In het kort
- Het lastigste deel van AI-implementatie is niet meer het model. Het lastigste deel is mensen vinden die AI in een echt bedrijfsproces werkend krijgen.
- Anthropic investeert daarom $100 miljoen in het opleiden van 10.000 engineers. Ook Nederlandse bedrijven die AI overwogen maar niet gebruiken, noemen gebrek aan ervaring als belangrijkste reden.
- Kies bewust hoe je die kennis organiseert: zelf opleiden, laten bouwen of samen bouwen met overdracht. In elk van die drie routes heb je een interne eigenaar nodig.
Wie AI wil implementeren, loopt zelden nog vast op de technologie. Goede modellen zijn voor iedere organisatie te koop. Het knelpunt is kennis: mensen die begrijpen hoe je bedrijf werkt, wat AI betrouwbaar kan en hoe je die twee in een werkend proces verbindt. Die combinatie is schaars, ook bij de grootste bedrijven ter wereld.
Dat betekent niet dat je eerst een AI-specialist moet aannemen. Het betekent wel dat je moet kiezen hoe je die kennis organiseert, en dat er binnen je organisatie iemand eigenaar wordt. Hieronder lees je wat er speelt, welke kennis je nodig hebt en welke route bij jouw situatie past.
Wat kondigde Anthropic aan?
Op 2 oktober lanceerde Anthropic, de maker van Claude, de Claude Frontier Academy. Het bedrijf trekt $100 miljoen uit om voor eind 2027 10.000 zogeheten Frontier Deployed Engineers op te leiden: engineers die AI van idee tot een systeem in productie brengen. Anthropic opent met: "Vandaag lanceren we Claude Frontier Academy om een van de meest urgente problemen in AI-implementatie op te lossen: talent" (Anthropic).
De opleiding begint met een intensief programma van vier dagen, waarin deelnemers een Claude-systeem bouwen voor een gesimuleerd bedrijf. Wie slaagt, leidt daarna twaalf weken een echte implementatie in de eigen organisatie, met begeleiding van Anthropic. De eerste groepen komen van grote adviesbureaus en concerns als Accenture, Deloitte, McKinsey en Novo Nordisk, en starten in San Francisco, New York en Londen.
Voor de meeste Nederlandse organisaties is dit programma dus niet direct bereikbaar. Het signaal is wel relevant. De aanbieder van een van de sterkste modellen zegt in feite: ons model is niet het probleem, het ontbreekt aan mensen die het goed inzetten.
Waarom zit het knelpunt bij mensen?
Anthropic onderbouwt dat met wat het bij klanten ziet: "een kleine groep zeer vaardige mensen" levert een onevenredig groot deel van wat AI oplevert. Dat is de waarneming van een aanbieder met een commercieel belang bij meer implementaties, maar onafhankelijke cijfers wijzen dezelfde kant op.
Volgens het CBS gebruikte in 2025 27 procent van de Nederlandse bedrijven met 10 tot 50 werkzame personen AI, tegen 45 procent bij 50 tot 250 en 66 procent bij 250 of meer. Van de bedrijven die AI wel overwogen maar niet gebruiken, noemt 73 procent gebrek aan ervaring als reden. Privacy (49 procent) en juridische gevolgen (42 procent) volgen op afstand (CBS). In de hele EU is het beeld hetzelfde: ontbrekende expertise is ook daar de meest genoemde reden (Eurostat).
Dat verschil tussen klein en groot is opvallend. Een voor de hand liggende verklaring: grote bedrijven hebben vaker mensen die tijd kunnen vrijmaken om uit te zoeken hoe het werkt. Kleinere organisaties hebben die ruimte meestal niet.
Welke kennis heb je nodig voor een AI-implementatie?
Een implementatie die werkt, combineert drie soorten kennis. Ze zitten zelden in één persoon.
- Kennis van het proces. Wie doet wat, waar zitten de uitzonderingen, wat is goed genoeg? Die kennis zit in je organisatie en is niet in te kopen. Anthropic noemt "een diep begrip van hoe het bedrijf draait" uitdrukkelijk als voorwaarde.
- AI-vaardigheid. Weten wat een model betrouwbaar kan, waar het fouten maakt en hoe je de uitkomst controleert. Dit is goed te leren.
- Technische uitvoering. Koppelingen met je systemen, beveiliging, rechten, beheer na de oplevering. Dit is specialistisch werk, en voor de meeste organisaties geen fulltime functie.
Ontbreekt er één, dan loopt het vast. Een prototype van een enthousiaste medewerker zonder koppeling met de systemen blijft een demo. Een technisch sterke oplossing waar niemand uit het proces aan meewerkte, wordt niet gebruikt.
Welke route past bij jouw organisatie?
Er zijn grofweg drie manieren om die kennis te organiseren.
| Route | Past als | Let op |
|---|---|---|
| Zelf opleiden | Je wilt AI breed in het dagelijks werk, en mensen hebben er tijd voor | Opleiden alleen levert zelden koppelingen en beheer op |
| Laten bouwen | Eén afgebakend proces moet snel goed werken | Zonder overdracht blijf je afhankelijk van de bouwer |
| Samen bouwen met overdracht | Je wilt resultaat en eigen kennis tegelijk | Vraagt tijd van een interne eigenaar tijdens het traject |
In alle drie de routes heb je een interne eigenaar nodig: iemand die het proces kent, beslist wat goed genoeg is en het na de oplevering bijhoudt. Zonder eigenaar blijft AI een los experiment, hoe goed de opleiding of de bouwer ook is.
Hoe begin je?
- Kies drie tot vijf processen waar nu veel handwerk, wachttijd of fouten zitten. Begin bij het knelpunt, niet bij een tool.
- Wijs per proces een eigenaar aan, met vrijgemaakte tijd en een duidelijke lijn naar wie hij rapporteert.
- Leg de randvoorwaarden vast: welke tools en licenties, welke gegevens er wel en niet in mogen, wie het resultaat controleert.
- Start met één proces voor negentig dagen, met een meetbaar doel en een vast moment om terug te kijken.
- Kies pas dan de route: wat leer je zelf, wat laat je bouwen, wat draag je over?
Dit is ook de opbouw van onze MT-sessie AI introduceren in je organisatie. Die sessie levert een geprioriteerde lijst met kansen en een plan voor de eerste negentig dagen op.
Wanneer heb je geen AI-specialist nodig?
Gebruikt je team AI vooral om teksten te schrijven, samen te vatten of iets uit te zoeken, dan is een goede basistraining vaak genoeg. Je hoeft dan niets te bouwen of te koppelen. Begin in dat geval met Starten met AI en spreek af wat er wel en niet in een tool mag.
Neem ook niet halsoverkop iemand aan voordat je weet welke processen je wilt verbeteren. Een specialist zonder duidelijke opdracht gaat zoeken naar toepassingen, en dat is precies de verkeerde volgorde. Wat het kost en oplevert, verschilt sterk per proces. Daar is geen algemeen getal voor te geven.
Wat is een goede volgende stap?
Maak de drie soorten kennis zichtbaar voor één proces. Wie kent het proces, wie kan AI goed inzetten, wie regelt de techniek? Wat ontbreekt, bepaalt je route.
Bij Hello Growth zitten strategie, bouw en activatie in één team, en bouwen we samen met de mensen die het proces kennen. Wil je bepalen welke route bij jullie past? Plan een gesprek.
Bronnen
- Anthropic, Claude Frontier Academy: $100M to train 10,000 engineers, 2 oktober 2026
- CBS, Bedrijven gebruiken AI vaakst voor marketing of verkoop, 12 december 2025
- Eurostat, Use of artificial intelligence in enterprises, gegevens van december 2025
