Coördinatiekosten zijn alles wat er met een stuk werk gebeurt terwijl niemand eraan werkt. Wachten op een controle, een goedkeuring, een antwoord, die ene persoon die ernaar moet kijken.
Je mensen ronden meer af dan ooit. Vraag wanneer een verzoek van een klant nu iets opgeleverds wordt, en het antwoord is hetzelfde als vorig jaar. De winst is ergens gebleven, en het is de moeite waard te weten waar.
Maak het werkende deel 21% sneller en laat het wachtende deel staan, en een werkstroom van vijf stappen komt ongeveer 4% eerder aan. Dat merkt je klant niet.
Hoe het zich toont
Dit komt in drie fasen, maanden uit elkaar.
Elke fase ziet eruit als goed nieuws of als een tijdelijk probleem. In de derde zit het geld, en tegen die tijd voelt het niet meer als een AI-vraag.
Eerst, binnen wekenMensen ronden meer af, en ze hebben gelijk
Het schrijven, het programmeren, de eerste versie van wat dan ook. Echt, zichtbaar, en het waard om te hebben. Niemand overdrijft in deze fase.
Daarna, binnen een kwartaalDe rij voor de controleur wordt langer
Er komt twee keer zoveel binnen bij degene die het moet nakijken, en die persoon is niet sneller geworden. Iedereen behandelt dit als een tijdelijke achterstand. Het is de nieuwe normale vorm van het proces.
Veel later, als iemand het vraagtDe leverdatum is niet opgeschoven
Van verzoek tot geleverd kost nog steeds wat het vorig jaar kostte. De winst is echt en hij staat in een wachtrij, en nu leg je een raad van bestuur uit waarom de facturen omhoog gingen en de agenda niet veranderde.
Eerst één vraag
Doe de som met je eigen getallen.
Pak één ding dat je bedrijf steeds opnieuw levert: een voorstel, een functie, een schadeclaim, een inwerktraject. Vul in wat je erover weet. Alles hier is jouw schatting behalve de laatste regel, die uit gepubliceerd onderzoek komt en die je mag aanpassen.
Doorlooptijd nu50 uur
Doorlooptijd met de versnelling47,9 uur
Wat je klant merkt4,2% eerder
Wachten is 80% van je doorlooptijd. De versnelling raakt alleen het andere deel.
Eén formule, hier zichtbaar zodat je hem kunt nakijken: doorlooptijd is stappen maal echt werk plus wachten. De versnelling gaat alleen over het echte werk, want dat is het deel dat AI raakt.
De meeste mensen vullen getallen in waarbij wachten ergens tussen de zeventig en negentig procent van het totaal is. Die verhouding is het hele verhaal van deze pagina, en het is waarom het sneller schrijven niets veranderde wat iemand buiten je bedrijf kon voelen.
Wat het is
AI maakte produceren goedkoper. Controleren bleef precies even duur.
Iets maken ging van moeilijk naar makkelijk. Beoordelen of het deugt kost een mens, dezelfde mens als eerst, die net zo snel leest als eerst. Dus verdubbelde het volume op het punt waar het goedkoop was en bleef het gelijk op het punt waar het duur was.
Waar die twee elkaar raken ontstaat een rij. Dat is geen AI-verschijnsel, het is wat gebeurt in elk systeem waarin één station versnelt en het volgende niet, en het geldt al een eeuw voor fabrieken. Nieuw is hoe snel het eerste station sneller werd.
Iedereen heeft het deel geoptimaliseerd dat al het makkelijke deel was. In het wachten ging de tijd altijd al zitten, en daar heeft niemand iets voor gekocht.Paul Musters, oprichter van emaho
En er is een tweede effect dat makkelijk te missen is. Als er meer te controleren valt, wordt het controleren slechter, want dezelfde persoon werkt met dezelfde aandacht door een twee keer zo grote stapel. Dus de rij wordt langer en wat eruit komt wordt tegelijk minder betrouwbaar.
Wat het onderzoek zegt
Iemand heeft dit gemeten, bij tienduizend ontwikkelaars.
Faros AI verzamelde telemetrie bij meer dan 10.000 ontwikkelaars in 1.255 teams. Software is een nuttige plek om hiernaar te kijken, want elke stap heeft een tijdstempel: je ziet precies wanneer iets is geschreven en precies wanneer iemand ernaar keek.1
Teams met veel AI-gebruik tegenover teams met weinig. De eerste drie regels zijn individuele output en de vierde is wat de klant ervaart.1
Lees die laatste regel twee keer. Deployfrequentie, doorlooptijd en het aandeel mislukte wijzigingen lieten geen meetbare verbetering zien, in dezelfde teams die een vijfde meer werk afrondden.1 Pull requests werden ook 154% groter en het aantal bugs steeg 9%, en dat is wat er gebeurt als de controlecapaciteit het schaarse wordt.
Faros keek een jaar later opnieuw, over twee jaar data van 22.000 ontwikkelaars, en de vorm was scherper geworden. Epics per ontwikkelaar 66% omhoog, en de mediane controletijd 441,5% omhoog.2 Had je me in 2025 gevraagd of de rij zichzelf zou oplossen zodra teams aan de tools gewend waren, dan had ik gegokt dat het deels zou gebeuren. Het tegendeel gebeurde.
Achter de rij zit een level
Zes vragen, drie minuten, anoniem. Het level, wat het je kost, en wat er een stap hoger verandert.
Drie redenen waarom het wachten nooit aandacht kreeg.
Wachten is onzichtbaar in elk systeem dat je hebt
Je tools tellen wat mensen doen. Gesloten tickets, gemaakte documenten, verstuurde berichten. De uren dat een stuk werk stilligt horen bij niemand, dus staan ze in geen enkel rapport, en kosten die in geen rapport staan krijgen geen budget. Asana meet al jaren dat kenniswerkers ongeveer 60% van hun tijd besteden aan coördineren in plaats van aan het werk zelf.3
Het knelpunt verschoof en niemand tekende de kaart opnieuw
Twee jaar geleden was produceren de beperking, dus daar ging het geld heen en daar ging de AI heen. Ergens in de afgelopen achttien maanden hield produceren op de beperking te zijn. Bijna niemand heeft de aandacht verplaatst naar waar de beperking heen ging, want het plan was geschreven voordat hij verschoof.
Je koopt je niet uit een wachtrij door de wachtrij sneller langer te maken.
Paul Musters
Iedereen wordt op zijn eigen stap afgerekend
De schrijver wordt beoordeeld op output, de controleur op zorgvuldigheid, de manager op de doorstroom van zijn team. Niemand in die keten wordt beoordeeld op hoe lang het ding erover deed om bij de klant te komen, dus niemand in die keten zit fout. Het geheel is trager en elk onderdeel doet precies wat er is gevraagd, en dat is het duurste soort probleem, want er valt niemand te corrigeren.
Doe dit eerst
Volg één stuk werk met een stopwatch.
Geen workshop over waardestromen. Eén ding, één middag aandacht van iemand, en twee tijdstempels per stap noteren.
Wat je opschrijft.
Pak één stuk werk dat typisch is en dat nu door je bedrijf loopt.
Bij elke stap: wanneer kwam het bij deze persoon aan, en wanneer begon hij eraan.
En ook: wanneer was hij klaar, en wanneer begon de volgende.
Tel de werkuren op. Tel de wachturen op. Zet die twee getallen naast elkaar.
Vergelijk daarna je werktotaal met dezelfde meting van een jaar geleden, als je die hebt. Is het werkende deel gekrompen en het totaal niet, dan heb je de coördinatiekosten van je eigen bedrijf gemeten, en weet je welk deel van het proces je moet aanraken.
Een waarschuwing bij het doen. Iedereen in de keten voelt zich de eerste vijf minuten beschuldigd, dus zeg bij de start dat je het werk klokt en niet de mensen. En wees erop voorbereid dat het antwoord één bepaalde overdracht is, want dat is het meestal.
Waar het zit
Level 2 koopt snelheid. Level 3 koopt doorstroom.
01Campfire60%
02Wild West25%
03Blueprint10%Hier wordt de doorstroom ontworpen
04Engine4%
05Ecosystem1%
Aandeel bedrijven per level. De vijf AI Culture Levels die we bij klanten gebruiken, van iedereen doet maar wat tot AI die onderdeel is van hoe het bedrijf draait.4
In de vijf AI Culture Levels die we bij klanten gebruiken is level 2 dagelijks individueel gebruik zonder gedeelde werkwijze. Iedereen wordt sneller op zijn eigen stap, en dat is precies het patroon op deze pagina. Ongeveer een kwart van de organisaties zit daar.
Level 3 is waar de werkwijze wordt vastgelegd, en waarom dat hier telt is saai en concreet. Als iedereen op dezelfde manier schrijft, kost controleren minder tijd, want de controleur hoeft zijn verwachtingen niet bij elk stuk opnieuw op te bouwen. Daar begint de rij te krimpen, en het kost niets behalve het besluit om een werkwijze af te spreken.
Wat een meting toevoegt aan een stopwatch
Een Operating Profile in gebruik. Persoonlijkheidstype en AI-niveau in één profiel, met de agents die daarbij passen.
De stopwatch vertelt je waar het werk wacht. Hij vertelt je niet waarom het daar wacht, en dat is meestal een persoonsvraag. Iemand die twee levels voorloopt levert in een vorm die niemand anders snel kan controleren. Of de controleur is de enige die dit soort werk kan beoordelen, en dat is al drie jaar zo en niemand heeft het hardop gezegd.
De meting bestaat uit twee dingen per persoon: de manier waarop iemand werkt, en zijn AI-niveau. Zet dat naast je tijdstempels en de rij krijgt een naam. In de meeste bedrijven blijkt het één overdracht tussen twee mensen te zijn, en dat is een veel kleiner ding om op te lossen dan de procesherziening die iemand op het punt staat voor te stellen.
Over emaho
emaho meet één Operating Profile per persoon: persoonlijkheidstype en AI-niveau in één profiel. Daarop bouwen we een persoonlijke set AI-agents die past bij hoe iemand werkt, binnen de tools die hij al gebruikt. Vijftien minuten invullen, het eerste profiel is gratis, gemaakt voor bedrijven van 20 tot 500 mensen.
Vijftien minuten per persoon. Geen creditcard, geen verplichtingen.
Wat werkt
Eén middag, en de rest volgt daaruit.
Meet het wachten, met de stopwatch hierboven. Zolang dat getal niet bestaat, gaat elk gesprek hierover over indrukken, en indrukken bevoordelen wie het zichtbaarst produceert.
Pak daarna de grootste enkele wachttijd aan, en alleen die. Eén overdracht, niet het hele proces. Bundel de controles in twee vaste momenten per dag in plaats van wanneer ze binnenkomen. Geef de controleur een blok dat beschermd is. Laat sommige soorten werk de controle helemaal overslaan, en dat is een reële mogelijkheid die mensen vergeten.
Spreek af hoe het werk bij de controleur aankomt. Een gedeeld format, een checklist die de schrijver eerst doorloopt, elke keer dezelfde opbouw. Dit is de zet van level 3 en het is degene met het grootste effect op controletijd, want het meeste van wat een controleur kost is uitzoeken waar hij naar kijkt.
En hang één getal aan de muur: van verzoek tot geleverd, voor één werkstroom, maandelijks gemeten. Doet je AI-investering iets voor de klant, dan zie je het daar. Beweegt het nooit, dan heb je iets geleerd dat meer waard is dan het dashboard dat je in plaats daarvan wilde bouwen.
Stopwatch gedaan? Stuur me de twee totalen
Werkuren en wachturen voor één werkstroom. Ik vertel je wat die verhouding meestal betekent en naar welke overdracht ik als eerste zou kijken. Geen verkooppraatje, geen deck, meestal één bericht terug.
Alles is eerder klaar en komt op hetzelfde moment aan.
Je betaalt voor de tools en krijgt het voordeel in een wachtrij. Dat is de zuiverste manier om het te zeggen. De facturen zijn echt, de individuele winst is echt, en het ding dat je klant koopt is niet veranderd, dus op papier heb je niets gekocht.
Daarna gaat de kwaliteit schuiven op een manier die lastig te herleiden is. Controleurs die door twee keer zoveel werk gaan, zien minder. Faros zag het aantal bugs in 2025 met 9% stijgen en over het langere venster met 54% per ontwikkelaar, naast een forse stijging van het aantal incidenten.12 Dat landt bij dezelfde mensen die al het knelpunt zijn, waardoor de rij opnieuw groeit.
En er is wat het doet met de mensen die produceren. Werk afronden dat daarna een week stilligt is op een specifieke manier ontmoedigend: het leert ze dat hun snelheid er niet toe doet. Degenen die er het meest om geven merken het als eerste, en zij zijn degenen die de winst maakten.
Wat mensen vragen
Coördinatiekosten, in vragen
Wat zijn coördinatiekosten?
Alles wat er met een stuk werk gebeurt terwijl niemand eraan werkt: wachten op een controle, een goedkeuring, een antwoord, die ene persoon die ernaar moet kijken. In de meeste werkstromen is dat zeventig tot negentig procent van de doorlooptijd, en het staat in geen enkel systeem dat je hebt.
Waarom levert AI geen kortere doorlooptijd op?
Omdat de versnelling alleen het werkende deel raakt. Maak het echte werk 21% sneller en laat het wachten staan, en een werkstroom van vijf stappen komt ongeveer 4% eerder aan. Dat merkt een klant niet.
Wat vond Faros AI over AI en leversnelheid?
In telemetrie bij ruim 10.000 ontwikkelaars rondden teams met veel AI-gebruik 21% meer taken af en voegden ze 98% meer pull requests samen, terwijl de controletijd 91% steeg en de leverprestaties op organisatieniveau geen meetbare verbetering lieten zien.
Hoe meet je de wachttijd in een proces?
Volg één typisch stuk werk met een stopwatch. Noteer per stap wanneer het aankwam, wanneer iemand begon, wanneer hij klaar was en wanneer de volgende begon. Tel werkuren en wachturen apart op en zet de twee naast elkaar. Eén middag werk.
Op welk niveau verdwijnt de wachttijd?
Vanaf level 3. emaho plaatst bedrijven op vijf AI Culture Levels, en Blueprint is waar de werkwijze wordt vastgelegd. Als iedereen op dezelfde manier aanlevert, krimpt de controletijd, en dat kost niets behalve het besluit. De scan is zes vragen en drie minuten.
Wordt de controle het nieuwe knelpunt door AI?
In de gemeten teams wel. Er komt twee keer zoveel binnen bij de persoon die het moet nakijken, en die is niet sneller geworden. Faros zag de mediane controletijd over twee jaar met 441,5% stijgen.
Waarom ziet niemand dat het wachten het probleem is?
Omdat je tools tellen wat mensen doen en niet wat er stilligt. Uren waarin werk wacht horen bij niemand, dus staan ze in geen rapport, en kosten zonder rapport krijgen geen budget.
Wat doe je aan de wachttijd tussen stappen?
Pak de grootste enkele wachttijd aan en alleen die. Bundel controles in twee vaste momenten per dag, geef de controleur een beschermd blok, en laat sommige soorten werk de controle helemaal overslaan. Dat laatste is een reële mogelijkheid die mensen vergeten.
Helpt een gedeeld format voor aangeleverd werk?
Het is de maatregel met het grootste effect op controletijd. Het meeste van wat een controleur kost is uitzoeken waar hij naar kijkt. Levert iedereen in dezelfde vorm aan, dan valt dat deel weg.
Vlakbij
De rij heeft buren.
Deze drie staan rond hetzelfde probleem, elke keer vanuit een andere hoek.
De stopwatch vertelt je waar het werk wacht. Een profiel per persoon vertelt je waarom het daar wacht, en dat heb je nodig voordat je iets verandert.
Volg één stuk werk met een stopwatchJe zoekt waar het wacht, niet wie traag is.
Zoek uit waarom het daar wachtHet profiel van degene die het maakt verklaart het meestal: het werk komt binnen in een vorm die niemand anders snel kan controleren.
Verander de overdracht, niet de toolTwee van de drie fasen zijn overdrachten. De tool was nooit het probleem.
Vijftien jaar leiderschaps- en teamontwikkeling in Nederlandse scale-ups. Die praktijk zit nu in software: één Operating Profile per persoon, met agents die echt passen. Hij schrijft deze pagina’s vanuit wat hij bij klanten tegenkomt, in plaats van vanuit een samenvatting van onderzoek.
Faros AI, telemetrieonderzoek, 2025. Meer dan 10.000 ontwikkelaars in 1.255 teams. Bron van: teams met veel AI-gebruik ronden 21% meer taken af en voegen 98% meer pull requests samen, de controletijd van pull requests stijgt 91%, de gemiddelde omvang van een pull request stijgt 154%, het aantal bugs stijgt 9%, en er is geen meetbare verbetering in de leverprestaties op organisatieniveau (deployfrequentie, doorlooptijd, aandeel mislukte wijzigingen).
Faros AI, Acceleration Whiplash, 2026. Twee jaar engineering-telemetrie over 22.000 ontwikkelaars in meer dan 4.000 teams. Bron van: afgeronde epics per ontwikkelaar 66% omhoog, afgeronde taken 34% omhoog, bugs per ontwikkelaar 54% omhoog, incidenten per pull request 242,7% omhoog, en de mediane controletijd van een pull request 441,5% omhoog.
Asana. Kenniswerkers besteden ongeveer 60% van hun tijd aan coördineren: communiceren over werk, informatie zoeken en bijhouden welke prioriteiten verschuiven.
emaho AI Culture Levels. Level 2, Wild West, is dagelijks individueel gebruik zonder gedeelde werkwijze en telt ongeveer een kwart van de organisaties. Level 3, waar de werkwijze is vastgelegd, telt ongeveer één op de tien. Geijkt aan BCG 2025 en McKinsey 2025.
Cijfers staan zoals ze zijn gepubliceerd. De cijfers van Faros komen uit de gepubliceerde samenvattingen van beide onderzoeken en niet uit de onderliggende databestanden. De rekenhulp op deze pagina gebruikt je eigen schattingen plus één gepubliceerd cijfer, en elke invoer is aan te passen.
