AI voor Kenniswerk
Menu

Projecten en praktijklessen met AI

Dit is werk waar ik aan gewerkt heb, met mijn rol en wat ik ervan leerde. Klantnamen en resultaten publiceer ik pas met toestemming en een nulmeting. Drie projecten, van AI-adoptie bij een grote organisatie tot mijn eigen product Chof.

Felipe van Beetz · Bijgewerkt 29 september 2026

Projecten

AI-adoptiecoach bij een grote internationale logistieke organisatie

2025 tot 2026

Situatie
Er waren veel losse AI-ideeën, trainingen en lokale experimenten. De vraag was niet alleen toegang tot technologie, maar ook het kiezen, begeleiden en overdragen van bruikbare toepassingen.
Mijn rol
AI-adoptiecoach.
Wat ik deed
Trainingen en workshops, een community met herbruikbare materialen, begeleiding van use cases en een manier om voortgang te meten en bij te sturen. Aan het eind droeg ik de rol over aan mijn opvolger, met een overdrachtspakket.
Wat ik leerde
Een workshop wekt interesse, opvolging maakt resultaat: benoem na een training één pilot met een eigenaar. En een coach werkt het best als begeleider, niet als blijvende bouwer.
Wat het opleverde
Een overdraagbaar adoptiemodel, trainingsmateriaal en een gecategoriseerde use-casebasis. Dat is een overdrachtsresultaat, geen gemeten effect, dus ik noem geen cijfers.

Productmanager van Kandoor, een financiële vraagbaak

Bij APG

Situatie
Kandoor combineerde een chatbot met menselijke experts om financiële vragen te beantwoorden.
Mijn rol
Productmanager.
Wat ik leerde
Automatische afhandeling waar dat kan, een mens waar context of vertrouwen dat vraagt. Dat ontwerpprincipe zit nu ook in mijn werkpatronen.

Chof en mijn eigen werk met AI

Situatie
Ik bouw en beheer Chof, een iOS-app waarmee je chocoladerepen scant en beoordeelt. AI helpt bij het herkennen van repen en het aanvullen van gegevens.
Mijn rol
Oprichter. Ik doe product en bouw, en werk daarbij dagelijks met AI-assistenten.
Wat ik leerde
Een AI-model verzint bij het aanvullen van gegevens soms bronnen. Daarom controleert een script vóór het opslaan of elke genoemde bron bestaat en de waarde erin staat. Controle hoort in het proces zelf.
Ook geleerd
Werken meerdere AI-assistenten tegelijk in dezelfde bestanden, dan overschrijven ze elkaar. Een eigen werkruimte per taak en vaste regels voorkomen dat.

Trainingen

In 2019 en 2020 gaf ik vijf betaalde AI- en machine-learningtrainingen. In 2025 en 2026 gaf ik trainingen en workshops binnen het adoptietraject hierboven. Een halve dag op de eigen taken van je team staat op AI-workshop.

Wat steeds terugkomt

  1. Een chat legt het proces niet vast

    In een chat draag jij elke keer het proces: de context, de bronnen, de volgende vraag en het overzetten van het resultaat. Een werkpatroon legt een deel daarvan vast. Wat in een chat eenmalig goed ging, blijft daardoor herhaalbaar.

  2. Gebruik zakt na een paar weken in

    Bij teams die al veel met AI-chat werkten, lag het zelden aan de mensen of de tool. Het werk had geen vaste plek gekregen: geen startmoment, geen vaste bron, geen controle en geen herhaling.

  3. Wat een werkwijze laat blijven draaien

    Een werkpatroon dat blijft draaien heeft drie eigenschappen: je kunt het elke week opnieuw doen, de juiste bronnen zitten er vast bij en een mens controleert de uitkomst. Als er één ontbreekt, blijft het gokken.

  4. Begin bij terugkerend werk

    Kleine taken die vaak terugkomen zijn betere eerste kandidaten dan indrukwekkende toepassingen. Ze zijn goed te meten en de uitzonderingen zijn bekend.

Klantcases en cijfers

Een klantcase met naam en resultaat publiceer ik pas als de klant toestemming geeft en het resultaat vooraf is gemeten. Hoe de aanpak in elkaar zit, lees je op Werkwijze.

Waar wil je met AI beginnen?

In 20 minuten bespreek ik met jou het werk en de verstandigste volgende stap: een workshop, een scan, een implementatie of voorlopig niets. Ook een eerlijk “nu niet” is een mogelijke uitkomst.

Plan een gesprek van 20 minuten