Je weet dat AI je bedrijf gaat veranderen. Alleen niet waar je moet beginnen.
We brengen samen met je mensen in kaart welk werk anders kan, waar AI waarde toevoegt en wat menselijk oordeel blijft. Zo ontstaat een eerste stap die niet alleen werkt, maar ook wordt gedragen.
AI wordt al gebruikt. Alleen nog niet als bedrijf.
Medewerkers proberen zelf ChatGPT, Copilot en andere hulpmiddelen uit. De een loopt voorop, de ander wacht af. Ondertussen ontbreekt een gezamenlijke keuze over waar AI wel en niet voor wordt ingezet.
Daardoor ontstaan losse experimenten, maar verandert het werk nauwelijks.
gebruikt AI niet, of alleen incidenteel en individueel.
Motivaction i.o.v. KPN, 2026
van de ondervraagde organisaties ziet aantoonbaar rendement uit AI.
KPMG Global AI Pulse, 2026
De vraag is niet meer of je mensen AI gaan gebruiken. De vraag is of je er als bedrijf richting aan geeft.
Het strandt zelden op de techniek.
Een toepassing kan technisch goed werken en toch nergens landen. Dat gebeurt wanneer niet duidelijk is welk probleem wordt opgelost, mensen te laat worden betrokken of niemand verantwoordelijk is voor het vervolg.
Geen duidelijke keuze
Er wordt begonnen met een tool of idee, zonder eerst te bepalen welk werk werkelijk moet veranderen.
De mensen worden overgeslagen
De mensen die het werk doen kennen de uitzonderingen, twijfels en praktische bezwaren. Zonder hen bouw je iets dat op papier klopt, maar niet wordt gebruikt.
Niemand maakt het onderdeel van het werk
Na de proef ontbreekt een eigenaar. Het nieuwe hulpmiddel blijft naast het bestaande werk staan en verdwijnt langzaam naar de achtergrond.
Daarom beginnen wij niet met bouwen. We beginnen met begrijpen.
De vraag is niet welke AI je nodig hebt.
De vraag is welk werk je anders gaat doen.
Waar verdwijnen iedere week uren? Waar blijft werk liggen? Welke kennis zit bij een paar ervaren mensen? En waar kan AI helpen zonder dat kwaliteit of menselijk oordeel verloren gaat?
Dat bepaal je niet van buitenaf. Je ontdekt het met de mensen die het werk iedere dag doen.
Soms is de uitkomst een eenvoudigere werkwijze. Soms opleiding. En soms een AI-agent die een afgebakend deel van het werk uitvoert en het resultaat aan een medewerker voorlegt.
Een agent is daarmee geen vertrekpunt, maar een mogelijke uitkomst van een keuze die je samen maakt.
Wat er voor je mensen verandert.
AI moet niet simpelweg werk weghalen. Het moet ruimte maken voor werk dat nu blijft liggen: beter klantcontact, meer aandacht voor kwaliteit, nieuwe diensten en minder herhaling.
Daarom bepalen we vooraf wat AI overneemt, waar het ondersteunt en waar je mensen blijven beslissen. Niet als technisch schema, maar als duidelijke afspraak over hoe het werk straks wordt gedaan.
Voor de mensen die er nú werken gaat dit over sneller en beter werk. Waar het wél schuurt is de instroom van beginners — daar veranderen de eisen. Dat maken we niet mooier dan het is.
Weerstand is een signaal, geen karaktertrek.
Als een AI-invoering strandt, ligt dat zelden aan de techniek en bijna nooit aan onwil. Er ontbreekt iets — en wát er ontbreekt, kun je aflezen aan wat je terugkrijgt. Klik een element weg en kijk wat ervoor in de plaats komt.
Zijn alle zes aanwezig, dan verandert het werk werkelijk — en blijft het veranderd nadat wij weg zijn.
Klik een element om het weg te halen · klik nogmaals om het terug te zetten
Vier van die zes brengen wij mee: vaardigheden, prikkels, middelen en een plan. Draagvlak bouwen we samen op, met de mensen wier werk verandert — daarom zitten zij vanaf het eerste gesprek aan tafel en niet pas bij de oplevering. De visie kunnen we aanscherpen, maar niet leveren. Die moet van jou komen, en dat is precies waarom dit alleen werkt als je er zelf bij zit.
Dit is een denkkader en geen onderzoek. Het is bruikbaar omdat ondernemers hun eigen bedrijf erin herkennen, niet omdat het bewezen is — en in de praktijk lopen de symptomen door elkaar heen.
Vier stappen, en daarna opnieuw.
Niet alles hoeft tegelijk. We kiezen één taak die ertoe doet, bouwen daar in tien werkdagen een agent op, en kijken daarna wat er in de praktijk werkelijk mee gebeurt. Voor de volgende taak begint dezelfde ronde opnieuw.
Gesprek en selectie
Eerst het brede beeld: wat willen jullie bereiken, hoe loopt het werk nu, waar verdwijnt tijd. Daaruit komt een lijst kansrijke taken. Langs een vaste meetlat — hoe vaak komt het voor, hoe verschillend zijn de gevallen, wat kost een fout, hoeveel oordeel vraagt het, wat mag de agent doen — wijzen we de eerste aan.
De tiendaagse
Twee dagen meelopen, één dag afbakenen en beslissen, twee dagen bouwen, vier dagen toetsen met meerdere collega’s, en dan gecontroleerd in gebruik nemen. Eén bouwer van ons, de mensen die het werk dagelijks doen van jullie. In diezelfde dagen leggen we vast wat de taak nu kost.
De agent in gebruik
Opgeleverd is niet hetzelfde als gebruikt. We kijken wie hem werkelijk gebruikt en hoe vaak, welke gevallen erbuiten vallen en waar mensen hem omzeilen. Dat laatste is het eerlijkste signaal dat er is: het betekent bijna nooit onwil, maar dat de agent net naast het echte werk zit.
Doorlopend toetsen
Een agent die bij oplevering goed was, is dat over drie maanden niet vanzelf nog. We meten hoeveel van zijn werk ongewijzigd doorgaat, bewaren de goede én de foute voorbeelden, en herhalen de meting waarmee we begonnen. Meer verantwoordelijkheid krijgt hij pas als dat cijfer maandenlang hoog blijft.
Geen veranderprogramma vooraf. Eén taak, tien werkdagen, en aan het eind een besluit dat op een waarneming rust in plaats van op een inschatting — ook als die waarneming is dat het hier niet uit kan.
Hoe zo'n agent er bij ons uitziet.
Een agent is geen chatvenster met jullie logo erop. Het is een afgebakende taak, een verzameling kennis waar hij uit put, een set rechten die bepaalt wat hij mag zien, en iemand die verantwoordelijk is voor wat eruit komt. Klik een blok voor de uitleg.
De taak
Een agent krijgt één taak, geen afdeling. Welke taak dat wordt kiezen we langs een vaste meetlat: hoe vaak hij voorkomt, hoe verschillend de gevallen zijn, wat een fout kost, hoeveel oordeel hij vraagt, en wat de agent zelfstandig mag doen.
Scoort één van die vijf laag, dan valt de taak af — ook als het totaal er goed uitziet. Een lage score is een grens en geen gemiddelde.
Waarom zo: de meeste AI-projecten die stranden begonnen bij een taak die te groot of te wisselend was om betrouwbaar te krijgen. De afbakening vooraf is goedkoper dan de correctie achteraf.
En waar draait het geheel
Bij ons in de cloud. Het snelst op te zetten en meestal het goedkoopst. Voor het grootste deel van het werk is dit de verstandige keuze, en het is wat we standaard voorstellen.
De agent is wat je koopt. De contextlaag is wat blijft.
Elke stap hierboven werpt materiaal af. De opnames uit de gesprekken en de bouwdagen. De vastgelegde werkwijze, met de uitzonderingen en beslisregels die nergens op papier stonden. De agent zelf, met zijn grenzen. Wat er in de praktijk mee gebeurt. En de goede en foute voorbeelden uit het toetsen.
Dat komt bij elkaar op één plek. Geen documentenarchief, maar een dossier van hoe er bij jullie gewerkt, gekozen en geleerd wordt.
De volgorde van de stappen hierboven is bij elk implementatiebureau ongeveer gelijk, en overtuigt niemand. Wat deze aanpak anders maakt is dat elke stap iets achterlaat waardoor de volgende stap goedkoper wordt. De tweede agent begint waar de eerste ophield. Daarmee is er geen oplevermoment waarna de waarde stilstaat.
Wat erin zit
De opnames uit de gesprekken en de bouwdagen.
De gebouwde agents zelf, met hun grenzen.
Wat er in de praktijk werkelijk mee gebeurt.
De goede en foute voorbeelden uit het toetsen.
De beoordeelde informatie uit bestaande documenten — geen ongefilterde documentendump.
De metingen: wat de taak kostte, en wat ervan over is.
Leren werken met wat er verandert.
Een AI-toepassing heeft pas waarde als mensen begrijpen wat zij ermee kunnen, wanneer zij erop mogen vertrouwen en waar hun eigen oordeel nodig blijft. Daarom brengen we ook in kaart welke kennis en training nodig zijn.
Waar mensen ermee werken is een keuze. Dat kan de Morphy-app zijn, jullie eigen omgeving — een bestaand intranet, wiki of databank — of allebei, met onderdelen die verdeeld landen maar uit dezelfde contextlaag putten.
Wil je die kennis structureel aanbieden? Dan kan de Morphy-app worden ingezet als leeromgeving voor bedrijfsspecifieke cursussen, werkwijzen en kennisdeling. Het ontwikkelen van het materiaal en het inrichten van de leeromgeving zijn aparte onderdelen van het traject.
Begin met een gesprek.
In een uur onderzoeken we waar AI in jouw bedrijf werkelijk verschil kan maken. Neem iemand mee die het dagelijkse werk kent. Daarna weet je welke eerste stap wij zouden zetten — en waarom.