AI als motor onder commerciële strategie.

De meeste bedrijven praten over AI alsof het een knipperlamp is. Iets dat boven op de bestaande processen wordt geplakt. Een chatbot in de webshop. Een tekstgenerator in de marketingafdeling. Een AI-tool bij de helpdesk. Er verschijnt een paneel in het CRM dat suggesties geeft. Er komt een dashboard bij waar AI-statistieken op staan.

Het ziet er modern uit. Het verandert weinig.

AI als motor werkt anders. Daar wordt AI geen toevoeging aan het proces, maar de drijvende kracht onder het proces. Het proces zelf verandert. De rolverdeling verandert. Wat mensen doen verandert. Het team wordt kleiner. De beslissingen worden zwaarder.

Het verschil tussen die twee is groot. En het wordt zichtbaar in de resultaten na ongeveer een jaar.

Dit stuk gaat over het verschil. Hoe een knipperlamp-implementatie er in de praktijk uitziet, hoe een motor-implementatie eruitziet, en waarom de meeste bedrijven onbewust kiezen voor de eerste terwijl de tweede de hefboom is. We schrijven dit vanuit ervaring. We voeren tot tien gesprekken per maand waar directeuren ons vragen hoe ze AI in hun commerciele organisatie moeten inzetten. Het antwoord is bijna nooit een tool. Het is een andere manier van werken.

De knipperlamp

Een knipperlamp-implementatie ziet er als volgt uit.

Een afdeling kiest een AI-tool. Vaak een algemene tool zoals ChatGPT Enterprise of Copilot. Soms een specifieke tool voor een discipline, bijvoorbeeld een AI-content-generator voor marketing of een AI-gesprekken-analyser voor sales. De tool wordt geintegreerd in de bestaande werkwijze. Mensen worden getraind om de tool te gebruiken. Er komt een dashboard om het gebruik te meten. En er komt een verhaal voor de board: we doen iets met AI.

Wat verandert is de snelheid waarmee bestaande taken worden uitgevoerd. Een marketingmedewerker schrijft drie keer zo snel een blog. Een salesmedewerker krijgt na een gesprek automatisch een samenvatting. Een customer-service-medewerker krijgt voorgestelde antwoorden op klantvragen. Allemaal nuttig. Allemaal meetbaar in productiviteit.

Wat niet verandert: de aard van de taken. Wie ze doet. Of ze nog nodig zijn. Of het werk dat hierdoor sneller gaat eigenlijk werk is dat gedaan zou moeten worden.

Het resultaat na zes tot twaalf maanden is meestal een lichte productiviteitsstijging, een gevoel van vooruitgang, en een paar nieuwe budgetlijnen voor AI-licenties. De afdelingsmanagers zijn tevreden. De directeur is tevreden, want hij heeft tegen zijn investeerder kunnen zeggen dat het bedrijf “AI-driven” is geworden. De marketingmanager heeft een nieuwe slide in zijn jaarrapportage.

Voor sommige toepassingen is dat voldoende. Een transactioneel proces dat sneller wordt, een routine-handeling die efficienter loopt. Daar is niets mis mee. Het probleem ontstaat wanneer de knipperlamp wordt gepresenteerd als strategische AI-transformatie terwijl het in werkelijkheid een productiviteitsverbetering is binnen een ongewijzigde structuur. Dat is geen strategie. Dat is een kostenpost met een nieuwe naam.

De motor

Een motor-implementatie ziet er anders uit. Hier begint het bij een fundamenteel andere vraag.

Niet: “Hoe kunnen we AI toevoegen aan wat we nu doen?”

Wel: “Wat zou ons werk eigenlijk zijn als AI bestond toen we het ontwierpen?”

Die tweede vraag bouwt opnieuw. De eerste versiert het bestaande. En dat klinkt als een nuance maar het is in werkelijkheid het verschil tussen twee totaal verschillende eindbeelden.

In een motor-opzet doet AI het zware productiewerk. Data lezen, patronen detecteren, varianten genereren, distributie optimaliseren, segmenten dynamisch onderhouden, gesprekken analyseren, transcripten samenvatten, hypotheses testen, content produceren in tien varianten per kanaal. Allemaal werk waar AI nu al beter in is dan mensen, of in elk geval drastisch sneller en goedkoper.

De mens doet het zware denkwerk. Keuzes maken, lijnen vasthouden, prioriteiten zetten, kwaliteit waarderen, oordelen wat ertoe doet, vertrouwen opbouwen, gesprekken voeren die niet in een script passen. Werk waar AI nog steeds niet goed in is en op afzienbare termijn niet goed in zal zijn.

Dat is geen verzonnen werkverdeling. Het is een logische verdeling die elk team waar we mee werken na zes maanden vanzelf ontdekt. De vraag is alleen of je het ontwerp van het team daarop aanpast, of dat je probeert om een team dat is opgezet voor het oude evenwicht te laten werken met het nieuwe evenwicht. Dat tweede werkt nooit lang, en de faalpatronen die eruit voortkomen, zijn opvallend voorspelbaar.

Hoe een knipperlamp er in de praktijk uitziet (drie voorbeelden)

We werken het verschil uit met drie voorbeelden uit verschillende disciplines. Eerst de knipperlamp-versie, dan in de volgende sectie de motor-versie.

Voorbeeld 1: marketing-content. De marketingafdeling wil meer content produceren. Ze kopen ChatGPT Enterprise voor het hele team. De junior content marketeer gebruikt het om sneller eerste drafts te schrijven. De content manager redigeert daarna. Er komt een productie-richtlijn dat AI moet worden gebruikt voor versie een van elke tekst. Het team produceert 40 procent meer artikelen per week.

Voorbeeld 2: sales-enablement. Het salesteam wil betere gespreksvoorbereiding. Ze kopen een AI-tool die LinkedIn-profielen en bedrijfsinformatie samenvat voor sales-medewerkers voor een eerste gesprek. De salesmedewerker krijgt ‘s ochtends een briefing voor zijn afspraken die middag. Hij is 15 procent sneller in voorbereiding en gaat beter geinformeerd het gesprek in.

Voorbeeld 3: customer service. De customer-service-afdeling wil consistente antwoorden. Ze implementeren een AI-tool die supportmedewerkers voorgestelde antwoorden geeft op basis van het ticket. De medewerker bewerkt het antwoord en stuurt het door. De gemiddelde afhandeltijd daalt met 20 procent.

Drie verbeteringen. Drie keer een hogere productiviteit. Drie keer goed te verkopen aan de directie. En in alle drie de gevallen blijft de structuur van het werk gelijk. Het marketingteam blijft van dezelfde grootte, doet dezelfde soort werkzaamheden, levert dezelfde soort output. Net iets meer ervan, net iets sneller. Hetzelfde voor sales en customer service.

Wat verandert er niet? De positiekeuze in de markt. De segmentatie van klanten. De propositie. De rolverdeling tussen marketing en sales. De manier waarop beslissingen worden genomen. Het verhaal naar buiten. Geen van die dingen wordt door deze drie implementaties geraakt.

Dat is wat we bedoelen met knipperlamp. Het knippert. Het werkt. En het verandert niets dat er strategisch toe doet.

We schreven een kort stuk over wat het verschil tussen knipperlamp en motor in de praktijk betekent.

Hoe een motor er in de praktijk uitziet (dezelfde drie voorbeelden)

Nu dezelfde drie voorbeelden, maar dan als motor.

Voorbeeld 1: marketing-content. De marketingafdeling stelt zich een andere vraag. Niet hoe ze sneller content kunnen maken, maar wat de rol van content eigenlijk is in hun commercieel proces. Ze ontdekken dat 70 procent van de content die ze produceren nauwelijks wordt bekeken, dat de overige 30 procent vaak niet aansluit op specifieke koopmomenten, en dat sales bijna nooit content gebruikt in klantgesprekken. Met die analyse herontwerpen ze hun aanpak. AI wordt ingezet om continu kopersignalen uit data te lezen (welke vragen leven nu in welke segmenten), om per signaal varianten te produceren op vijf kanalen tegelijk, en om de prestaties van elke variant te monitoren en bij te sturen. De mens doet andere dingen. Drie keuzes per maand: welke kopersignalen pakken we op, welke kanalen krijgen prioriteit, en welke verhalen verdienen aandacht boven enkel productie? Een team van twaalf wordt vijf. De output gaat omhoog met factor drie, maar belangrijker: ze sluit nu aan op echte commerciele behoefte.

Voorbeeld 2: sales-enablement. Het salesteam stelt zich een andere vraag. Niet hoe ze beter kunnen voorbereiden, maar wat het sales-proces eigenlijk zou moeten zijn. Ze ontdekken dat 80 procent van de sales-tijd wordt besteed aan administratie, opvolging, het sturen van offertes en interne afstemming. Slechts 20 procent gaat naar echt klantcontact. Met die analyse herontwerpen ze. AI wordt ingezet om alle administratie en opvolging te doen: notities maken na gesprekken, follow-up-mails opstellen, voorstellen samenstellen op basis van de gesprekken, het CRM bijhouden, leads scoren op basis van gedragsdata. De salesmedewerker doet andere dingen. Hij voert meer en kwalitatief diepere klantgesprekken, leest patronen uit wat AI samenvat, en beslist welke deals strategische aandacht krijgen. Het salesteam van twaalf wordt zes. Het aantal gevoerde commerciele gesprekken per medewerker stijgt met factor twee. De gemiddelde dealwaarde stijgt omdat er meer aandacht naar de juiste deals gaat.

Voorbeeld 3: customer success. Customer service vraagt zich iets anders af. Niet hoe ze sneller antwoorden, maar wat hun rol eigenlijk is in retention en groei. Ze ontdekken dat ze 90 procent van hun tijd besteden aan vragen die door AI direct beantwoord zouden kunnen worden, en dat ze nauwelijks toekomen aan de gesprekken met klanten die op het punt staan om weg te lopen of die juist klaar zijn voor uitbreiding. Met die analyse herontwerpen ze. AI handelt direct alle standaardvragen af. Het systeem leest churn-signalen weken vooruit. Het identificeert klanten die klaar zijn voor uitbreiding op basis van gebruiksdata. De customer-success-medewerker doet andere dingen. Hij voert gesprekken die alleen een mens kan voeren, met klanten die op een keerpunt zitten. Het team gaat van customer service (reactief) naar customer success (proactief). Twaalf medewerkers worden vier. Maar de net retention stijgt met 15 procentpunten.

Drie voorbeelden van fundamenteel ander werk. Drie keer een kleiner team, kwalitatief zwaardere rollen, en resultaten die het oude evenwicht niet had kunnen bereiken. Niet omdat AI het werk doet, maar omdat het werk fundamenteel anders is ontworpen.

Wat dit voor teamopbouw betekent

Een commercieel team in motor-opzet is kleiner en kwalitatief zwaarder. De rollen verschuiven op een manier die niet voor iedereen prettig is. We werkten de drie patronen uit in een apart stuk over wat er verandert in een commercieel team onder AI.

Wie eerder uitvoerder was, wordt regisseur. Dat is geen promotie, dat is een ander beroep. Een content marketeer die teksten schreef en nu briefings maakt voor AI en de output regisseert, doet werk dat dichter bij dat van een chef-redacteur ligt dan bij dat van een schrijver. Niet iedere content marketeer wil dat, en niet iedere content marketeer kan dat.

Wie eerder analyseerde, wordt interpretator. Een data-analist die voorheen rapporten bouwde, krijgt nu output van AI-systemen die continu analyseren. Zijn werk wordt het vertalen van die output naar beslissingen, met name het herkennen van wat ertoe doet versus wat ruis is. Dat vraagt een andere expertise dan dashboards bouwen.

Wie eerder content maakte, wordt redacteur van wat AI maakt. Dat is een rol die in de meeste organisaties nog niet bestaat. Het is een hybride tussen creatief director en kwaliteitsbewaker, met als kerncompetentie het kunnen onderscheiden van goed werk van middelmatig werk in tien varianten per uur in plaats van twee per dag.

Wie eerder leadkwalificeerde of administreerde, wordt vaak overbodig. Dat is de moeilijke realiteit van motor-implementatie. Het is geen kostenbesparing zoals een directeur die ooit ziet (minder mensen voor hetzelfde werk). Het is een fundamentele rolverdeling waarin een aantal rollen verdwijnt, omdat ze door AI overbodig zijn gemaakt, en andere rollen zwaarder worden, omdat ze met meer materiaal te maken hebben en meer beslissingen vragen.

Dat is precies waarom de meeste bedrijven het bij de knipperlamp houden. Een knipperlamp vereist geen herontwerp van het team. Een motor wel. En een herontwerp van het team is een politieke, organisatorische en menselijke uitdaging die de meeste directies liever uit de weg gaan.

Wat AI zichtbaar maakt over wat echt marketingwerk is

AI is een hefboom. Een hefboom werkt alleen als iemand weet waar moet worden geduwd. En precies daar wordt iets pijnlijk zichtbaar in commerciele organisaties.

Wat AI ontmaskert, is hoeveel van wat we marketing noemden eigenlijk geen marketing was. Het was productiewerk dat we marketing noemden omdat marketing erover ging. Materiaal maken, varianten testen, distributie regelen, segmenten beheren, content produceren, leads kwalificeren. Belangrijk werk, maar uitvoerend werk. Geen strategie. Geen positiekeuze. Geen beslissing over richting.

Het echte marketing-werk, de strategische keuzes over positie, publiek, prijs en verhaal, was altijd zwaarder dan het productiewerk. Maar het productiewerk slokte de tijd op, en dus werd er minder echt marketingwerk gedaan dan zou moeten. De marketingmanager kon altijd zeggen: ik kom er niet aan toe. En dat klopte. We schreven eerder over waarom dat strategische werk aan de directietafel hoort en niet bij de marketingafdeling alleen.

AI haalt het productiewerk weg, of brengt het in elk geval terug naar een fractie van de tijd. Wat overblijft is het echte marketingwerk. En dat is precies het werk dat het zwaarst is. Dat vraagt de meeste oordeelsvorming. Dat vraagt om beslissingen waar geen tool ooit een antwoord op zal geven.

Hetzelfde geldt voor sales. AI ontmaskert dat 80 procent van de sales-tijd in de meeste organisaties ging naar werk dat geen sales was: administratie, opvolging, interne afstemming. Het echte sales-werk, de gesprekken die deals verschuiven, was altijd zwaarder dan de administratie. Maar de administratie slokte de tijd op.

Hetzelfde geldt voor customer success. Voor productontwikkeling met AI in user-research. Voor pricing. Voor vrijwel elke commerciele functie.

Wat overblijft is steeds een vorm van strategisch oordeel: keuzes maken, prioriteiten zetten, vertrouwen opbouwen, gesprekken voeren, lijnen vasthouden. Allemaal werk dat AI niet doet, en op afzienbare termijn niet zal doen. Maar dat werk wordt nu relatief zwaarder, want er is minder ander werk om je achter te verschuilen.

De vraag voor een directeur is daarmee niet of hij AI gebruikt. Vrijwel iedereen gebruikt nu wel iets. De vraag is wat hij doet met de tijd die vrijkomt. Daar splitsen knipperlamp en motor zich definitief.

De rol van de directeur in een motor-implementatie

Een motor-implementatie kun je niet delegeren aan een afdeling. Niet aan IT, niet aan marketing, niet aan operations.

Het herontwerp van werk raakt de organisatie-inrichting. Het raakt rollen, budgetten, afdelingsgrenzen. Het raakt verwachtingen die mensen hadden over hun carriereloopbaan. Het raakt soms ook contracten en arbeidsverhoudingen. Dat is geen werk voor een afdelingsmanager. Dat is werk voor de directeur, of in een groter bedrijf voor de directie als geheel.

Drie vragen die alleen aan de directietafel beantwoord kunnen worden, en die in een motor-implementatie nodig zijn.

Welk werk wordt fundamenteel anders, en welk werk verdwijnt? Dat is een keuze, niet een ontdekking. De directeur kiest of hij wil dat AI vooral een snelheidsverbetering wordt of dat het werk zelf wordt herontworpen. Beide kunnen, maar het zijn verschillende paden met verschillende organisatie-gevolgen.

Welke nieuwe rollen creeren we, en welke laten we los? Dat is geen HR-vraag. Dat is een commerciele vraag over wat er nodig is om in de nieuwe situatie te functioneren. Een directeur die deze vraag delegeert aan HR, krijgt een functiegebouw terug dat niet past bij waar de markt naartoe gaat.

Welke kwaliteitslat hanteren we? AI kan veel produceren in korte tijd. Wat we wel en niet acceptabel vinden, is een directiebesluit met grote gevolgen. Een marketingafdeling die met AI tien blogs per week kan publiceren, kan ook tien middelmatige blogs per week publiceren. De lat wordt bepaald door wat de directie aanvaardbaar vindt voor het merk. Niet door wat productioneel mogelijk is.

Deze drie vragen worden in de meeste organisaties niet gesteld, want ze passen niet bij de operationele AI-discussie (“welke tool kopen we”). Ze horen bij de strategische AI-discussie (“hoe ontwerpen we ons werk”). En die discussie gebeurt zelden.

Wat dit voor de tijdslijn betekent

Een knipperlamp-implementatie is in drie tot zes maanden uitgevoerd. Tools kopen, integreren, trainen, meten. Resultaat: een productiviteitsverbetering in bestaand werk.

Een motor-implementatie duurt langer, omdat het werk zelf moet worden herontworpen. Maar het hoeft niet in alle disciplines tegelijk. Wat we zien werken, is een aanpak die per discipline een motor bouwt, beginnend bij een plek waar de hefboom het grootst is.

Zes tot acht weken om de eerste motor te ontwerpen en testen. Dan zes maanden om hem te draaien en te leren. Dan een volgende discipline. Wie deze aanpak een jaar doortrekt, heeft drie commerciele disciplines fundamenteel herontworpen, in plaats van vijf afdelingen met een knipperlamp die nog niets veranderd hebben.

Het is langzamer in jaar een. Het is veel sneller in jaar twee. En vooral: het is fundamenteel ander resultaat, geen incrementele verbetering.

Concurrenten die voor de motor kiezen, krijgen drie tot vijf jaar voorsprong op concurrenten die bij de knipperlamp blijven. Niet in productiviteit, want die wordt voor iedereen min of meer gelijkwaardig. In strategische scherpte en commerciele effectiviteit. Wat een motor-bedrijf produceert, gaat in een duidelijke richting met een herontworpen rolverdeling. Wat een knipperlamp-bedrijf produceert, gaat in alle richtingen tegelijk met dezelfde rolverdeling als vier jaar geleden.

De analyse

De vraag voor een directeur is niet of hij AI gebruikt. Vrijwel iedereen gebruikt nu wel iets. De vraag is of AI bij hem een knipperlamp is of een motor.

Het verschil zit in twee dingen. Wat verandert er niet meer aan het werk? En wat moet juist zwaarder en scherper worden gedaan dan ooit?

Een knipperlamp verandert weinig en kost weinig. De rolverdeling blijft hetzelfde. Het werk blijft hetzelfde. De output is alleen iets sneller. Voor sommige toepassingen is dat genoeg, en dat is geen kritiek. Niet alles hoeft strategisch te zijn.

Een motor verandert het werk fundamenteel. Het team wordt kleiner. De rollen worden zwaarder. De directeur moet keuzes maken die hij liever niet maakt, over wie er weggaat en wat er anders wordt. En de hefboom die hij krijgt is onevenredig groot.

De meeste bedrijven kiezen onbewust de knipperlamp omdat de motor onbehagen oproept. Het herontwerp vraagt iets dat je liever uitstelt. Maar de markt wacht niet. Concurrenten die wel kiezen voor de motor, bouwen een commerciele organisatie die met een fractie van de mensen meer doet, met meer focus, met betere keuzes. Die voorsprong groeit elk kwartaal.

Het is geen prettige vraag. Het is wel de juiste vraag. En het is een vraag die alleen aan de directietafel kan worden beantwoord. Niet door een afdeling. Niet door een tool. Niet door een implementatieplan.

---

Verder lezen

Marketing aan de directietafel. Waarom strategische marketing van de directieagenda is verdwenen, en wat er thuishoort.

Waarom verliezen we dit. De drie strategische lagen onder elke verloren deal.

Marketing in het verkeerde vergaderzaaltje. Waarom strategisch marketingwerk tussen wal en schip valt.

Drie excuses voor een verloren deal. De drie lagen die prijs, timing en relatie verbergen.

AI als motor, niet als knipperlamp. De korte versie: wat verandert er als AI het werk herontwerpt.

Waarom mislukken AI-projecten. Drie faalpatronen in commerciele teams.

Mentale beschikbaarheid. Waarom je marktaandeel niet door je product wordt bepaald.

Vijf marketingvragen voor de directie. De vragen die in elk directie-overleg ontbreken.

Marketingrapportage lezen als directeur. Zes signalen die laten zien wat ontbreekt in elke rapportage.

Win/loss-analyse: hoe pak je het aan. Drie fouten die elke analyse onbruikbaar maken, en hoe het wel werkt.

Het commerciele team onder AI. Welke rollen verdwijnen, welke zwaarder worden, en wat de directeur moet doen.