Dit keer: Thijs Jochems van Another Dimension. Thijs bouwt al zes jaar elke dag Power BI-rapportages. Op de Power BI Gebruikersdagen kreeg hij een standje van twee bij twee meter. Zijn buren zetten er een statafel en een bak pennen neer. Thijs zette er een moordspel neer: wie heeft het Power BI-dashboard vermoord?

Jij (als beursbezoeker) ondervroeg drie getuigen op je eigen telefoon: een oude bakelieten telefoon, een koffiebeker en een spuitbus, alle drie een chatbot. Had je een vermoeden, dan legde je drie houten pasjes op een lezer: dader, wapen, locatie. Bij zijn stand stond de hele dag een rij.

Met AI kostte het hem zo’n 400 uur. Zonder AI waren het er volgens hem 4000 geweest.

Wat ik eruit meenam voor m’n kabeltjesdoos: met NFC tags en readers kan je (’gemakkelijk’) de echte wereld met de digitale wereld connecten. En dan ook nog eens op zo’n toffe manier!

Luisteren of kijken:

Spotify:

YouTube:

Shownotes, en hoe je die NFC-koppeling zelf bouwt: https://www.mrsuitcase.nl/blog/ai-luidt-het-tijdperk-van-de-makers-in/

Thijs vind je bij Another Dimension:

https://www.anotherdimension.nl/

PS: volgende keer het zelfrijdende bedrijf, zoals beloofd in de vorige editie. Die schuift één mail op, omdat jij deze aflevering als eerste hoort.

Grote kans dat hij zegt: ‘Welke bal?’ 😅

Een baby van een jaar snapt dit al wel. Die snapt dat een bal achter een muur niet ophoudt te bestaan. Dat heet objectpermanentie, en wij leren het rond ons eerste jaar. Daarom werkt kiekeboe zo goed bij jongere baby’s: die denken écht even dat je weg bent.

Deze keer dus drie dingen over hoe AI eigenlijk werkt. Niet omdat het een leuk weetje is (al is het dat ook), maar omdat ik geloof dat als je weet hoé AI werkt, je er ook beter mee kan werken.

Wat hij mist: hij heeft leren lezen, niet leven

AI heeft alle tekst van het internet verslonden. Maar hij heeft nog nooit een glas omgestoten. Of de melk opgeruimd, zoals ik mag doen als Max z’n beker weer eens omgooit 😅.

Wat hij mist is: een wereldmodel. De vanzelfsprekende natuurkunde die wij als kleuter hebben opgedaan, zonder er ooit een boek over open te slaan.

Daarom zijn zelfrijdende auto’s nog zo moeilijk. Wij snappen meteen dat de weg gewoon doorloopt onder een laag verse sneeuw. De AI in de auto ziet een zwart gat.

De parallel voor je werk. Een AI ‘weet’ alles, maar niet exact wat voor jou vanzelfsprekend is en jouw precieze manier van werken. Zorg dus voor die context.

Hoe hij denkt: hij gokt

Stel dezelfde vraag twee keer aan ChatGPT of Claude en je krijgt twee verschillende antwoorden. Dat voelt gek, alsof je er niet op kan bouwen. Maar hij doet precies wat je zou moeten verwachten van een taalmodel.

Een rekenmachine is deterministisch: 2+2 is altijd 4. Een taalmodel is probabilistisch. Het rekent per woord uit wat het meest waarschijnlijke volgende woord is, en gokt daaruit.

Zonder context is het een wilde gok. Met genoeg context wordt het een gecalculeerde gok.

En hier komen de twee samen. Wat hij niet weet, omdat hij nooit iets heeft meegemaakt, moet hij raden. Tenzij jij het hem vertelt.

Daarom stuur je AI anders aan dan software. Bij software geef je een opdracht en check je of hij is uitgevoerd. Bij AI geef je een richting en beoordeel je of de uitkomst goed genoeg is.

Een briefing dus, geen commando.

Beoordelen kan alleen als je het zelf snapt

Dat woordje ‘beoordelen’ is belangrijker dan het lijkt. Ik had het er laatst over met Thijs Jochems, in een nieuwe aflevering van De Kabeltjesdoos (coming soon).

Ik vertelde hem dat ik de Google Ads-skills van iemand anders zo zou kunnen overnemen. Alleen ben ik geen Google Ads-expert. Dus of die skills goed zijn, kan ik niet beoordelen.

Thijs vatte het in twee zinnen samen: “Het versterkt wat je weet. En het legt heel erg bloot wat je niet weet.”

AI geeft je razendsnel een antwoord. Maar als je niet weet wat erachter zit, zie je ook niet wanneer hij ernaast gokt. Je vakkennis wordt dus niet minder waard. Die wordt juist de toets.

De hele aflevering (over het moordspel dat Thijs in 400 uur bouwde voor een beursstand van twee bij twee meter) zet ik hopelijk morgen (woensdag 30 september) online. Alleen nog even de intro opnemen 😉.

Wat hij kan: meer dan je denkt

Klinkt voorgaande alsof je AI vooral moet wantrouwen? Zo bedoel ik het niet.

Laatst liet ik iemand (laten we haar Roos noemen 🌚) zien wat Claude allemaal voor je kan doen. Roos had een bureaublad vol ‘tijdelijke’ bestanden. Dat was inmiddels zo gegroeid dat opruimen voelde als een berg werk.

Precies een klusje voor AI. Dus als oefening vroeg ik haar om Claude te vragen haar bureaublad op te ruimen. Binnen een minuut stond alles netjes in mappen.

Toen kwam het aha-moment. Ze vroeg: “Maar kan hij dan ook die Google Drive-map opruimen, en alleen de meest recente bestanden bewaren?”

Jazeker.

Kijk wat daar gebeurde. Voor bestanden sorteren heb je geen wereldmodel nodig. Alle context staat gewoon op het scherm: namen, datums, soorten bestanden. Hij hoeft niets te raden. En Roos ziet in één oogopslag of het goed is gegaan.

En dan

Gebruik AI niet alleen als vraagbaak! Laat hem dingen doen.

Begin met taken waar hij weinig hoeft te raden en waar jij meteen ziet of het klopt. Geef hem daarna steeds meer van jouw context mee, dan kan hij steeds meer voor je doen. Jouw ervaring is daarbij geen rem. Die heb je juist nodig om hem te sturen 🚀

PS

Eerder noemde ik al de ‘zelfrijdende auto’s’. Volgende keer gaat het over het zelfrijdende bedrijf. Kan je met AI een bedrijf bouwen dat vanzelf rijdt? En werken daar dan nog mensen?

Ik denk van wel. Alleen zitten ze op een andere plek dan nu 😉.

In ‘De Kabeltjesdoos’ ga ik mijn nieuwsgierigheid achterna. Gedreven door m’n dorst naar nuttige inzichten interview ik mensen waar ik op dat moment benieuwd naar ben.

Uit elk interview komen insights die ik bewaar in mijn mentale kabeltjesdoos. Net als dat ene kabeltje wat je 4 jaar geleden in die doos gooide, en nu opeens van pas blijkt te komen 😉.

In de eerste aflevering Gert Hoetmer:

Gert bouwde een eigen Power BI-visual, kreeg hem officieel gecertificeerd door Microsoft en verkoopt hem nu onder licentie.

We praten over waarom domeinkennis nu het schaarse deel is, waar vibe-coding ophoudt, en wat er nodig is om van een handige eigen tool iets te maken dat een ander kan installeren.

Shownotes, links en wat ik eruit meenam:

https://www.mrsuitcase.nl/blog/je-eigen-software-in-de-microsoft-store/

Gert vind je bij Vibecode Studio: https://www.vibecode-studio.nl/ (ook een vette website overigens!)

Grote kans dat ‘tie van jou ook als eerste 7 antwoord.

Dat is geen bug. AI is geen software met ‘randon generator’. Het is een voorspelmachine, en hij voorspelt simpelweg het meest waarschijnlijke antwoord.

Wij mensen noemen nu eenmaal vaker zeven als we een getal onder de tien nemen. Zo staat het in de trainingsdata, zo komt het er weer uit. Vraag een volle zaal om een getal tussen 1 en 10 en je krijgt precies dezelfde piek.

Waar ik deze week over bleef nadenken: dat mechanisme stopt niet bij getallen. AI valt overal terug op het gemiddelde. Op wat het vaakst in de data staat.

Wat bij jou anders gaat dan gemiddeld, en nergens staat opgeschreven, bestaat voor hem simpelweg niet.

Dat is binnen je bedrijf een probleem. En buiten je bedrijf ook.

Binnen: hij kent jouw manier van werken niet

Zie AI als een bijzonder slimme collega die op zijn eerste werkdag binnenloopt. Zonder instructies, zonder toegang, zonder te weten hoe het hier gaat. Dan snap je meteen waarom er zo weinig uitkomt.

Ik loop hier steeds vaker tegenaan. Wil je dat AI iets doet dat verder gaat dan een willekeurig antwoord op een mailtje, dan moet je hem eerst wijzen op jouw processen, jouw data en jouw gereedschap. Pas daarna kan hij iets nuttigs voor je doen.

Dus stap 1 is saai en onvermijdelijk: opschrijven hoe het werkt. Aka ‘procesdocumentatie’.

De calculatie die alleen in zijn hoofd zat

Deze week zat ik bij een klant die beursstands bouwt. Elke stand begint met een calculatie in Excel: hoeveel wanden, hoeveel vloeroppervlak, hoeveel spots, hoeveel dagen werk. Hij doet dat al jaren, op ervaring en gevoel, en hij is er goed in.

We hebben een skill gebouwd die de werktekening leest en die calculatie zelf invult.

31 van de 31 posten die uit de tekening af te leiden zijn, kwamen exact uit op zijn eigen getallen. Wanden, vloer, ophangpunten, spots, aantal arbeidsdagen.

Het eindbedrag bleef 8,5 procent onder het zijne. En bijna dat hele verschil zat in één post: het inhuren van een specifiek onderdeel. Daar bestaat geen rekenregel voor. Die prijs zit in zijn hoofd.

Precies dat is het punt. Niet dat de machine het niet kan, maar dat niemand het ooit heeft opgeschreven.

En toen gebeurde er iets wat ik niet had zien aankomen. Onze eerste versie rekende 81,68 euro door voor werk dat in deze stand helemaal niet zat. Een leeg tabblad trok stilletjes de standaarduren uit het sjabloon mee. Wij hebben dat eruit gehaald.

Alleen is dat sjabloon hetzelfde sjabloon waar hij al jaren mee werkt. Dus staat die post waarschijnlijk ook in stands die hij eerder heeft verkocht. Dat gaan we volgende week uitzoeken.

Expliciet maken leverde dus twee dingen op. Een calculatie die de machine kan draaien, en zicht op wat er in het handwerk al scheef liep. Dat tweede had ik van tevoren niet als opbrengst opgeschreven, maar is wel een mooie bijvangst.

Buiten: de assistent ziet je webshop niet

Hetzelfde probleem, een niveautje hoger.

Straks koopt niet de consument zijn hardloopschoenen, maar zijn AI-assistent. Dat klinkt als toekomstmuziek, maar het is al meetbaar in de data.

Onderzoek van dit jaar (From Prompt to Purchase, Scrunch AI) laat namelijk het volgende zien: noemt een AI-assistent een merk aan iemand die het nog niet kende, dan stijgt de zoekopdracht naar dat merk met ruim 4 procentpunt en het sitebezoek met bijna 2,5.

Het venijn zit hem erin dat je eigen statistieken die beweging niet zien. Die schrijven het toe aan organisch verkeer.

En zodra de assistent kiest, valt alles weg waar een webshop zich nu op onderscheidt. De fotografie, de net iets vlottere checkout, de mooie site. De klant kijkt er niet meer naar.

De vraag wordt dan: waarom zou die assistent míj kiezen, en niet de concurrent die twee euro goedkoper is? Dat antwoord zit niet in je interface. Het zit in je merk, en in de data waar de AI uit put.

Binnen en buiten komt het op hetzelfde neer. Staat er ergens vastgelegd waarom jij anders bent dan het gemiddelde? Zo niet, dan ben je het gemiddelde.

En dan

Wat in jouw bedrijf zit alleen in het hoofd van één persoon?

Dat is sowieso een risico, maar het maakt je ook niet toekomstbestendig. Als je dit (al die processen) gaat opschrijven, dan wordt het leesbaar voor AI, én dan kan je gaan knallen 🚀.

PS

Volgende week kondig ik hier iets aan waar ik al een tijdje stilletjes aan werk 😁

Het heet: De Kabeltjesdoos. Hopelijk heb je er al een gevoel bij, en hopelijk sluit de aankondiging volgende week daar mooi bij aan!

Alleen alles wat je niet meer zelf doet, verleer je na een tijdje ook. Kunnen we straks nog zelf sturen?

Bij een auto vind ik dat prima. Ik kan ook geen paard mennen en daar heb ik nog geen dag last van gehad. Maar bij nadenken ligt het anders, want dat is zo’n beetje het enige wat ik heb 😅. (En de signalen lijken al de verkeerde kant op te wijzen; mensen lijken dommer te worden als ze hun denkwerk uitbesteden).

Dus gebruik ik sinds kort één vraag om te bepalen wat ik weggeef aan m’n Claude:

Als ik hier de beste van Nederland in word, merkt iemand het dan?

Bij het invullen van een tabel in PowerPoint merkt niemand het. Je kunt de absolute wereldtop zijn in tabellen uitlijnen en je klant ziet precies hetzelfde als bij een tabel die er gewoon netjes uitziet.

Echter, bij de keuze wélke cijfers in die tabel staan merkt iedereen het.

Het eerste is rijwerk. Het tweede is de bestemming.

AI kan je het antwoord geven, maar niet het begrip erachter.

Schrijven is uitvoerend werk, en toch ontstaat mijn gedachte pas terwijl ik zit te formuleren. Ik weet vaak pas wat ik ergens van vind als de alinea er staat. Wie dat weggeeft, geeft het denken weg, ook al voelde het als typewerk.

De vraag is dus niet of iets denken of doen is. De vraag is of er begrip ontstaat terwijl je het doet, of dat je alleen iets van links naar rechts verplaatst.

Er is een uitspraak over tweede breinen die ik mooi vind: your brain is for having ideas, not for holding them. Je hoofd is er om op ideeën te komen, niet om ze te bewaren.

We moeten dus zorgen dat je wel je brein blijft trainen om die ideeën te laten krijgen. En moeten dus uitkijken dat teveel automatiseren zorgt voor een probleem.

Twee taken, twee antwoorden

Ik zag laatst iemand nog met de hand in PowerPoint zitten schuiven. Slides uitlijnen, kleuren goedzetten, voor de derde keer een tekstvak verplaatsen. Een deck is onder de motorkap gewoon opmaak, net als een webpagina. Daar verdwijnt geen enkel inzicht als je het automatiseert met AI. Weggeven dus.

Tegelijk zie ik iedereen een nieuwe hobby ontdekken: kant-en-klare AI-skills installeren die iemand anders heeft gemaakt. Populaire lijstjes, twintig stuks in één keer. En dan werkt je AI ineens slechter dan daarvoor.

Dat is precies de andere kant. Zo’n lijstje slaat het deel over waar het om draait: uitzoeken welke stap in jóuw week altijd misgaat, en welke toon jullie aanhouden. Dat uitzoekwerk voelt als administratie en is in werkelijkheid het denkwerk. Niet automatiseren.

Wat er gebeurt als een team het zelf doet

Bij een klant waar ik maandelijks kom, bouwt het team de skills inmiddels zelf. Een ochtendbriefing die om half acht klaarstaat, mailtriage twee keer per dag, orders die vanzelf in het boekhoudpakket landen. Er draaien nu negen dingen die wekelijks tijd besparen. Vier liepen al toen we in mei begonnen, vijf zijn er sindsdien bij gekomen en die heb ik geen van alle gebouwd.

En dan de eerlijke kant, want anders wordt dit een succesverhaal en dat is het niet. Mijn rol verschuift naar het harnas eromheen: één gedeelde omgeving, gemeenschappelijke context, afspraken over wie wat nakijkt. Daarvan staan vier mijlpalen op de lijst en nul gehaald. Het team rijdt dus prima, maar iedereen rijdt in zijn eigen auto met zijn eigen kaart 😅.

Tijd om daar verandering in te brengen 😉. Precies het snijvlak van waar we het hier over hebben. Welke dingen besteden we uit, en welke moeten we nog zelf doen. Én voor mij belangrijk: hoe bouw je een harnas wat ervoor zorgt dat iedereen zo gaat werken?

Wat is het equivalent van een zelfrijdende auto voor bedrijven?

Ik denk: ‘autonome bedrijven’. Maar niet eentje waar alleen maar ‘agents’ werken. Ik weet niet of ik daar direct in geloof. Ik geloof er wel in dat wij meer werk kunnen verzetten door AI slim bepaalde saaie taken over te laten nemen. En als je met meerdere mensen in een bedrijf werkt, dan moet er een gemeenschappelijke harnas/mainframe/OS zijn waardoor iedereen dat op dezelfde manier doet.

Mijn uitgangspunt daarbij wordt: stel dat iedereen alleen vanuit Claude (e.d.) kan werken, hoe zou zo’n harnas daar dan perfect bij kunnen ondersteunen?

Individuele AI vs Institutionele AI

Stap 1 is voor iedereen: ga zelf eens kijken hoever je komt in het uitbesteden van je saaie taken met AI. En denk ondertussen na over hoe je dit goed kan inrichten als al je collega’s dit ook zouden doen (welke gedeelde informatie moeten zij ook hebben?)

Succes 😁. En heb je goede ideeën, let me know!

Impliciet zeggen ze daarmee ook: dan ben jij niet meer nodig.

Ik geloof daar niet zo druk in.

Vind jij dat je beter moet kunnen rekenen dan een rekenmachine? Precies. Toch is dat ongeveer het niveau van het argument.

Het is een rookgordijn. Bedoeld om beurswaarderingen op te krikken, niet om jou iets bruikbaars te vertellen. Dus laten we het rookgordijn even opzij schuiven, en kijken naar wat AI deze week écht deed. Niet in een lab in Californië, maar gewoon bij mij, aan mijn bureau.

Een ‘agent’ is geen collega met een eigen wil

‘Agents’, nog zo’n woord die rondgestrooid wordt én wat mij betreft niet de lading dekt.

Iedereen roept het, maar de impliciete boodschap erachter klopt niet.

Agency betekent ‘eigen wil’ - dat jij bepaalt wat je doet. Agents hebben dat niet. Ze doen precies wat jij ze opdraagt. Toch is de reden waarom AI labs zoals OpenAI het ‘agents’ zijn gaan noemen, precies om het gevoel te geven alsof ze wel ‘agency’ hebben.

In de hype moeten we dus uitkijken daarin mee te gaan. En maar het gevoel te hebben dat iedereen een ‘agent’ nodig heeft. Terwijl in werkelijkheid je ‘simpelweg’ gewoon een AI nodig hebt die doet wat jij vraagt; en daarna ophoudt.

Ik gebruikte er laatst zelf een. Gewoon Claude, die in een apart venster even iets opzocht en het antwoord teruggaf aan het hoofdvenster.

That’s all there is to it.

Een kleine minion die exact doet wat je vraagt, en terugkomt met het antwoord. Niet meer, niet minder.

Waarom is dat belangrijk om te weten? Omdat het de angst wegneemt. En omdat je zo - zonder hype - kan nadenken over hoe jij het wilt inzetten. Van ‘zelfstandig bepalen wat er moet gebeuren’, naar ‘ik wil dat je deze specifieke taak uitvoert’.

Het bewijs: een ademhalingsapp in 1 poging

Vorige week was ‘Fable 5’ kort beschikbaar in Claude (en nu tot 7 juli weer).

Ik kreeg het lumineuze idee om een eigen app te bouwen. Niet om te publiceren in de app-store, maar gewoon - om te kijken of het me zou lukken.

Ik vroeg om een app met verschillende soorten ademhalingsoefeningen. Box breathing, dat soort werk: 4 seconden in, 4 vast, 4 uit, 4 vast.

Wat ik terugkreeg: een app met 6 verschillende technieken, uitleg per techniek, en een mooie visuele animatie om je ademhaling op te sturen. In één poging. Perfect.

Ik was - alweer - verbaasd hoe goed dit inmiddels werkt. Niet omdat het model zo slim ‘redeneert’, maar omdat het exact doet wat je vraagt, als je het maar goed vraagt.

Daar zit overigens wel de ‘crux’. Dat goed vragen. Want ik vroeg expliciet om een iOS app, die ‘native’ is, via Xcode en alleen bereikbaar op mijn Iphone. Met die instructies ging hij direct aan de slag.

Dit is ook precies waarom ik graag bedrijven help met het implementeren van AI. Je hoeft je collega’s alleen wat ‘hints’ te geven, zoals ik met Fable deed, en hun ogen gaan open.

Zo had ik dat laatst met Brenda. Ze omschreef zichzelf als ‘niet geordend’. Goed af te zien aan haar bureaublad op der Macbook 😇. En daarmee omschreef ze zichzelf ook impliciet als iemand die AI niet snel zou kunnen oppakken.

Maar toen ik haar vroeg om aan Claude te vragen om haar bureaublad op te ruimen - en Claude dat perfect deed - zag ik dat het klikte.

‘Kan Claude dat dan ook met onze Drive, zodat alle recente bestanden in de map staan, en de niet recente in de archiefmap’? Oh jazeker 😁.

Waarom AI zo goed werkt - en dat heeft niets met Silicon Valley te maken

Ik gaf vorige week een keynote bij Mastercard over agentic commerce. In de voorbereiding daarvoor had ik een eureka-moment dat ik nog nergens gedeeld heb.

De reden dat we vandaag AI hebben, komt namelijk voort uit een inzicht over hoe ons eigen brein werkt. AI wordt getraind zoals hersenen leren: met neuronen die sterker met elkaar verbonden raken naarmate je iets vaker herhaalt. Dat principe zorgde voor de doorbraak in hoe AI-modellen tekst voorspellen.

En dat voorspellen - dat doet ons brein ook, de hele dag door.

Op basis van intuïtie en geheugen. Hoe meer ‘breinterrein’ een merk inneemt bij jou, hoe groter de kans dat het in je winkelmandje belandt. Klassiek werk van Byron Sharp: mentale beschikbaarheid, gevat in Category Entry Points.

Hoe het brein werkt, zo werkt AI ook. Hoe vaker jouw merk voorkomt in trainingsdata, hoe vaker een AI-model - of straks een agent - jouw merk voorstelt. Handig, want straks doen agents voor je klant de boodschappen. Dan wil je dat ze wél aan jou denken.

Wat dat betekent voor jouw bedrijf: bouw je eigen kennislaag

Dat brengt me bij het echte knelpunt. Als AI werkt op patronen - herhaling, associatie, ‘wat kwam ik vaker tegen’ - dan wordt één ding super belangrijk: wat jij weet dat een ander niet weet. Je processen, je klantinzichten, je manier van denken. Dat is je IP.

De meeste bedrijven doen hier niks mee. Losse tools, geen gedeeld geheugen, en zodra iemand vertrekt, begin je weer bij nul.

AI werkt als een vliegwiel - maar alleen als jij het de juiste input geeft. Hoe meer je intern vastlegt, hoe slimmer je eigen AI wordt, en hoe groter de kloof met de concurrent die dat niet doet.

De bedrijven die dit nu snappen, bouwen stilletjes aan een voorsprong die straks bijna niet meer in te halen is.

Dus

Vergeet AGI. Vergeet het rookgordijn. De vraag die er nu toe doet is niet “wordt AI slimmer dan ik”, maar “hoe leg ik mijn eigen kennis vast, zodat AI slimmer wordt namens mij”.

Ben jij daar al mee bezig?

Reply gerust op deze mail - ik ben oprecht benieuwd waar je nu tegenaan loopt met ChatGPT, Claude, Gemini of wat je ook gebruikt. (Ik leef soms in een bubbel en denk dat iedereen al Claude Code op z’n mobiel aanstuurt 😅 - benieuwd of dat klopt.)

- Tim

Ik help bedrijven van AI-novice naar AI-native. Van level 1 (ChatGPT of Claude als simpele chatbot) naar level 4 (ver voorbij de concurrentie, in de hoogste versnelling).

Sindsdien heb ik m’n marketing scherp gekregen samen met een postbode. En heb ik helder wat ik de komende tijd ga doen. (Plus, hoe deze nieuwsbrief daarin past).

De vorige nieuwsbrief had twee doelen:

1. Beginnen met de nieuwsbrief (niet onbelangrijk)

2. Een eerste aanzet doen voor mijn visie op ‘AI-native’ bedrijven.

Omdat de nieuwsbrief - en m’n posts op LinkedIn nog als wat los zand voelde, heb ik samen met postbode Jessica eens goed gekeken naar mijn marketing. Daar kwam zowel een goede aanscherping uit voor mijn visie op AI-native bedrijven, én hoe alle contentkanalen (deze nieuwsbrief, LinkedIn, podcast) in elkaar passen.

Postbode, you say? Ja 😁, Jessica (een goede vriendin, maar tevens een scherpe denker), is naast postbezorger, ook een ‘marketingmakker’. Dus toen ik hevig twijfelde over mijn marketingaanpak, was het natuurlijk helder wie ik moest bellen.

Toen ze me vroeg om mijn visie op AI en bedrijven uit te leggen, kwamen we op 4 levels van AI-native bedrijven. En wat bleek - dit is de perfect kapstok voor zowel m’n aanbod vanuit Mr Suitcase, als wat ik wil vertellen (op alle kanalen).

4 Levels van AI-native bedrijven

Een AI-native bedrijf heeft AI in de kern van z’n operatie zitten. Noem het een soort ‘bestuurslaag’, of ‘operating system’. Maar om daar te komen, zijn er wat stappen om te nemen.

Level 0

Deze is makkelijk 😉. Je bedrijf (of medewerkers) doet nog niks met AI. Naar verluid heeft 57% van de Nederlands (in juli 2025) nog nooit AI gebruikt 😱.

Level 1

Je medewerkers hebben toegang tot een AI chatbot (ChatGPT, Claude, Gemini, etc), en gebruiken dit als veredelde zoekmachine of tekstschrijver.

Level 2

Hier wordt het leuk (als je het mij vraagt). Teams passen AI toe op een dieper niveau dan alleen de chatbot. Bijvoorbeeld om een proces te automatiseren. Iedereen doet dit individueel - er is geen overkoepelende visie, strategie of structurele uitwisseling van ideeën. Om een kennis te quoten: ‘eiland automatisering’.

Level 3

‘De neuzen dezelfde kant op’. Van eiland automatisering gaan we naar een structurele visie en toepassing van AI binnen het bedrijf. Met als grootste vraagstuk: waar zijn wij nog steeds 10x beter in dan AI? Voor al het andere: laten we AI toepassen om processen te versnellen, foutlozer te maken en data te borgen.

Level 4

De holy grail. Naar verluid nog maar een paar honderd of duizend bedrijven die hier zijn. Er is een overkoepelend operating system die door de haarvaten van het bedrijf loopt. AI ondersteund structureel alle lagen van de organisatie op een gedisciplineerde manier. Data vloeit door het systeem, waardoor AI op het juiste moment de juiste acties en notificaties kan geven. Medewerkers besteden hun tijd niet meer aan het onthouden of documenteren van ideeën, maar aan het creëren van meerwaarde voor het bedrijf.

Abonneer nu

Waarin ga ik mij specialiseren/onderscheiden?

Toen ik in februari was begonnen met m’n nieuwe reis, dacht ik het helder te hebben; ik ga mij specialiseren in automatisering. Techniek + puzzels. Maar na een paar dingen daarin gedaan te hebben kwam ik erachter dat:

• a) iedereen hierop lijkt te focussen (met als gevolg dat - met de hamer in de hand - ze denken dat alles een spijker is; i.e. dat alles geautomatiseerd moet worden)

• b) ik de uitvoer van het automatiseren minder leuk vond dat ik dacht.

Maar ondertussen begon er zich wel een idee te vormen. Het idee van een bedrijf waar AI in de haarvaten van de bedrijfsvoering zat. Waarin je niet meer alleen tools connect, of dingen automatiseert, maar waar AI een soort ‘second brain’ is.

Prestatiedruk

Het automatiseren (als dienst) was een direct gevolg van mijn zelfopgelegde prestatiedruk. Ik heb namelijk een buffer opgebouwd om het dit jaar ‘uit te zingen’, maar aan het einde van het jaar moeten er wel inkomsten zijn. Oftewel: betalende klanten.

Dat ga ik voorlopig even loslaten. Want ik geloof heilig in de volgende dingen:

1. Als je je passie volgt, dan volgen de opdrachten vanzelf

2. Als je je passie volgt, dan doe je sowieso toffe dingen

En toffe dingen doen, dat was nu precies de reden dat ik in februari hiermee ben begonnen.

En omdat ik zoveel bezig ben met AI-native bedrijven (in ieder geval conceptueel), ga ik mij hier gewoon op toeleggen.

Onvoorstelbaar en onbegrensd

Zo komen we bij hoe het marketingplan, de 4 levels van AI-native bedrijven én m’n podcast idee samenkomen.

De 4 levels worden de kapstok van alles wat ik naar buiten ga brengen. Van level 1 naar 2: voorbeelden van praktische use cases binnen bedrijven (op LinkedIn). Van level 2 naar 3; m’n AI roadmap sessies. En van level 3 naar 4; deze nieuwsbrief waarin ik een kijkje in de keuken geef van de bedrijven die met mij samenwerken om ze naar level 4 te helpen. (En uiteraard ook gewoon mijn reis, de komende maanden. Met hopelijk waardevolle inzichten)

En de podcast? Dat is ‘simpelweg’ iets wat ik zelf zou willen zien, maar nu nog mis.

De titel: Onvoorstelbaar en onbegrensd.
De belofte: “De meest inspirerende AI-creaties en de mensen die ze maken.”

De komende maanden ga je mij dus - hopelijk - veel zien. Met als doel: MKB Nederland naar level 4 AI-native bedrijven krijgen.

Dan meteen de vraag: ken je een ondernemer die dezelfde visie heeft, maar ook hulp nodig heeft bij het realiseren hiervan? Let me know, want samen met deze bedrijven kan ik m’n visie (en framework) uitbouwen.

Nu is dat anders. Nu is mijn hoofd namelijk overuren aan het draaien over alle kansen die AI biedt. Ik zie kansen voor bedrijven waar anderen ze nog niet zien. Gewoon, omdat mijn hoofd zo werkt. En omdat ik al 14 jaar aan het ondernemen ben, een bizarre interesse voor techniek heb en ga kwispelen bij mogelijkheden om te groeien.

Sterker nog, ik denk - gezien de huidige mogelijkheden - dat deze toekomst ‘onvermijdelijk’ is. En als dat zo is, dan heeft dat flink wat consequenties voor waar je je als bedrijf nú mee bezig zou moeten houden.

AI-native = onvermijdelijk

Allereerst, wat is een AI-native bedrijf? Waarom is dit onvermijdelijk? En wat zegt dat over jouw concurrentiepositie nu en in de toekomst?

Een AI-native bedrijf is - wat mij betreft - een bedrijf waarin de kernprocessen overzien worden door AI. Alle repetitieve robot taken zijn geautomatiseerd. Alle andere dingen - daar waar mensen juist nog in uitblinken, zoals (creatief) denkwerk, niet.

Ga maar eens na hoeveel tijd gevuld wordt door ‘hersenloos’ werk. Bijvoorbeeld: de juiste formulering zoeken voor een mailtje. Meetings notuleren en actie-items opschrijven. Data van de ene tabel naar de andere tabel overtypen. Etc etc.

En zet dat eens af tegen het werk waarbij je moet nadenken. Waar je echt even je hersens voor wilt gebruiken. Bijvoorbeeld die meeting waarin een belangrijk besluit genomen moet worden - o.a. op basis van je intuïtie. Of de strategie achter een nieuw project.

Mijn gok is dat een goed deel van je week gevuld wordt met werk dat ook een robot had kunnen doen. En mijn aanname is ook dat je dat helemaal niet erg zou vinden, als dat betekent dat je meer tijd over hebt om je hersenen eens lekker aan het werk te zetten.

En dit is ‘slechts’ nog maar 1 kant van de medaille. De andere kant is dat bedrijven die AI volledig geadopteerd hebben, op ongekende manieren innoveren. Ze hebben veel meer ruimte voor groei, en daarmee ongekende mogelijkheden. Een simpel voorbeeld: Google is in staat om z’n hele backlog aan ideeën en verbeteringen door te voeren. Daar waar - zonder hulp van AI - er altijd een eindeloze lijst van nieuwe ideeën was, maar geen tijd om ze uit te voeren.

Onvermijdelijk. Nu komt m’n punt, alles van wat ik hierboven beschrijf kán(en gebeurt) nu al. Let that sink in for a moment.

Volgens een recent PwC onderzoek (13 april), pakt slechts een kleine groep bedrijven (20%) de economische return van complete AI adoptie.
“It finds that nearly three‑quarters (74%) of AI’s economic value is captured by just one‑fifth (20%) of organisations, revealing a stark and widening divide between a small group of AI leaders and the majority of businesses still stuck in pilot mode.”

De AI die dit mogelijk maakt, wordt alleen nog maar beter en sneller. Het enige wat mist zijn a) een visie achter hoe jij AI inzet voor jouw bedrijf, b) een goede ‘fundering’ en slimme manieren om tools aan elkaar te koppelen en c) de tijd en wil om dit door te voeren.

En omdat kapitalisme werkt zoals het werkt, zal het dus onvermijdelijk zijn dat bedrijven die AI als strategische pijler inzetten, de uiteindelijke winnaars zullen zijn.

Omdat alles hierboven nu al mogelijk is, is onvermijdelijk dat bedrijven volledig AI-native zullen worden. Wat betekent dat er meer tijd over is voor groei óf marge. In beide gevallen wordt de concurrentiepositie van die bedrijven flink verstevigd. En blijf je als je dit als bedrijf niet doet, hopeloos achter.

The proof is in the pudding

Goed, wat mij betreft is de toekomst dus helder. Ook al ben ik geen helderziende 😉. Juist daarom ben ik zo blij met mijn huidige situatie. Naast dat ik Mr Suitcase ben gestart, werk ik ook nog aan Unravel.

De komende maanden ga ik mij bezig houden met het AI-native maken daarvan. En in die reis, en mijn gedachtes, inzichten en praktijkervaringen, zal ik jullie meenemen. Want praatjes alleen vullen geen gaatjes 😁.

Mijn advies voor nu. Denk na over de ‘technische fundering’ van je grootste bedrijfsprocessen. Als dit nu niet digitaal is, dan kan je er natuurlijk niks mee met AI. In de volgende editie van deze nieuwsbrief ga ik dat fundament uitwerken, en toepassen bij Klepper & Klepper en Unravel. (M’n gedachtes tollen alweer, want ga ik hier een ‘wikipedia’ structuur neerzetten, of een Airtable basis?). Het lijkt me tof als je meeleest!

* In de basis is een veterstrik namelijk een dubbele knoop. En die kan je als platte knoop leggen (eerst links over rechts, en daarna tegenovergesteld), óf als ‘oude wijvenknoop’ (sorry, zo heb ik ‘m onthouden). Die laatste is als je eerste knoop (links over rechts), hetzelfde is als de tweede. Wat krijg je dan? Een losse knoop die snel losgaat. En je zou kunnen bepleiten dat er een 50% kans is dat je ‘m verkeerd doet (omdat er maar 2 mogelijkheden zijn).