Licenties uitgerold, AI literacy training gedaan, enthousiasme bij de start. Drie weken later staat de AI adoptie stil. Veel leiders die ik spreek, kennen dat moment, en ze zijn niet alleen. Uit het State of AI-rapport van McKinsey blijkt dat 88 procent van de organisaties AI inzet, maar slechts 6 procent er echt waarde uit haalt. Twee op drie organisaties blijft hangen in experimenteerfase.
De tools aanzetten is zelden het probleem. Wat daarna gebeurt wel. En dat is vrijwel nooit een technologie vraag, wel een leiderschaps- en organisatievraag.
Als AI coach bij een internationaal technologiebedrijf begeleid ik teams in hun adoptie, en daarnaast werk ik met ondernemers en KMO’s die hetzelfde probleem kleinschaliger zien. Na een tijd herken je patronen bij de teams waar het wel plakt. Hier zijn er drie die ik consistent terugzie.
Patroon 1: klein starten met AI, en eerlijk kijken naar effort versus impact
Als ik een team vraag waar AI iets zou kunnen betekenen, komt het grootste werk eerst bovendrijven. De rapportage waar iedereen tegenop ziet, het proces dat al jaren kraakt. Logisch, want het is wat het meest frustreert. Alleen is groot-denken zelden hetzelfde als haalbaar-starten.
Wat ik met teams doe, is een effort-versus-impact-rooster invullen op hun ideeën. Die oefening legt twee dingen bloot. Mensen schatten de effort vaak fout in: ze denken aan een agent met integraties terwijl een prompt van vijf regels het werk al doet. En ze vergeten naar frequentie te kijken. Een taak die één keer per kwartaal terugkomt is een slechte kandidaat om iets voor te bouwen. Een taak die wekelijks terugkeert en met een eenvoudige prompt klaar is, wel.
Bij een team van clinical affairs, quality en regulatory specialisten nam één iemand het voortouw en bouwde een agent die regelgeving als kennisbank gebruikt, zodat het team gerichte vragen rond een dossier snel kan toetsen. Niet groots in scope, wel correct qua frequentie en impact. Dit werkte inspirerend voor de rest en was makkelijk uit te rollen, precies omdat hij klein begon en elke week opnieuw rendeert.
Klein starten is de beginzet. De 6 procent high performers verschilt hierin dat ze een werkend experiment ook echt herontwerpen tot structureel werk.
Patroon 2: de AI-champion zit in het team, niet erboven
Het tweede patroon gaat over wie die verspreiding draagt. AI-champions werken, maar niet in elke invulling. Mijn eigen rol als AI coach is bewust breed: ik inspireer, til teams over de eerste drempels en trek de dynamiek op gang. Dat werkt precies omdat ik van buiten kom. Wat ik niet heb, is de domeinkennis van het team. Ik weet hoe je AI aanpakt, niet hoe een regulatory dossier er binnen jullie bedrijf uitziet.
De AI-champions die écht iets in beweging brengen, zitten net wel in dat domein. Zij kennen de dossiers, kennen de kwaliteitsrisico’s en kunnen AI toepassen op een manier die betekenisvol is voor hun team. Iemand van buiten laat het mogelijke zien, iemand van binnen maakt het toepasbaar.
Dit is niet alleen mijn observatie. Harvard Business Review noemt peer-invloed de sterkste voorspeller van AI-adoptie, sterker dan trainingen of mandaten van bovenaf. Gallup vond dat medewerkers die hun manager actief achter AI-gebruik zien staan, 8,7 keer vaker zeggen dat AI hun werk echt heeft veranderd.
De terugkerende fout: de rol alleen buiten het team invullen. IT krijgt “AI” erbij, of er komt een externe die iedereen wil enthousiasmeren. Zonder iemand in het team die het vertaalt, blijft het bij algemene inspiratie. Wie adoptie serieus neemt, zorgt voor beide, en geeft de interne champion vooral tijd en ruimte, geen titel.
Patroon 3: de leider praat over het werk, niet over de tool
Leiders die AI willen versnellen zijn meestal goed op de hoogte van case studies. Ze lezen over industrieën die kantelen en teams die een werkweek inkorten, en vertalen dat naar één boodschap richting hun team: “begin ermee, we moeten meer met AI doen.” Alleen is dat een industrie-verhaal, geen team-opdracht. In “Waarom je team AI niet gebruikt” beschreef ik de zichtbaarheidsparadox: slechts 37 procent van de medewerkers voelt een AI-visie, terwijl 83 procent van de leiders denkt er een te hebben.
In elk team zie ik grofweg drie groepen:
- de grootste gebruikt AI nog niet voor het werk,
- een middengroep doet het in stilte via privé-accounts,
- een kleinere voorhoede gebruikt het openlijk.
“Gebruik AI” beweegt vooral die voorhoede; de rest hoort iets vaags. Gaat het gesprek wél over AI adoptie, dan voelt het vaak als controle. “Heb je AI gebruikt voor dit rapport?” presenteert zich als interesse, maar het antwoord dat het minste gedoe oplevert is “nee”. Intussen gebruiken mensen AI buiten het zicht.
Volgens Microsoft gebruikt 78 procent van de AI-gebruikers eigen tools in plaats van die van hun werkgever, en MIT-onderzoek vond dat bijna de helft dat gebruik verbergt uit angst voor oordeel. MIT Technology Review noemt psychologische veiligheid de voorwaarde om dat in de open lucht te krijgen.
Wat wel werkt, is het gesprek verleggen van de tool naar het werk. Welke rapportage kost te veel tijd, welke analyse wordt steeds herdaan, waar wringt de kwaliteit. Die plekken ken je alleen als je het team laat vertellen. AI komt er dan vanzelf bij, als middel. Shadow-AI komt bovengronds, en de rest krijgt een instap die concreet genoeg is om te volgen.
Tot slot
Geen van deze drie patronen gaat over tools of modellen. Ze gaan over hoe je als leider het werk én de mensen rond AI organiseert. Slagen of falen bij AI-adoptie is zelden een technologievraag, en dat wordt in het recente onderzoek alleen maar duidelijker.
Sterker met AI
Wil je dit concreet aanpakken? Neem een kijkje bij Sterker met AI of plan een vrijblijvend gesprek.
Bronnen
- McKinsey & Company (2025). The state of AI: Agents, innovation, and transformation. mckinsey.com
- Harvard Business Review (2026). Peer Influence Can Make or Break Your AI Rollout. hbr.org
- Gallup (2025). AI in the Workplace: What Separates Adopters and Holdouts. gallup.com
- Microsoft (2025). Work Trend Index Annual Report. microsoft.com
- MIT Technology Review (2025). Creating psychological safety in the AI era. technologyreview.com
- MIT / Fortune (2025). The ‘shadow AI economy’ is booming. fortune.com
