller en het werk wacht nog steeds op iemand, wat demotiverender is dan traag zijn ooit was.

Vraag jezelf afHoe lang ligt afgerond werk stil voordat iemand het aanraakt?

Vraag jezelf afWie is hier het knelpunt geworden, en weet die dat wij hem dat maakten?

Bekijk waar het wachten zit

20

De AI-realiteitskloof

59 op de honderd bestuurders zegt een heldere AI-visie uit te dragen. Acht op de honderd medewerkers zegt dat ze er een gehoord hebben.

Het plan dat je vertelde en het plan dat zij hoorden zijn twee verschillende plannen, en ze handelen elke dag naar het tweede.

Vraag jezelf afVraag drie mensen ons AI-plan te beschrijven, los van elkaar, en leg het naast elkaar.

Vraag jezelf afWat denken mensen hier dat ons AI-plan voor henzelf betekent?

Bekijk wat je mensen werkelijk hoorden

Level 4

Engine

Eigenaarschap en meten zijn geregeld. Wat overblijft zie je minder makkelijk en kost meer als je het misrekent.

21

AI-ROI meten

Acht op de tien mensen zegt dat AI hen sneller maakte en minder dan vier op de tien bedrijven ziet het terug in de cijfers. Je kunt niet blijven betalen voor iets zonder bewijs.

Je voelt de verandering in het team en je krijgt hem niet in een rapportage, dus het budget gaat naar de afdeling die dat wel kan.

Vraag jezelf afAls de raad morgen om bewijs vraagt, wat zetten we dan op de slide?

Vraag jezelf afWat tellen we dat ons niets vertelt, en wat zouden we in plaats daarvan tellen?

Bekijk wat je meet in plaats van logins

22

Verouderd organogram

Er ging niemand weg en toch is het werk verschoven. Het organogram beschrijft een bedrijf dat ongeveer een jaar geleden ophield te bestaan.

Mensen doen werk dat hun werk niet is. Dat zie je nu terug in vage beoordelingen en later in uitval.

Vraag jezelf afWijs een stuk werk aan, vraag wie het bezit, en kijk daarna in het organogram.

Vraag jezelf afWiens echte werk past niet meer bij de functie waarop we hem beoordelen?

Bekijk hoe je in kaart brengt waar het werk heen ging

23

Wie beslist, AI of mens

60 op de honderd bestuurders gebruikt AI al bij besluiten, en 5 op de honderd denkt daarin voorop te lopen. De rest improviseert in stilte.

Je managers houden toezicht op besluiten waarvoor niemand ze heeft opgeleid, en ze zullen niet de eersten zijn die dat hardop zeggen.

Vraag jezelf afWelke besluiten zijn hier nog van ons, en waar staat dat?

Vraag jezelf afWat moet een manager weten om een model met vertrouwen te overrulen?

Bekijk welke besluiten je vastlegt

Level 5

Ecosystem

Mensen en agents draaien als één systeem. De kortste lijst, en de lijst waarvoor niemand nog een draaiboek heeft.

24

Vaardigheidsverlies door AI

Zestien piloten vlogen een simulator met de automatisering uit. Hun handen waren in orde en hun beeld van de situatie was weg. Je controleurs zitten in diezelfde stoel.

De mensen die het nog met de hand kunnen zijn de mensen die het al een jaar niet deden, en precies zij moeten de fouten eruit halen.

Vraag jezelf afWelk stuk van ons werk kan hier vandaag niemand meer met de hand?

Vraag jezelf afWie weet hier nog waarom we het zo doen, en niet alleen hoe?

Bekijk welke vaardigheid je het eerst mist

25

Het AI-agentregister

Je kunt iedereen opnoemen die hier werkt. Probeer nu de agents op te noemen, en daarna wie er eigenaar van is en wat elk van ze mag.

Iedereen hier heeft een leidinggevende en een gespreksdatum. De agents die echt werk doen hebben geen van beide, en minstens één is van iemand die vertrokken is.

Vraag jezelf afWie kan mij vrijdag een complete lijst van onze agents geven?

Vraag jezelf afWat gebeurt er met de agents die iemand bouwde zodra die iemand vertrekt?

Bekijk waar de vergeten agents zitten

Hoe deze set is gemaakt

Waar elk van deze vandaan komt

Eerst gepubliceerd onderzoek

Elk cijfer op een challengepagina noemt zijn bron, zijn steekproef en zijn methode. Als de enige bron voor een getal een partij is die het middel verkoopt, zeggen we dat en laten we het getal van de pagina.

Daarna wat in de kamer opduikt

Een challenge verdient een plek als hij in meer dan één bedrijf voorkomt en iemand hem herkent voordat je hem uitlegt. Dat is een lagere lat dan onderzoek en een hogere dan een anekdote, en we zetten erbij wat het is.

Op een level gezet, niet gerangschikt

Het level is het punt waarop een challenge iets begint te kosten. Dat is een inschatting, gebaseerd op waar we ze hebben zien opduiken, en het is het deel van deze pagina dat het meest zal schuiven als de set groeit.

Voor het laatst tegen de bronnen gelegd op 8 september 2026. In september 2026 kwamen er twee challenges bij: vaardigheidsverlies en het agentregister, allebei op level vijf.

Wat je hiermee doet

Drie manieren om de set te gebruiken, oplopend in moeite

1

Lees je eigen level

Kies hierboven het level waarbij je even je adem inhoudt en lees de drie of vier challenges die daar staan. Een kwartier, geen formulier, niets te installeren.

Naar de hele set
2

Stel de vragen hardop

Elke challenge eindigt in een vraag. Neem er drie mee naar je volgende directieoverleg en kijk bij welke het stil wordt. Dat is je eerste.

Naar de vragen
3

Praat het door

Als een van deze de challenge is waar je wakker van ligt, is er een half uur over praten meer waard dan een voorstel. Dat gesprek kost niets.

Plan een gesprek van 30 minuten

Vragen

Wat mensen vragen over deze set

Wat zijn de AI-challenges?

Het zijn de vijfentwintig dingen die vrijwel altijd stukgaan in een bedrijf zodra mensen met AI gaan werken. Niet de techniek die het begeeft, maar het bedrijf dat de techniek niet opneemt. Elke challenge is uitgeschreven met hoe het er vanbinnen uitziet, wat het onderzoek zegt en wat je in de eerste week doet.

Waarom vijfentwintig en niet meer?

Omdat dit de challenges zijn waarvoor we een bron hebben. Elke challenge in de lijst heeft gepubliceerd onderzoek achter zich of is een patroon dat we in meer dan één bedrijf zagen. Er gaat genoeg meer mis met AI. Dat staat er niet in omdat we er nog niet achter konden staan.

Wat zijn de AI culture levels?

Vijf fasen die een bedrijf doorloopt terwijl AI verschuift van persoonlijke gewoonte naar de manier waarop het werk is georganiseerd: Campfire, Wild West, Blueprint, Engine en Ecosystem. Ze beschrijven hoe een bedrijf met AI werkt, niet hoeveel software het heeft gekocht.

Waarom hangt elke challenge aan een level?

Omdat hetzelfde probleem niet overal even dringend is. Agents zonder regels kunnen een bedrijf zonder agents niets doen. Door elke challenge op het level te zetten waar hij begint te bijten wordt een lijst van vijfentwintig zorgen de drie of vier die dit kwartaal echt van jou zijn.

Op welk level zitten wij?

Kies de beschrijving waarbij je even je adem inhoudt. De keuzehulp op deze pagina geeft je er vijf met drie signalen per stuk, en de kaart laat daarna zien welke challenges op dat level beginnen te bijten. Het kost een minuut en je hoeft niets in te vullen.

Kun je op twee levels tegelijk zitten?

Meestal wel. Een technisch team op Blueprint en een commercieel team op Campfire is de splitsing die we het vaakst zien. Neem het level van het deel van het bedrijf waar het werk echt gebeurt, want daar landen de kosten.

Is deze lijst voor een CEO of voor HR?

Voor allebei, en ze lezen hem anders, en daarom zit er een schakelaar op de kaart. Een CEO ziet meestal de commerciële en financiële kant van een challenge. Een HR-directeur ziet wie hem uiteindelijk draagt. Dezelfde challenge, twee compleet verschillende zinnen.

Wat betekent de vorm van de kaart?

De lijn is de Gartner hype cycle, van links naar rechts: de verwachting stijgt, valt en zakt in. De verticale banden zijn de AI culture levels. Elke challenge staat op de lijn bij het level waar hij begint te bijten, dus het drukste deel van de curve is het drukste deel van de reis.

Waar komen de cijfers op deze pagina vandaan?

Elk cijfer op een challengepagina noemt zijn bron, zijn methode en, waar dat uitmaakt, wie het onderzoek betaalde. Als een getal alleen in de marketing van een leverancier bestaat, zeggen we dat en laten we het getal weg. Dat komt vaker voor dan je zou willen.

Hoe verschilt dit van een AI-readinessscan?

Een readinessscan geeft je een score tegen een model van hoe goed eruitziet. Dit begint bij wat er al misgaat. Je hebt geen benchmark nodig om een manager te herkennen die het werk niet meer kan beoordelen, en die herkenning is wat er nodig is om iets te laten gebeuren.

Wat doen we als eerste?

Lees de drie of vier challenges op jouw level en kies degene waarbij de vraag onderaan iemand in de kamer ongemakkelijk maakte. Ongemak is een beter signaal om op te prioriteren dan zwaarte, want het betekent dat het echt is en dat het van jullie is.

Moeten we deze allemaal oplossen?

Nee, en dat proberen is precies hoe het doodbloedt. De meeste bedrijven hebben er drie die ertoe doen en tweeëntwintig die dat niet doen, althans nog niet. De waarde van de hele set is dat je weet welke nog voor je liggen, zodat ze je niet verrassen.

Hoe vaak verandert de lijst?

Hij groeit als iets nieuws in genoeg bedrijven opduikt om een patroon te zijn in plaats van een anekdote. Twee van de vijfentwintig kwamen in september 2026 binnen. Op elke pagina staat wanneer hij voor het laatst tegen de bronnen is gelegd.

Is hier iets specifiek Nederlands aan?

Het onderzoek is internationaal en de patronen kloppen overal waar we keken. Wat lokaal is, is het tempo: Nederlandse scale-ups bereiken het Wild West-level snel en blijven er langer hangen dan de bedoeling was, omdat niemand degene wil zijn die de boel ophoudt.

Wie zit hierachter?

Paul Musters. Hij werkt met founders, CEO's en HR-directeuren van scale-ups en innovatieve mkb-bedrijven aan de manier waarop hun bedrijf met AI werkt. De set komt uit dat werk en uit gepubliceerd onderzoek, en elke pagina zegt erbij wat wat is.

Wat kost het om je hierover te spreken?

Het eerste gesprek kost niets. Als een challenge uit deze lijst degene is waar je wakker van ligt, is een half uur daarover de nuttige volgende stap, geen voorstel.

Wie dit schreef

Geschreven vanuit het werk, niet vanuit een enquête

Paul Musters

Paul Musters werkt met founders, CEO's en HR-directeuren van scale-ups en innovatieve mkb-bedrijven aan de manier waarop hun bedrijf met AI werkt. Elke pagina in deze set komt uit dat werk en uit gepubliceerd onderzoek, en zegt er zelf bij welk deel wat is.

Deze pagina bestaat ook in het Engels: the 25 AI challenges.