Een medewerker gebruikt AI om een e-mail voor te bereiden. Vijf minuten gewonnen. Even later helpt AI bij het samenvatten van een document. Nog eens tien minuten. Aan het einde van de dag volgt een eerste opzet voor een presentatie. Opnieuw gaat het sneller dan voorheen.
Het zijn kleine momenten. Ze voelen vaak prettig: een taak kost minder moeite en er ontstaat ruimte voor iets anders. Wanneer je die minuten optelt over weken, medewerkers en afdelingen, verschijnt bovendien een indrukwekkend getal.
Maar precies daar begint een vraagstuk dat ik bij Damies Future Intelligence de Micro-Uur Paradox noem:
AI kan verspreid over een organisatie veel kleine stukjes tijd vrijmaken, terwijl die opgeteld nog niet vanzelf leiden tot bruikbare capaciteit of aantoonbare waarde.
Dat betekent niet dat de tijdwinst onbelangrijk is. Integendeel. Het betekent dat we beter moeten kijken naar wat er tussen de eerste berekening en de uiteindelijke opbrengst gebeurt. En vooral: wie bepaalt waarvoor de vrijgekomen tijd wordt gebruikt?
Het grote getal achter de kleine minuten
Stel een organisatie heeft 250 medewerkers. De helft van hen gebruikt AI en bespaart daarmee gemiddeld dertig minuten per week. We rekenen met 46 werkweken per jaar.
Dan ontstaat de volgende berekening:
125 medewerkers × 0,5 uur × 46 weken = 2.875 uur per jaar.
Als we die tijd waarderen tegen € 55 per uur, vertegenwoordigt dat een potentiële waarde van € 158.125 per jaar.
Dat is een interessant vertrekpunt. Het laat zien waarom kleine verbeteringen op organisatieniveau de aandacht van bestuurders trekken. Maar het is geen bewijs dat de organisatie € 158.125 heeft bespaard. Het is een rekenvoorbeeld, gebaseerd op aannames over gebruik, tijdwinst, werkweken en uurtarief. In de praktijk kunnen die aannames hoger of lager uitvallen.
Bovendien vertelt het bedrag nog niets over wat er met die 2.875 uur gebeurt. Ontstaat er ruimte om meer klanten te helpen? Gaat de kwaliteit van adviezen omhoog? Hebben medewerkers meer gelegenheid om zich te ontwikkelen? Neemt de werkdruk af? Of verdwijnen de gewonnen minuten in de volgende taak?
Pas wanneer we die vragen beantwoorden, komt de waarde van AI dichterbij.
Van tijdwinst naar waarde: vier stappen
Om de Micro-Uur Paradox te begrijpen, helpt het om vier stappen uit elkaar te houden.
1. Potentiële tijdwinst
Dit is de eerste inschatting: hoeveel tijd zou AI kunnen vrijmaken bij een bepaald aantal medewerkers, taken en gebruiksmomenten?
De DFI Return on Intelligence Calculator helpt om dat potentieel te verkennen. Door aannames zichtbaar te maken, kan een organisatie verschillende scenario’s vergelijken.
Dat is nuttig voor een eerste gesprek. Maar het blijft een verwachting, geen gemeten resultaat.
2. Netto tijdwinst
Een AI-uitkomst is niet altijd direct bruikbaar. Een medewerker kan tijd nodig hebben om een opdracht te formuleren, bronnen te controleren, fouten te herstellen of informatie aan te vullen.
Stel dat een eerste versie met AI twintig minuten sneller klaar is, maar dat controle en correctie tien minuten extra kosten ten opzichte van de gebruikelijke werkwijze. Dan resteert voor die taak een netto tijdwinst van tien minuten.
Dat verschil is van belang. Wie alleen de snelheid van het eerste concept meet, mist een deel van het werk dat nodig is voor een verantwoord eindresultaat.
Omgekeerd kan AI ook helpen fouten eerder te herkennen of de kwaliteit van een eerste versie verbeteren. De uitkomst verschilt per taak, medewerker en werkomgeving. Daarom is meten in de eigen praktijk belangrijk.
3. Bruikbare tijd
Niet iedere bespaarde minuut verandert automatisch in tijd die voor een andere activiteit kan worden ingezet.
Twintig minuten die verspreid over een dag ontstaan, vormen niet vanzelf een aaneengesloten blok voor een opleiding, een gesprek of een verbeterproject. Bovendien kunnen andere onderdelen van het proces bepalen hoe snel het werk uiteindelijk verdergaat.
Een adviseur kan een rapportage bijvoorbeeld sneller opstellen, terwijl de volgende beoordeling pas een week later plaatsvindt. De tijdwinst bij de adviseur kan reëel zijn, maar de totale doorlooptijd van het proces verandert misschien nauwelijks.
Dat vraagt om een bredere blik: waar ontstaat de tijdwinst en waar in het werkproces zit de volgende beperking?
4. Gerealiseerde waarde
De laatste stap is de belangrijkste: wat heeft de organisatie, de professional of de klant uiteindelijk aan de vrijgekomen tijd?
Dat kan zichtbaar worden in verschillende vormen:
- Kwaliteit: een beter onderbouwd advies of meer aandacht voor uitzonderingen.
- Dienstverlening: sneller antwoord of persoonlijker contact.
- Ontwikkeling: tijd om kennis op te bouwen, te oefenen of collega’s te begeleiden.
- Werkdruk: meer ruimte tussen taken of minder piekbelasting.
- Capaciteit: meer werk kunnen uitvoeren met de beschikbare mensen.
- Financieel resultaat: kosten die daadwerkelijk worden voorkomen of verlaagd.
Deze opbrengsten zijn niet allemaal in euro’s uit te drukken. En dat hoeft ook niet. Een organisatie kan bewust kiezen voor betere dienstverlening of lagere werkdruk, ook als dat niet direct tot een lagere begroting leidt.
Het gaat erom dat duidelijk wordt welke waarde wordt nagestreefd en hoe je kunt zien of die ontstaat.
Kleine minuten kunnen op zichzelf al waardevol zijn
De naam Micro-Uur Paradox zou de indruk kunnen wekken dat kleine tijdwinsten pas meetellen als we ze samenvoegen tot een groot blok. Dat is niet mijn bedoeling, een paar minuten kunnen op zichzelf al waarde hebben.
Een medewerker van een klantenservice heeft iets meer tijd om een vraag goed af te handelen. Een leidinggevende kan een medewerker even terugbellen. Een adviseur kan een conclusie nog eens toetsen voordat het advies naar het management gaat. Misschien wordt de werkdag daardoor minder gejaagd. Misschien voorkomt die extra aandacht een fout of een misverstand.
Zulke opbrengsten verdwijnen gemakkelijk uit beeld wanneer we alleen vragen hoeveel uren zijn bespaard of hoeveel werk er extra kan worden gedaan.
De paradox zit dus niet in de kleine tijdwinst zelf, die kan waardevol zijn. De paradox zit in de aanname dat de optelsom van al die kleine momenten vanzelf één grote, direct inzetbare capaciteit vormt.
De rekensom is nog geen businesscase
Keer terug naar het voorbeeld van 2.875 uur en € 158.125.
Stel dat de organisatie, als aanname voor een scenario, verwacht dat de helft van de berekende tijdwinst daadwerkelijk bruikbaar wordt. Dan resteert:
2.875 uur × 50% = 1.437,5 uur.
Tegen hetzelfde rekentarief vertegenwoordigt dat € 79.062,50 aan mogelijke capaciteitswaarde.
Ook dat bedrag is nog geen gerealiseerde besparing. Het zegt bijvoorbeeld niet dat er minder salarissen worden betaald, dat een contract wordt beëindigd of dat een vacature vervalt. Het laat zien welke waarde aan de veronderstelde bruikbare capaciteit wordt toegekend.
Voor een echte financiële beoordeling moet een organisatie daarnaast kijken naar de kosten van bijvoorbeeld licenties, implementatie, begeleiding en beheer. En zij moet vaststellen welke uitgaven daadwerkelijk veranderen.
Een medewerker die meer ruimte krijgt voor klantcontact kan veel waarde toevoegen, terwijl de loonkosten gelijk blijven. Omgekeerd kan een organisatie soms externe inhuur of andere uitgaven beperken. Dat moet dan wel afzonderlijk worden aangetoond.
Een uur dat anders wordt besteed, kan waarde creëren. Het wordt pas een financiële besparing als daardoor ook daadwerkelijk minder geld wordt uitgegeven.
De vergeten stap: werk opnieuw organiseren
De vraag is dus niet alleen hoeveel tijd AI bespaart. De vraag is ook of het werk zo is georganiseerd dat mensen die tijd zinvol kunnen gebruiken.
Stel dat een team door AI minder tijd nodig heeft voor voorbereidende analyses. Toch blijft de agenda gevuld met overleg, blijven verzoeken ongefilterd binnenkomen en wordt iedere vrijgekomen ruimte onmiddellijk gebruikt voor de volgende opdracht.
Dan kan de technologie goed werken, terwijl de organisatie weinig verandert.
Een andere keuze is om samen met het team te onderzoeken waar de tijdwinst ontstaat en welke werkzaamheden meer aandacht verdienen. Misschien blijkt dat medewerkers klanten beter kunnen begeleiden als bepaalde controles worden gebundeld. Misschien is er ruimte om kennis te delen of een terugkerend probleem bij de bron aan te pakken.
Soms vraagt benutting om een grotere verandering: taken anders verdelen, een overdracht schrappen of medewerkers de ruimte geven om zelf verbeteringen voor te stellen.
AI-toepassing en werkontwerp horen daarom bij elkaar. Wie alleen de toepassing invoert, ziet mogelijk een deel van de opbrengst. Wie ook naar het proces kijkt, ontdekt waar waarde kan ontstaan.
Wie beslist over de vrijgekomen tijd?
Achter de Micro-Uur Paradox zit ook een bestuurlijke en menselijke vraag:
Van wie is de tijd die dankzij AI vrijkomt?
Een organisatie kan kiezen voor meer productie. Medewerkers kunnen behoefte hebben aan ruimte om de werkdruk te verlagen of hun vak bij te houden. Klanten hebben mogelijk meer aan persoonlijke aandacht. En soms is er een financiële opgave waarvoor AI een bijdrage kan leveren.
Die belangen hoeven niet tegenover elkaar te staan, maar ze vallen ook niet automatisch samen.
Als medewerkers merken dat iedere efficiëntiewinst direct leidt tot hogere productie-eisen, kan dat invloed hebben op hun bereidheid om verbeteringen te delen. Als leidinggevenden en teams samen bespreken welke ruimte ontstaat en hoe die wordt benut, worden afwegingen zichtbaarder.
Dat gesprek vraagt om duidelijkheid:
- Wat wil de organisatie bereiken met de inzet van AI?
- Welke verwachtingen zijn er over productiviteit en kwaliteit?
- Is er ruimte voor leren en experimenteren?
- Hoe worden medewerkers betrokken bij keuzes over hun werk?
- Hoe voorkomen we dat een potentiële tijdwinst vooraf al als vaste besparing wordt ingeboekt?
Een opbrengst die medewerkers helpt hun werk beter te doen, kan tegelijk bijdragen aan de organisatie. Maar ook dat moet je in de praktijk onderzoeken.
Wat betekent dit voor de professional?
Voor professionals kan AI ruimte creëren voor werk dat moeilijk in standaardprocessen te vangen is: een situatie duiden, een lastige vraag bespreken, verbanden leggen of een besluit uitleggen.
Maar ook hier is een bewuste keuze nodig. Wie AI alleen gebruikt om steeds meer werk in dezelfde tijd te doen, kan sneller worden zonder dat het werk wezenlijk beter of betekenisvoller wordt.
Een professional kan daarom bij het gebruik van AI drie vragen stellen:
- Wat gaat er voor mij daadwerkelijk sneller?
- Wat vraagt juist meer aandacht, controle of nieuw vakmanschap?
- Waar wil ik de ruimte die ontstaat aan besteden?
Het antwoord kan per persoon en functie verschillen. Voor de één ligt de waarde in meer tijd voor klanten, voor de ander in verdieping, creativiteit of het verminderen van routine.
Ook hier geldt: een individuele medewerker kan die ruimte niet altijd zelf organiseren. Daarvoor zijn soms afspraken met collega’s en leidinggevenden nodig.
Een praktische reality check voor bestuurders
Wilt u weten of de Micro-Uur Paradox in uw organisatie speelt? Begin dan met één werkproces waarin medewerkers AI al gebruiken of willen gebruiken.
Kies vervolgens samen met het team een beperkte proefperiode. Breng in kaart welke taken veranderen, welke tijdwinst medewerkers ervaren en hoeveel tijd controle en correctie vragen. Bespreek ook wat AI doet met de kwaliteit van het resultaat.
Spreek vooraf af wat u met eventuele ruimte wilt bereiken. Bijvoorbeeld: kortere doorlooptijden, meer aandacht voor complexe klantvragen, minder achterstanden of tijd voor kennisontwikkeling.
Kijk daarbij naar een combinatie van signalen:
| Vraag | Mogelijk signaal |
|---|---|
| Wordt het werk sneller uitgevoerd? | Tijd per taak, inclusief controle en correctie |
| Verandert de kwaliteit? | Herstelwerk, fouten of beoordeling van het eindresultaat |
| Merken klanten of collega’s verschil? | Wachttijd, duidelijkheid of ervaren dienstverlening |
| Wat gebeurt er met de vrijgekomen ruimte? | Concrete voorbeelden uit de dagelijkse praktijk |
| Wat betekent dit voor medewerkers? | Ervaren werkdruk, leergelegenheid en professionele ruimte |
| Veranderen de uitgaven? | Aantoonbaar vermeden of verlaagde kosten |
Geen van deze signalen vertelt op zichzelf het hele verhaal. Samen geven ze wel een rijker beeld dan alleen het aantal gebruikers of de gemiddelde tijdwinst per taak.
Van Return on Investment naar Return on Intelligence
Investeringen in AI vragen terecht om een gesprek over rendement. Maar dat gesprek wordt sterker wanneer we ook kijken naar de inzet en ontwikkeling van menselijke intelligentie.
Daarom gebruik ik de term Return on Intelligence: een uitnodiging om te onderzoeken welke waarde ontstaat door de combinatie van menselijke kennis, organisatiekeuzes en AI.
De DFI Return on Intelligence Calculator helpt daarbij als eerste verkenning. De uitkomst geeft een indicatie op basis van de ingevoerde aannames. Ze kan aanleiding zijn voor een gesprek over benutting, investeringen en verwachte opbrengsten.
De AI Reality Check gaat vervolgens een stap verder: wat gebeurt er werkelijk in het werk, welke waarde wordt gerealiseerd en wat betekent dit voor mensen, processen en de afhankelijkheden van de organisatie?
Die combinatie maakt de stap mogelijk van een aantrekkelijk getal naar een beter onderbouwde keuze.
De belangrijkste vraag is niet hoeveel minuten AI bespaart
Organisaties zullen de komende jaren steeds beter worden in het meten van AI-gebruik. Ze kunnen zien hoeveel medewerkers toegang hebben, hoe vaak toepassingen worden gebruikt en welke taken sneller verlopen.
Maar de kernvraag ligt een stap verder:
Wat willen we doen met de ruimte die AI mogelijk maakt?
Meer produceren? Betere dienstverlening leveren? Mensen laten leren? Werkdruk verminderen? Kosten besparen? Of een combinatie daarvan?
De Micro-Uur Paradox maakt duidelijk dat het antwoord niet vanzelf uit de technologie volgt. Het ontstaat in de manier waarop organisaties hun werk inrichten en de keuzes die zij samen met professionals maken.
AI kan ons minuten geven. Wij bepalen welke waarde we eraan geven.
Dit is de tweede bijdrage in de reeks The AI Reality Check van Damies Future Intelligence, de eerste verscheen op 091126 “We moeten iets met AI.”. In de volgende bijdrage staat menselijk vakmanschap centraal: wie leert het werk nog als AI steeds meer van het voorbereidende werk uitvoert?
Willem E.A.J. Scheepers, AI Implementer
Info over de AI Ready Check vind je op de LI pagina DAMIES Future Intelligence. Of mail: willem@willemscheepers.eu GET READY FOR THE FUTURE
Gerelateerde artikelen
Van AI-ambitie naar werkelijkheid. Waarom organisaties meer dienen te onderzoeken dan wat AI kan.
Willem E.A.J. Scheepers
Deel uw ervaringen op ManagementSite
Wij zijn altijd op zoek naar ervaringen uit de praktijk, wat werkt wel, wat niet.
SCHRIJF MEE
Als u 3 of meer artikelen per jaar schrijft, ontvangt u een gratis pro-abonnement twv €200,--