Mijn projectmanager zei: "Als jij morgen ziek bent, zijn we alles kwijt"

Gisterenmiddag zat ik in mijn zesde meeting van de dag. Een discovery call met een hotelketen, een bila met mijn projectmanager, een kick-off met een nieuw enterprise-project. Tussendoor nog een kennismaking met een toeristische organisatie.

Om 17:00 opende ik Claude, typte "geef me de drie belangrijkste actiepunten uit mijn gesprek met die hotelgroep" en binnen tien seconden had ik een samenvatting die beter was dan mijn eigen aantekeningen.

Dat is mijn donderdag. En het werkt fantastisch.

Voor mij.

Daar zit precies het probleem.

Hoe het begon: knippen en plakken als business model

Twee jaar geleden schreef ik salesvoorstellen door tijdens meetings snel wat kernwoorden in mijn notitie-app te tikken. Na afloop ging ik die aantekeningen uitwerken. Soms dezelfde avond, vaker drie dagen later. Tegen die tijd was de helft van de nuance verdwenen.

Het resultaat: voorstellen die "wel oké" waren. Geen voorstellen die de klant het gevoel gaven dat ik ze echt begreep.

Daarna kwamen de eerste transcriptie tools zoals MeetGeek en Fireflies (en nog vele andere). Een enorme vooruitgang.

Maar nog steeds zat ik transcripten te kopieren en plakken.

Toen ontdekte ik Quill. Een tool die al mijn gesprekken transcribeert, samenvat en doorzoekbaar maakt. Je kan er direct mee chatten, zelfs tijdens een meeting.

Op zich al waardevol.

Maar de echte doorbraak kwam toen ik dat koppelde aan Claude.

Mijn setup

Mijn huidige workflow ziet er zo uit:

Ik voer een gesprek. Quill draait mee, maakt een transcript en genereert automatisch notulen. Na het gesprek open ik Claude met een MCP-koppeling naar Quill. Dat betekent: Claude kan direct in mijn transcripten lezen.

Vervolgens vraag ik dingen als:

• ▸"Schrijf een salesvoorstel op basis van mijn discovery call met die hotelgroep"
• ▸"Wat waren de drie grootste pijnpunten die de general manager noemde?"
• ▸"Maak een LinkedIn-post over de inzichten uit mijn gesprek met die zorgorganisatie"

Claude pakt het transcript, haalt de relevante fragmenten eruit, en produceert output in onze huisstijl. Want die huisstijl heb ik als "Skill" aan Claude toegevoegd: onze kleuren, onze tone of voice, ons briefpapier. Alles wat ik genereer, ziet er direct uit alsof het van NinA AI komt.

Het scheelt me echt uren per week.

Maar de grap is, het echte voordeel is niet de tijd. Het is de kwaliteit. Mijn voorstellen zijn beter, mijn opvolging is sneller, mijn content is relevanter.

Ik voelde me onoverwinnelijk. Tot vorige week.

"Als jij morgen ziek bent, zijn we alles kwijt"

Ik zat met mijn projectmanager Janique in een bila. We hadden het over hoe we van vijftien naar honderd klanten willen gaan en hoe we ons proces daar nu al op willen aanpassen. Het ging over de dingen waar ik altijd blij van wordt: over processen, over wie wat doet, over waar informatie staat. En toen zei ze het.

"Dit werkt geweldig voor jou, Olaf. Maar als jij morgen ziek bent, heeft niemand toegang tot die informatie."

Stilte.

Ze had gelijk. Al mijn klantinzichten, al die transcripten, al die salesintelligentie: het zat in mijn persoonlijke Claude-omgeving. Mijn developers wisten niet wat er in een discovery call was besproken. Sales had geen zicht op wat delivery al had opgeleverd. Zelfs de context uit een klantgesprek van vorige week was onbereikbaar voor de rest van het team.

We hadden een goudmijn aan informatie. Maar die lag op mijn bureau, niet in de organisatie.

En dat is precies de valkuil waar ik bijna elke ondernemer in zie trappen.

De valkuil: jouw AI-tool is niet jouw bedrijf

Dit is het punt waar de meeste bedrijven blijven steken. Ze ontdekken een tool die voor hen persoonlijk fantastisch werkt (ChatGPT, Claude, Copilot, noem maar op) en denken: "Dit is de oplossing." Ze worden er sneller van, slimmer, productiever.

Maar een tool die werkt voor een individu is fundamenteel anders dan een systeem dat werkt voor een organisatie. Zeker als je groeit. Bij vijf klanten kun je alles in je hoofd houden. Bij dertig niet meer. En bij honderd is het onmogelijk.

Deze week sprak ik met een zorgorganisatie van 230 medewerkers. Exact hetzelfde patroon. Ze hebben een projectgroep die slim met Copilot en ChatGPT werkt. Maar de kennis blijft op eilandjes. De slimme oplossingen van de ene collega bereiken de andere niet. En de "oude garde" die een keer een tegenvallend resultaat zag, heeft het definitief afgeschreven. "Zie je wel, AI werkt niet."

Een organisatie heeft te maken met meerdere mensen die dezelfde informatie nodig hebben, processen die consistent moeten verlopen ongeacht wie er werkt, data die centraal moet staan in plaats van in iemands hoofd, en kwaliteitscontrole die niet afhankelijk is van een individu.

De stap van "ik gebruik AI" naar "mijn bedrijf draait op AI" is de stap die het verschil maakt. En die stap maak je niet met een chatvenster. Die maak je met workflows.

Daarom bouwen we bij NinA AI alles in workflows, voornamelijk met N8N. Niet omdat het de enige optie is, maar omdat het drie dingen doet die geen enkel ander platform zo goed combineert:

Het is visueel. Als ik een klant laat zien hoe hun proces werkt, hoef ik geen code te tonen. Ik laat blokjes zien. "Hier komt een e-mail binnen. Dit blokje leest de inhoud. Dit blokje stuurt het naar de juiste persoon." Klanten snappen het direct. Deze week liet ik het zien aan een reisorganisatie van 250 man die nog grotendeels op papier werkt. De ogen van de IT-manager lichtten op.

Het is self-hosted. De data van onze klanten staat op servers in Amsterdam, niet bij een Amerikaans bedrijf. Die zorgorganisatie die ik sprak? AVG-restricties maken het onmogelijk om clientgegevens naar externe tools te sturen. Met lokale servers, daar draait zelfs het transcriptiemodel op een eigen machine, is dat geen probleem meer.

Het is exporteerbaar. Elke workflow is een JSON-bestand. Als een klant morgen besluit om weg te gaan, exporteren we alles en geven we het mee. Geen vendor lock-in, geen gijzeling van processen.

Hoe dit er in de praktijk uitziet

Die realisatie met Janique was het startschot. We zijn nu bezig om alles wat ik persoonlijk doe, om te bouwen naar workflows die het hele team kan gebruiken. Klantinformatie centraal in ons CRM, project-setups die automatisch aanmaken zodra een deal op "gewonnen" staat, en Slack-notificaties die iedereen op de hoogte houden. We bouwen zelfs een eigen klantdashboard dat al onze bronnen (Confluence, Jira, Slack, e-mail, voorstellen) bundelt, zodat iedereen in het team met een simpele vraag de actuele status van elke klant kan opvragen.

Maar we bouwen dit niet alleen voor onszelf. We doen precies hetzelfde voor onze klanten. Laat me twee concrete voorbeelden geven van deze week. Niet theoretisch, maar letterlijk wat we aan het bouwen zijn.

Voorbeeld 1: AI-receptionist voor een internationale hotelgroep

Deze week had ik een discovery call met een hotel dat onderdeel is van een groep van 120 vestigingen. Hun probleem herken ik inmiddels bij elke hotelketen: de receptie wordt overspoeld door repetitieve vragen via telefoon en e-mail. Badkledingdagen, openingstijden van het restaurant, beschikbaarheid van handdoeken. Als de e-mail niet snel genoeg beantwoord wordt, gaan gasten bellen. Dat zorgt voor dubbele belasting aan de fysieke balie.

Het interessante aan dit gesprek: de general manager vertelde dat ze een verouderde telefooncentrale hebben die niet eens kan doorschakelen naar een voicemail. En dat hun team medewerkers heeft met 35 tot 40 jaar dienstverband. De digitaliseringsangst is reeel.

Onze aanpak:

1. Fase 1: AI beantwoordt de meest gestelde FAQ-vragen via telefoon en e-mail
2. Fase 2: Koppeling met het boekingssysteem voor actuele restaurantreserveringen
3. Fase 3: Omnichannel inzet, telefoon, e-mail, chatbot en WhatsApp vanuit dezelfde kennisbank

De database wordt continu uitgebreid. Elke nieuwe vraag die de AI niet herkent, wordt handmatig geaccordeerd door een medewerker. Het systeem leert gaandeweg. Maar de menselijke "gunfactor" blijft: bij complexe of gevoelige situaties schakelt het systeem direct door naar een persoon.

We starten bewust klein. Niet met alle 120 hotels tegelijk, maar met een pilot op een locatie. Stabiliseren, leren, en dan opschalen.

Voorbeeld 2: Van database naar SaaS-platform

Dit komt misschien wel het meeste voor de laatste tijd. Bedrijven (ofja slimme koppen binnen het bedrijf) die zelf iets gebouwd hebben met AI. Een nieuw product die ze willen uitrollen, intern en extern. Draaiend op hun eigen waardevolle data.

Daar zit het probleem. Je kan geweldige dingen bouwen, maar is het veilig? Zit er niet per ongeluk een API key in de code? en hoe gaan we veilig om met de data.

Data wat goud is voor die bedrijven.

Daarom zijn we nu al voor meerdere partijen de proof of concept aan het omzetten naar een veilig platform. Met log-in en alles er op en eraan.

En omdat wij zelf actief AI gebruiken bij het doorontwikkelen doen we dat ook zeer snel en efficient.

Het patroon (en dat begint bij jezelf)

Mijn Quill + Claude setup, een controle AI bij een fabrikant, de AI-receptionist bij de hotelgroep, een AI platform voor de bouw: het is allemaal hetzelfde verhaal. Iemand doet iets handmatig, ontdekt dat het slimmer kan, en dan komt de echte vraag: hoe maak je dit groter dan jezelf?

Als je al onze projecten naast elkaar legt, zie je steeds hetzelfde patroon:

Bij de fabrikant verschuift de medewerker van "labels handmatig controleren" naar "kwaliteit bewaken op uitzonderingen." Bij de hotelgroep verschuift het team van "repetitieve vragen beantwoorden" naar "gastvrijheid leveren waar het ertoe doet." Bij de veiligheidsconsultancy verschuift de adviseur van "documenten schrijven" naar "risico's managen op basis van actuele data."

Niemand verliest zijn baan. Iedereen krijgt een betere baan.

Wat je hiervan kunt leren (ook zonder agency)

Je hoeft geen AI Agency te hebben om dit toe te passen. De principes zijn universeel. En ze beginnen allemaal bij dezelfde vraag: wat gebeurt er als jij er morgen niet bent?

Begin bij jezelf, maar stop daar niet. Gebruik een tool als Claude of ChatGPT om je eigen werk te verbeteren. Maar zodra het werkt, stel jezelf de vraag: kan iemand anders dit overnemen? Zo niet, dan heb je een persoonlijke hack, geen bedrijfsproces.

Documenteer wat je doet. Zodra iets voor jou werkt, schrijf op hoe het werkt. Niet voor een handleiding, maar zodat iemand anders het kan overnemen. De stap van "het zit in mijn hoofd" naar "het staat in een systeem" is de stap van freelancer naar organisatie.

Kies voor zichtbaarheid. Of je nu n8n gebruikt of iets anders: zorg dat je processen visueel en overdraagbaar zijn. Een workflow die alleen jij begrijpt, is geen workflow. Het is een persoonlijke gewoonte.

Houd de mens in de loop. Niet alles hoeft 100% geautomatiseerd. De kracht zit in 80% automatisering met 20% menselijke controle. Dat laatste stukje is waar het vertrouwen zit, zowel intern als naar klanten toe.

Denk in data, niet in tools. Tools komen en gaan. Data blijft. Zorg dat alles wat je automatiseert, data genereert die je later kunt gebruiken. Elke gecontroleerde label, elke beantwoorde gastvraag, elke verwerkte risico-inventarisatie: het wordt een dataset waarmee je systemen slimmer maakt.

Wat volgende week op de planning staat

We draaien deze week tien salescalls. Tien. De markt beweegt snel. En een opvallend detail: klanten vinden ons inmiddels niet alleen via LinkedIn of Google, maar zelfs via zoekopdrachten in ChatGPT. Dat had ik een jaar geleden niet verwacht.

We werken aan een gestandaardiseerd "AI Starter" product. Een business scan waarin we drie tot vijf automatiseringskansen identificeren, plus de directe uitrol van de eerste workflow. Binnen twee weken tastbaar resultaat, geen adviesrapport dat in een la verdwijnt.

Daarnaast lanceren we binnenkort onze AI Readiness Scanner op de website. Een interactieve tool die dynamisch reageert op je input: je vult je functie en bedrijf in, en het systeem brengt je meest tijdrovende processen in kaart. Met een concreet eindrapport als resultaat.

Waarom vertel ik dit? Niet om te verkopen (hoewel: als je interesse hebt, DM me vooral). Maar omdat ik geloof dat transparantie over wat we bouwen, hoe we het bouwen, en wat het kost, de beste manier is om deze markt volwassen te maken.

Er zijn te veel partijen die "AI-transformatie" verkopen zonder concreet te maken wat dat betekent. Ik wil dat deze nieuwsbrief het tegenovergestelde is: specifiek, eerlijk, en bruikbaar.

Tot volgende week.

Dit is AI Startup Stories, de wekelijkse nieuwsbrief over het bouwen van een AI Agency in Nederland. Elke editie deel ik wat we leren, bouwen en fout doen. Geen theorie, wel de werkelijkheid.