Je hebt besloten dat je bedrijf iets met AI moet. De vraag is hoe je dat aanpakt. Kondig je het aan, koop je licenties en rol je het uit? Of begin je bij een klein groepje en laat je het van onderop groeien?
De meeste bedrijven kiezen de eerste route, omdat die logisch aanvoelt en snel te regelen is. Wij hebben inmiddels genoeg uitrollen gezien om te weten hoe dat drie maanden later uitpakt: bij een bedrijf dat voor iedereen een Copilot-licentie aanschaft van twintig euro per maand, gebruikt na een kwartaal ongeveer tien procent van de organisatie het dagelijks op een goede manier. Dat cijfer komt uit onze eigen praktijk en niet uit een onderzoek, maar we zien het bij vrijwel elk bedrijf terug.
In dit artikel zet ik de twee aanpakken naast elkaar op vijf punten die je in de praktijk voelt: snelheid, kosten, gebruik na drie maanden, weerstand en risico. Aan het eind weet je welke aanpak bij jouw organisatie past, en waar je ze moet combineren.
Wat is top-down AI implementeren?
Bij top-down neemt de directie of het MT het besluit, kiest de tool en rolt die uit over de organisatie. Er komt een aankondiging, licenties voor iedereen, meestal een training van een halve dag en daarna de verwachting dat mensen ermee gaan werken.
De aanname eronder is dat mensen een tool gebruiken zodra ze hem hebben.
Wat is bottom-up AI implementeren?
Bij bottom-up begint het bij de medewerker. Die brengt eerst zijn eigen werk in kaart, kiest zelf een taak die hem energie kost, en bouwt daar met begeleiding een oplossing voor. Het management levert budget, kaders en tijd.
De aanname eronder is dat mensen iets gebruiken zodra het hun eigen probleem oplost.
Zo zien de twee aanpakken naast elkaar uit op de punten die je in de praktijk voelt.
| Top-down | Bottom-up | |
|---|---|---|
| Start | Binnen een week licenties uitgedeeld | Eén werksessie, daarna dertig dagen |
| Kosten vooraf | Alleen licenties | Licenties plus begeleiding en tijd |
| Gebruik na 3 maanden | Tien tot twintig procent van de medewerkers | Het overgrote deel van de deelnemers |
| Weerstand | Vooraf en passief | Tijdens het traject en zichtbaar |
| Grootste risico | Techniek zonder probleem, plus schaduwgebruik | Blijft hangen bij één team |
Welke aanpak gaat sneller van start?
Top-down. Binnen een week kun je licenties uitgedeeld hebben en een kickoff in de agenda hebben staan.
Bottom-up kost meer voorbereiding, omdat je eerst per persoon moet weten waar de tijd weglekt. Bij ons duurt dat één werksessie met het team, en daarna een programma van dertig dagen.
Op papier wint top-down dus ruim. Alleen meet je daarmee de start, en niet de aankomst.
Welke aanpak is goedkoper?
Top-down lijkt goedkoper omdat je alleen licenties betaalt. Reken de niet-gebruikte licenties er wel bij. Een rekenvoorbeeld: honderd medewerkers, twintig euro per maand, tien procent dagelijks gebruik. Dan betaal je ongeveer 21.600 euro per jaar voor negentig mensen die er niets mee doen.
Het kan harder oplopen dan licenties. Bij een bedrijf van honderd medewerkers waar wij nu binnen zijn, is twee jaar geleden 75.000 euro betaald voor een set AI-agents. Niemand gebruikt ze. Er is zelfs niemand met een inlog. Dat geld is niet weggegooid aan slechte techniek, maar aan techniek die niemand had gevraagd.
Bottom-up vraagt vooraf om begeleiding en om tijd van je mensen. Dat is een zichtbare investering. Daar staat tegenover dat je licenties uitdeelt aan mensen die weten waarvoor ze ze gebruiken.
Hoeveel mensen gebruiken het na drie maanden?
Dit is het verschil dat telt. In onze eigen trajecten zien wij bij een top-down uitrol doorgaans tien tot twintig procent van de medewerkers na een kwartaal actief werken met AI. Bij een bottom-up aanpak waarin iedereen zelf één oplossing heeft gebouwd, blijft het overgrote deel van de deelnemers het gebruiken, omdat ze het aan hun eigen werk hebben vastgeknoopt.
De reden is dopamine, niet techniek. Het lijkt op naar de sportschool gaan. Je traint drie weken, je kijkt in de spiegel en je ziet verschil. Daarna wil je zelf verder. Bij een top-down uitrol is er nooit een moment waarop iemand zichzelf ziet verbeteren.
Wij zijn niet de enigen die dat patroon zien. In een Gartner-onderzoek onder 132 IT-leiders zei 57 procent dat het gebruik snel afneemt nadat een tool is uitgerold, en 72 procent dat medewerkers moeite hebben om het in hun dagelijkse routine te krijgen. Dat onderzoek is van 2024 en gaat over Copilot-uitrollen bij grote organisaties, maar de beweging is dezelfde als die wij in het MKB zien.
Waar zit de weerstand?
Bij top-down zit de weerstand vooraf en die is passief. Mensen zeggen niet dat ze het niet gaan doen. Ze hebben het druk, ze komen er volgende week op terug, en dan is het weg.
Bij bottom-up zit de weerstand tijdens het traject en die is zichtbaar. Er is bijna altijd iemand die zijn hakken in het zand zet. Dat is terecht: AI toegang geven tot je mail, je bestanden en je agenda is spannend, en niemand weet precies wat dat over vijf jaar betekent. Zichtbare weerstand kun je bespreken. Passieve weerstand niet.
Wat bij ons het beste werkt met de scepticus in het team, is niet overtuigen maar laten kiezen. Vraag welke taak hij het meest verafschuwt en begin daar. Wie zijn eigen rotklus kwijt is, wordt zelden de rem.
Welke aanpak is risicovoller?
Top-down is risicovoller op twee punten. Je koopt techniek in voordat je weet welk probleem je oplost, en je krijgt schaduwgebruik. Mensen die geen werkbare tool krijgen aangereikt, pakken hun eigen gratis versie. Dan staat je klantdata in een tool waar je geen zicht op hebt. Waarom dat een probleem is, lees je in mag je klantgegevens in AI stoppen.
Bottom-up heeft een ander risico: het blijft hangen bij één team. Als de directie er niet aan vasthoudt, heb je één enthousiaste afdeling en verandert de rest niets.
Voor wie is top-down toch de juiste keuze?
Voor de dingen die je centraal moet regelen. Er zijn drie beslissingen die niet bij de medewerker horen:
- de keuze voor betaalde zakelijke accounts en welke leverancier
- de kaders: welke data mag er wel en niet in, en wie is aanspreekbaar
- de verplichting uit artikel 4 van de Europese AI-verordening om AI-geletterdheid bij je personeel te ondersteunen
Dat laatste punt is sinds kort minder streng dan het was. Artikel 4 geldt sinds 2 februari 2025 voor iedere organisatie die AI zakelijk gebruikt, ook als dat alleen ChatGPT is. Op 27 juli 2026 is het via de digitale omnibus herschreven: je moet de ontwikkeling van AI-kennis bij je mensen ondersteunen, maar je hoeft geen bepaald kennisniveau te garanderen. Wat de AVG en de AI-verordening verder van je vragen, staat in welke compliance-risico’s je moet kennen voordat je AI uitrolt.
Dat is directiewerk. Wacht daar niet op het team.
Voor wie is bottom-up de juiste keuze?
Voor alles wat met gebruik te maken heeft. Bottom-up werkt het beste als je team tussen de vijf en tien mensen per groep zit, als er iemand in de leiding is die het onderwerp echt wil, en als je bereid bent tijd vrij te maken in de agenda.
Het werkt niet als je verwacht dat het naast het gewone werk gebeurt zonder dat er iets uit de agenda gaat.
De directie beslist, het team bepaalt of het werkt
Je hoeft niet te kiezen tussen de twee. Je moet ze op de juiste plek zetten. Het besluit, het budget en de spelregels komen van boven. Het gebruik komt van onderop, of het komt niet.
Als je nu een uitrol achter je hebt waar weinig van over is, is dat een dure les en een bruikbaar startpunt. Je weet nu welke tool je hebt en wie er wel iets mee doet. Begin bij die mensen.
Je volgende stap is één team kiezen van maximaal tien personen en iedereen laten opschrijven welke taken hem energie kosten. Dat is een sessie van twee uur en het levert je meteen de lijst op waar je iets mee kunt.
Wij begeleiden dat bij CommonBase in een programma van dertig dagen, waarin ieder teamlid één werkende oplossing bouwt voor zijn eigen werk. Wil je eerst weten waarom uitrolprojecten zo vaak stilvallen, lees dan de 6 redenen waarom AI-projecten mislukken. Wil je sparren over jouw situatie, plan dan een kennismaking.
Dit artikel komt uit aflevering #10 van de podcast van Eliene Sonneveld, “Niet achterblijven met AI? Zo pak je dat aan”. Beluister de aflevering op Spotify of via de podcastpagina van Sunfield Academy.
Dit artikel is onderdeel van onze complete gids: AI-adoptie in het MKB, van gereedheid tot meetbaar resultaat.