Bij Mr. Green Offices was AI geen onbekend onderwerp. De eigenaar en Head of Innovation zaten er diep in. Tools, modellen, agents, automatisering: zij leefden al in de toekomst.
Maar de rest van de organisatie nog niet. De echte vraag was dus niet: “Welke AI-tool moeten we gebruiken?” De echte vraag was: “Hoe krijgen we 68 mensen mee die nog niet vanzelf starten?”
In 30 dagen bouwden we geen groot AI-programma. We begonnen kleiner. Met het MT. Met echte taken. Met mensen die zelf gingen ervaren: dit maakt mijn werk lichter, sneller en beter. Het resultaat: AI werd niet langer iets van de koplopers. Het werd iets van finance, HR, support, sales, marketing, bouw en operatie.
Twee mensen renden vooruit. De rest keek toe.
Toen we bij Mr. Green Offices binnenkwamen, leek AI op papier al goed geregeld. Er waren interne experts. Er was kennis. Er was ambitie. Er waren tools.
Maar dat maakte het probleem juist scherper. Want als twee mensen heel ver voorlopen, wordt de drempel voor de rest niet lager. Die wordt hoger.
Mensen denken dan niet: “Mooi, ik ga ook beginnen.” Ze denken: “Ik ben laat.” “Ik snap dit nog niet goed genoeg.” “Straks stel ik een domme vraag.” “Dit is iets voor de mensen die er al diep in zitten.”
Dat was het gat dat moest worden gedicht. Niet door nog meer tools te introduceren. Niet door nog meer inspiratie te geven. Maar door AI terug te brengen naar normaal werk.
Een offerte. Een finance-review. Een HR-vraag. Een supportproces. Een bouwplanning. Een presentatie. Een menu-analyse. Werk dat er toch al lag.
We begonnen niet met AI. We begonnen met werk dat mensen kwijt wilden.
De aanpak was simpel: geen groot implementatieplan, geen abstracte AI-strategie, geen “iedereen moet nu prompten”.
We begonnen bij het MT. De groep die moest voelen wat AI kon doen voordat zij het breder de organisatie in konden brengen.
Iedereen koos een concrete use case uit het eigen werk. Niet: “Wat kunnen we allemaal met AI?” Wel: “Welke taak kost je nu tijd, energie of frustratie?”
Daarna bouwden we vanuit drie principes.
- Kleine winst eerst. Een goede AI-adoptie begint niet bij een volledig geautomatiseerd proces. Het begint bij het eerste moment waarop iemand denkt: “Wacht. Dit werkt gewoon.”
- De interne experts werden coaches, geen zenders. De AI-koplopers bij Mr. Green werden niet neergezet als mensen die kwamen vertellen hoe het moest. Ze werden het voorbeeld dat anderen konden volgen.
- Elke use case moest in echt werk landen. Geen demo’s. Geen speeltuin. Elke toepassing moest iets doen in de dagelijkse operatie: sneller analyseren, beter uitvragen, consistenter schrijven, makkelijker onboarden of slimmer plannen.
AI ging van losse interesse naar dagelijks gebruik per team.
Na de eerste fase ontstond er geen lijst met ideeën. Er ontstonden werkende toepassingen.
Sales. Salesmedewerkers bouwen sneller offertes. Niet alleen sneller, maar ook consistenter. De juiste stijl, de juiste opbouw, minder opnieuw beginnen.
Finance. Finance gebruikt AI om balansposten, specificaties, verschillen tussen entiteiten en onderliggende boekingen te analyseren. Waar eerder handmatig draaitabellen werden gebouwd en posten werden uitgezocht, helpt AI nu om de afwijkingen en belangrijkste punten zichtbaar te maken.
HR. HR bouwde onder meer een verzuim- en wetgevingsassistent en een functieprofielarchitect. Niet als vervanging van oordeel, maar als extra check en sparringpartner.
Support. Support legt het inwerkproces vast met AI en gebruikt AI om tweedelijns supportvragen beter uit te vragen. Daarnaast is er een Desk Expert gebouwd die kennis over bureaus kan uitleggen aan interne collega’s, externe partners en eindgebruikers.
Bouwteam. Het bouwteam gebruikt AI om offertes te vergelijken, verschillen zichtbaar te maken en automatisch aanvullende informatie uit te vragen. Ook worden presentaties voorbereid met AI en wordt gekeken naar AI-ondersteuning bij onderhoudsplanning van panden.
Marketing. Marketing bouwt met Lovable en Claude. Niet als los experiment, maar om sneller van idee naar werkende output te gaan.
Operatie. Menukaarten worden geanalyseerd, doorgerekend en verbeterd met AI. Ook automatische notities en samenvattingen uit meetings helpen collega’s die er niet bij konden zijn.
Hoe het werkt. Vier stappen.
Vanaf één concrete taak bouwen we naar een werkende assistent die in echt werk landt. Geen demo, geen speeltuin. Wel een proces dat zich verspreidt via bewijs, niet via beleid.
Eén echte taak
Geen brainstorm over “AI in de organisatie”. Iedereen kiest één taak die nu al bestaat. Een offerte, een balanspost, een supportvraag, een functieprofiel. AI wordt een betere manier om bestaand werk te doen.
Eerste werkende assistent
De kennis zit al in de organisatie. Die wordt omgezet in een AI-assistent, Gem of Claude-project. Voice recordings van collega’s werden bijvoorbeeld de basis voor een NetOS Desk Expert in 15 minuten.
Op echt werk
Output wordt niet blind vertrouwd. Teams testen op echte situaties: klopt het, mist er context, vraagt de assistent goed door? Niet goed genoeg? Instructie aanscherpen.
Via teams, niet via beleid
Wanneer een use case werkt, wordt die gedeeld met het team. AI verspreidt zich als bewijs, niet als verplichting.
“Mijn AI-gebruik is echt enorm toegenomen na de workshop. Mijn werk is er oprecht leuker van geworden.”Kim · Mr. Green Offices
Wat er gebeurde na 30 dagen
Het MT ging van kijken naar bouwen. De eerste doorbraak zat niet in de technologie. Die zat in gedrag.
Mensen begonnen zelf te bouwen. Zelf te testen. Zelf te verbeteren.
De CEO gebruikt AI als sparringpartner om strategischer naar de organisatie te kijken. Finance bouwt aan een Living Finance Manual en gebruikt AI voor diepere analyses. HR gebruikt AI voor verzuim, wetgeving en functieprofielen. Support gebruikt AI voor desk-kennis, onboarding en betere vraagverheldering. Sales versnelt het maken van offertes en bewaakt de juiste stijl. Marketing bouwt met Claude en Lovable. Het bouwteam vergelijkt offertes, vraagt ontbrekende informatie uit en bereidt presentaties voor.
En misschien het belangrijkste: het gesprek veranderde. Niet meer: “Moeten we iets met AI?” Maar: “Wat is de volgende taak die we hiermee slimmer kunnen maken?”
Waarom dit werkte
AI-adoptie mislukt vaak omdat organisaties beginnen met software. Mr. Green liet zien dat het anders moet.
Begin met mensen. Begin met werk dat er al ligt. Begin met kleine winst. Laat collega’s elkaar meenemen. Bouw pas groter als het dagelijks gebruikt wordt.
Want AI werkt pas als mensen niet meer hoeven te doen alsof ze het al snappen.