Lead. In mijn eerdere bijdrage “Consultancy zonder mensen?” liet ik zien hoe AI en agents de backoffice van kenniswerk comprimeren. Dit stuk trekt die lijn door naar advies, facilitair én sales. De kern: wie AI reduceert tot kostenbesparing mist de echte winst. AI verandert vooral cultuur, werkontwerp en werkgeverschap. Bedrijven die dát goed ontwerpen, winnen niet alleen productiviteit, maar ook klanten én talent.

Wat AI echt verandert: de cultuur van werken

AI versnelt analyse, drafting en planning; besluitvorming schuift op naar datagedreven, iteratief en leergericht. Teams die experimenteren (pilots → retro’s → opschalen) en hun “best practices” expliciet maken, plukken de meeste vruchten. Cultuur is daarbij geen behang, maar het schaalmechanisme: zonder psychologische veiligheid, duidelijke spelregels en uitlegbaarheid blijft waarde steken in pilots.

De menselijke bijsluiter: motivatie en veiligheid

Samenwerken met GenAI geeft directe prestatiewinst, maar als je het werk niet herontwerpt kan de intrinsieke motivatie dalen. De remedie: automatiseer repetitie, vergroot autonomie en variatie, en borg een duidelijke human-in-the-loop voor impact en kwaliteit. Zo combineer je efficiency met duurzame bevlogenheid.

Waarom mensen wél toedoen in dienstverlening en sales

De waarde verschuift frontstage: context geven, framing, co-creatie, onderhandeling, vertrouwen winnen. In sales en after-sales helpt AI met research, personalisatie en realtime coaching; maar het gesprek, het “lezen van de kamer” en het sluiten van de deal blijven menselijk. AI is de krachtvermenigvuldiger van goede mensen en goed teamontwerp, niet van one-size-fits-all scripts.

Preferred employer: technologie + menselijkheid

Kandidaten kijken scherp naar je AI-volwassenheid. Transparantie over datagebruik en human-oversight verhoogt je aantrekkelijkheid; kille, volledig geautomatiseerde selectieprocedures doen het omgekeerde. Maak expliciet waarom AI het werk zinvoller maakt (minder routine, meer klantwaarde), hoe je bias en privacy borgt, en welke scholing iedereen krijgt. Zo bouw je een reputatie als AI-savvy én mensgerichte werkgever.

Twee scenario’s (2026–2028) met kort stappenplan

A) Versnelde adoptie: agents in kernprocessen (advies, facilitair, sales)

Wat je mag verwachten: 10–20% efficiency op kenniswerk, kortere doorlooptijden, sterkere leercurves bij junioren; in sales beter gekwalificeerde pijplijnen en hogere hit-rates mits interacties echt gepersonaliseerd zijn.
Stappen (90 dagen):

1. Focus & cases (0–30 d.) – Kies 3 volumecases (bijv. tickets, offertes, inzet-/roosterplanning). Leg een KPI-trio vast: prestatie (doorlooptijd/kwaliteit), motivatie (autonomie/variatie), veiligheid (spreekklimaat).

2. Playbooks & prompts (30–60 d.) – Ontwerp agent-playbooks met RACI en human-in-the-loop; standaardiseer prompts en kwaliteitscontrole.

3. Enablement (parallel) – Micro-learnings (prompting, datahygiëne), teamcoaching voor leidinggevenden (uitleggen-begrenzen-luisteren).

4. Governance (60–75 d.) – Publiceer een 1-paginakader (doelen, dataminimalisatie, audit, escalatie); voer DPIA’s uit voor HR/sales-use-cases.

5. Opschalen (75–90 d.) – Scale-up alleen als performance, motivatie én veiligheid verbeteren; borg in processen en tooling.

B) Gefaseerde adoptie: ‘proof points’ per domein (laag veranderrisico)

Wat je mag verwachten: stabiele, iteratieve winst; draagvlak groeit mee.
Stappen (120 dagen):

1. Één pilot per domein (0–30 d.) – Advies (samenvatten/rapportage), facilitair (inzetplanning/werkbon), sales (offertes/e-mailcadans).

2. Meet & leer (30–60 d.) – Wekelijkse retro’s op prestatie + motivatie + veiligheid; documenteer patronen en failure modes.

3. Mensgerichte finetuning (60–75 d.) – Voorkom motivatie-dip met taakrotatie en autonomie; pas agent-regels aan op echte klantcontext.

4. Gerichte opschaling (75–120 d.) – Rol uit waar zowel performance als beleving verbeteren; bouw interne ambassadeurs en verwerk cases in onboarding.

Wanneer klanten “AI-korting” eisen (denk aan de ASML-casus)

Steeds meer inkoopafdelingen zeggen: als AI efficiënter maakt, dan moet het tarief omlaag. Lever die verlaging — en behoud je marge — door bewijzen, prijzen en borgen strak te organiseren.

1) Bewijs vóór prijs: je AI-Savings Ledger

Start niet met korting, maar met bewijs. Meet 2–4 weken je baseline (doorlooptijd, foutpercentages, herwerk), rol je agents/playbooks uit en leg de gerealiseerde besparingen vast in een AI-Savings Ledger. Koppel altijd kwaliteits-KPI’s (CSAT/NPS, error rate): goedkoper mag nooit “slapper” betekenen.

Praktische formule voor procurement:
Nieuwe prijs = basisprijs − (gemeten productiviteitswinst × gedeelde gainshare) + risico/compliance-opslag.
Voorbeeld: bij 15% tijdwinst geef je 7,5% door (50/50 gainshare) en houd je 7,5% voor modelkosten, enablement en audit.

2) Prijsarchitectuur als menukaart (zelfselectie i.p.v. race-to-the-bottom)

• Efficiency-Share – directe korting op basis van gemeten efficiency, met kwaliteits-SLA en bonus/malus.

• Outcome-Based – betalen per uitkomst (oplossing, gekwalificeerde lead, afgerond rapport) met error-budget en herstelafspraken.

• Premium Human-in-the-Loop – voor kritieke dossiers AI-assisted mét expliciete menselijke review, audittrail en aansprakelijkheid; tarief blijft marktconform door risico en zorgplicht.
  Zo krijgt de klant korting waar het kan, en prijs je risico en maatwerk waar het moet.

3) Trust & compliance als versneller in inkoop

Leg guardrails contractueel vast: dataminimalisatie, bias-checks, auditrechten, incident-escalatie en human oversight bij HR- en klantbesluiten. Publiceer een korte AI-kompas-pagina (doelen, spelregels, DPIA-proces) — dat versnelt inkoop, verlaagt juridische frictie en vergroot vertrouwen bij klant én medewerker.

4) Talk-track bij “we willen 20% omlaag door AI”

• Erken & herframe: “Eens — laten we korting koppelen aan gemeten besparing op úw KPI’s, mét kwaliteitsgaranties.”

• Bied het menu: Efficiency-Share, Outcome-Based of Premium Human-in-the-Loop — passend bij uw risicoprofiel.

• Laat de Ledger zien: 2–3 before-after cases (TTR omlaag, rework omlaag, CSAT omhoog).

• Borg risico: wijs op guardrails en oversight (“korting ja, maar niet op compliance”).

• Maak het concreet: kies route + tijdpad, en pin gainshare en randvoorwaarden vast in het contract.

Wat je morgen regelt (one-pager actie)

• Werk(her)ontwerp vóór toolkeuze. Automatiseer repetitie; reserveer mens-tijd voor diagnose, empathie, creatie en finale verantwoordelijkheid (vastgelegd in RACI’s).

• Teamritme voor leren. Maandelijkse AI-retro’s op output, motivatie en veiligheid; pas dán schalen.

• Skills-ladder & mobiliteit. Junior → medior → senior → AI-orchestrator; maak loopbaan- en beloningspaden zichtbaar.

• Serieuze governance. Human-oversight bij werving en klantbesluiten; bias-checks en DPIA’s; transparante spelregels die óók je werkgeversmerk versterken.

Slot. “Consultancy zonder mensen?” was een nuttige wake-up call. De realiteit in advies, facilitair en sales is nuchterder: AI comprimeert de backoffice — de mens vergroot waarde frontstage. Wie bewijsgestuurd kort, slim prijst en stevig borgt, wordt de preferred partner voor klanten en de preferred employer voor talent.

AI podcast: AI & Mens: Zo Navigeer Je Succesvol Door de Nieuwe Wereld van Werk. (met duiding)

Willem E.A.J. Scheepers, cyborg, docent, auteur en zelfs consultant.

Chat ook met mijn Human / AI Interaction chatbot Evenwichtige inzichten in de interactie tussen mens en kunstmatige intelligentie met betrekking tot organisatiestrategie, -structuur en -cultuur.

Naast de ManagementSite Nieuwsbrief is er ook de Sunny Side Up nieuwsbrief op LinkedIn. 

Geschreven ism GPT-5. Bronnen:

• Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044 (Oxford Academic)

• Calvino, F., Reijerink, J., & Samek, L. (2025). The effects of generative AI on productivity, innovation and entrepreneurship (OECD Artificial Intelligence Papers No. 39). OECD. https://www.oecd.org/en/publications/the-effects-of-generative-ai-on-productivity-innovation-and-entrepreneurship_b21df222-en.html (OECD)

• Daly, S. J., Wiewiora, A., & Hearn, G. (2025). Shifting attitudes and trust in AI: Influences on organizational AI adoption. Technological Forecasting and Social Change, 215, 124108. https://doi.org/10.1016/j.techfore.2025.124108 (ScienceDirect, OUCI)

• Dell’Acqua, F., Ayoubi, C., Lifshitz-Assaf, H., Sadun, R., Mollick, E. R., Mollick, L., … Lakhani, K. R. (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise (HBS Working Paper No. 25-043). Harvard Business School. https://doi.org/10.2139/ssrn.5188231 (SSRN, Harvard Business School)

• European Union. (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj (EUR-Lex)

• Gambacorta, L., Qiu, H., Shan, S., & Rees, D. (2024). Generative AI and labour productivity: A field experiment on coding (BIS Working Papers No. 1208). Bank for International Settlements. https://www.bis.org/publ/work1208.htm (Bank for International Settlements)

• Hautamäki, P., & Heikinheimo, M. (2025). Fully leveraging AI in B2B sales: Exploring sales managers’ capabilities and organizational knowledge processes. Journal of Business Research, 194, 115396. https://doi.org/10.1016/j.jbusres.2025.115396 (ScienceDirect, IDEAS/RePEc)

• Kim, B.-J., Kim, M.-J., & Lee, J. (2025). The dark side of artificial intelligence adoption: Linking AI adoption to employee depression via psychological safety and ethical leadership. Humanities and Social Sciences Communications, 12, 704. https://doi.org/10.1057/s41599-025-05040-2 (Nature)

• Krakowski, S., Thiel, M., & von Krogh, G. (2025). Human-Centered Artificial Intelligence: A Field Experiment. Management Science. Advance online publication. https://doi.org/10.1287/mnsc.2022.03849 (INFORMS Pubs Online, DIVA Portal)

• Ligeiro, N., Dias, I., & Moreira, A. (2024). Recruitment and selection process using artificial intelligence: How do candidates react? Administrative Sciences, 14(7), 155. https://doi.org/10.3390/admsci14070155 (MDPI)

• Luo, W., Zhang, Y., & Mu, M. (2025). Why might AI-enabled interviews reduce candidates’ job application intention? The role of procedural justice and organizational attractiveness. Humanities and Social Sciences Communications, 12, 1278. https://doi.org/10.1057/s41599-025-05607-z (Nature)

• Maslej, N., Fattorini, L., Perrault, R., Gil, Y., et al. (2025). Artificial Intelligence Index Report 2025. Stanford Institute for Human-Centered AI. https://hai.stanford.edu/ai-index/2025-ai-index-report (hai.stanford.edu)

• Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586 (PubMed)

• Tursunbayeva, A., Fernandez, V., & others. (2025). Artificial intelligence and digital data in recruitment: Exploring business and engineering candidates’ perceptions of organizational attractiveness. European Management Journal. Advance online publication. https://doi.org/10.1016/j.emj.2025.03.002 (upcommons.upc.edu, ScienceDirect)

• Wu, S., Liu, Y., Ruan, M., Chen, S., & Xie, X.-Y. (2025). Human–generative AI collaboration enhances task performance but undermines intrinsic motivation. Scientific Reports, 15, 15105. https://doi.org/10.1038/s41598-025-98385-2 (Nature)

(Desgewenst kan ik ze ook in BibTeX of EndNote-formaat aanleveren.)