Innoveren met AI begint zelden met een dichtgetimmerd plan. Doorgaans gebeurt het vanuit een gedeelde nieuwsgierigheid: wat kan AI betekenen voor ons werk? Bij een grote uitvoeringsorganisatie startten we daarom bewust niet met één vooraf gedefinieerde AI-oplossing, maar met het vormen van een multidisciplinaire AI-werkgroep. Die werkgroep blijkt de sleutel om samenwerking over teams heen te versterken én AI-oplossingen een vruchtbare bodem te geven.
Van losse ideeën naar gezamenlijke beweging
De organisatie wilde verkennen hoe AI kon bijdragen aan betere monitoring, onderhoud en kennisdeling. In plaats van direct te investeren in één grote use case, is gekozen voor een andere insteek: het samenbrengen van mensen uit operatie, data, IT, informatievoorziening en beleid in één AI werkgroep.
Het doel van de werkgroep is tweeledig:
- Experimenteren met concrete AI-toepassingen in de praktijk.
- Tegelijkertijd samenwerking, kennisdeling en eigenaarschap versterken.
Door mensen uit verschillende teams samen te brengen, ontstaat een breder perspectief op vraagstukken. Wat voor de één een technisch probleem lijkt, blijkt voor de ander vooral een proces- of gedragsvraagstuk. Juist in die combinatie ontstaat ruimte voor echte vernieuwing.
AI wordt daarmee niet gepositioneerd als iets van het datateam alleen, maar als een gezamenlijke verantwoordelijkheid. Het gesprek verschuift van ‘kan dit technisch?’ naar ‘helpt dit ons in het werk?’. Dat maakt de toepassing concreet en relevant voor het primaire proces.
Ruimte voor experiment en inspiratie
Daarbij hoeft vooraf niet precies duidelijk te zijn wat AI voor jouw organisatie moet betekenen. In plaats van eerst een volledig uitgewerkt eindbeeld te formuleren, is gekozen voor een aanpak met ruimte voor verkenning.
Binnen de werkgroep worden concrete knelpunten uit de praktijk ingebracht, mogelijke AI-oplossingen gezamenlijk verkend en kleine experimenten opgezet. Inzichten worden actief gedeeld tussen teams. Sommige initiatieven groeien door, andere blijven klein of worden bewust losgelaten. Niet elk idee leidt direct tot implementatie, maar elk idee draagt bij aan het lerend vermogen van de organisatie.
De werkwijze is iteratief en laagdrempelig. Dat heeft duidelijke voordelen:
- Lage instapkosten en beperkt risico.
- Snelle zichtbare resultaten.
- Directe feedback vanuit de praktijk.
- Groeiend vertrouwen in AI-toepassingen.
Om nieuwe ideeën aan te jagen, worden daarnaast periodiek AI-inspiratiesessies georganiseerd. Hierin worden praktijkvoorbeelden gedeeld, technologische mogelijkheden toegelicht en medewerkers uitgenodigd om eigen vraagstukken in te brengen. Deze sessies vergroten het begrip van wat AI wel en niet kan, maken latent aanwezige ideeën expliciet en verbinden mensen die elkaar anders niet vanzelfsprekend zouden ontmoeten. Zo ontstaat een continu proces van ontdekken, leren en aanscherpen.
AI als verbindend thema
Gaandeweg blijkt dat versterkte samenwerking over teams heen de meest waardevolle opbrengst. Data-engineers krijgen beter zicht op operationele knelpunten. Medewerkers uit de operatie begrijpen beter welke data beschikbaar zijn en hoe deze benut kunnen worden. Beleids- en informatiemanagers denken mee over randvoorwaarden en kaders.
AI fungeert daarmee als verbindend thema. Het creëert een gedeelde taal en een gezamenlijk toekomstbeeld. Door klein te beginnen, zichtbaar te experimenteren en kennis actief te delen, groeit het vertrouwen in nieuwe toepassingen en ontstaat eigenaarschap in de organisatie zelf. Door een multidisciplinaire werkgroep te vormen, inspiratiesessies te organiseren en experimenten laagdrempelig mogelijk te maken, ontstaat een voedingsbodem waarin AI zich organisch ontwikkelt – niet als doel op zich, maar als middel om samenwerking te versterken en het primaire proces slimmer te ondersteunen. Zo groeit AI stap voor stap uit tot een vanzelfsprekend onderdeel van de organisatie, gedragen door de mensen die er dagelijks mee werken.