ChatGPT, Claude of iets anders? Waarom AI-toolselectie steeds meer een organisatievraagstuk wordt

De meeste organisaties zijn met AI begonnen via één tool. Vaak was dat ChatGPT. Soms Microsoft Copilot. Inmiddels gebruiken medewerkers AI voor het schrijven van e-mails, het voorbereiden van offertes, het analyseren van documenten en het ondersteunen van klantcontact.

In de beginfase is de keuze relatief eenvoudig. Je kiest een tool, medewerkers gaan ermee experimenteren en de eerste resultaten worden zichtbaar.

Na verloop van tijd ontstaat echter een andere vraag.

Niet: welke AI-tool moeten we gebruiken?

Maar: hoe organiseren we AI binnen onze organisatie op een manier die meebeweegt met de snelheid waarmee deze technologie zich ontwikkelt?

Dat is een wezenlijk andere uitdaging.

AI-modellen veranderen sneller dan traditionele software

Bij traditionele software maak je een keuze voor meerdere jaren. Een CRM-systeem, boekhoudpakket of ERP-oplossing verandert doorgaans geleidelijk.

AI-modellen ontwikkelen zich anders.

Nieuwe modellen verschijnen in hoog tempo. Bestaande modellen worden voortdurend verbeterd. Functionaliteiten die vandaag onderscheidend zijn, kunnen een paar maanden later gemeengoed zijn.

Dat maakt AI-toolselectie fundamenteel anders dan traditionele softwareselectie.

Een keuze die vandaag logisch is, hoeft dat over zes maanden niet meer te zijn.

Waarom één AI-tool zelden voldoende is

Veel organisaties starten met één standaardplatform. Dat lijkt overzichtelijk, maar in de praktijk blijkt al snel dat verschillende werkzaamheden verschillende eisen stellen.

Een marketeer die campagnes ontwikkelt, heeft andere behoeften dan een financieel medewerker die rapportages analyseert. Een HR-manager die vacatureteksten opstelt werkt anders dan een directielid dat strategische documenten beoordeelt.

Daardoor ontstaat een patroon dat bij veel organisaties zichtbaar is.

ChatGPT wordt vaak gebruikt voor creatieve toepassingen, brainstormsessies en contentontwikkeling.

Claude wordt regelmatig ingezet voor het analyseren van langere documenten, beleidsstukken en complexe teksten.

Gemini wordt vooral interessant voor organisaties die intensief gebruikmaken van Google Workspace.

Daarnaast ontstaan er steeds meer gespecialiseerde modellen voor specifieke toepassingen.

De vraag verschuift daarmee van "welke tool is het beste?" naar "welke tool past het beste bij deze taak?"

Wat succesvolle organisaties anders doen

Wanneer organisaties verder komen in hun AI-adoptie, verandert hun manier van kijken.

Zij standaardiseren niet zozeer op één model, maar op een manier van werken.

Dat begint met duidelijke afspraken.

Voor welke werkzaamheden zetten we AI in?

Welke output moet altijd door een medewerker worden gecontroleerd?

Welke gegevens mogen wel of niet worden gebruikt?

Wie is verantwoordelijk voor beheer en evaluatie?

Door deze vragen te beantwoorden ontstaat een fundament dat minder afhankelijk is van een specifiek model.

Dat blijkt belangrijk, omdat modellen blijven veranderen.

Een ontwikkeling die steeds belangrijker wordt: meerdere modellen vanuit één platform

Steeds meer organisaties kiezen ervoor om niet rechtstreeks afhankelijk te zijn van één modelleverancier.

In plaats daarvan werken zij via platformen die toegang bieden tot meerdere modellen vanuit één centrale omgeving.

Hierdoor ontstaat meer flexibiliteit.

Wanneer een nieuw model beter presteert voor een bepaalde taak, kan relatief eenvoudig worden gewisseld zonder dat medewerkers hun hele werkwijze hoeven aan te passen.

Daarnaast biedt een centrale omgeving voordelen op het gebied van beheer.

Toegangsrechten, beveiliging, logging en gebruiksrichtlijnen kunnen op één plek worden ingericht. Dat voorkomt dat AI-gebruik verspreid raakt over losse accounts, abonnementen en applicaties.

Voor veel organisaties wordt dit de komende jaren waarschijnlijk belangrijker dan de keuze voor een specifiek model.

De uitdaging verschuift van toolselectie naar regievoering.

De opkomst van Shadow AI

Tegelijkertijd speelt er nog een andere ontwikkeling.

Veel organisaties gebruiken meer AI dan zij zelf denken.

Dit verschijnsel wordt vaak aangeduid als Shadow AI.

Het ontstaat wanneer medewerkers zelfstandig AI-tools inzetten zonder dat deze formeel onderdeel zijn van het IT-landschap of het AI-beleid van de organisatie.

Dat gebeurt vaker dan veel bedrijven vermoeden.

Een marketeer gebruikt een nieuwe tool voor contentcreatie.

Een accountmanager laat klantinformatie analyseren.

Een medewerker gebruikt een AI-transcriptietool voor vergaderingen.

Vaak gebeurt dit met de beste bedoelingen. Medewerkers zoeken manieren om productiever te werken.

Toch ontstaat hierdoor een uitdaging.

Het management denkt soms dat er met drie AI-tools wordt gewerkt, terwijl er in werkelijkheid tientallen verschillende toepassingen actief zijn binnen de organisatie.

Daardoor ontbreekt overzicht over:

• welke tools worden gebruikt;

• welke gegevens worden gedeeld;

• welke processen afhankelijk zijn van AI;

• welke risico's of verplichtingen daarbij horen.

Voor veel organisaties is dit momenteel een grotere uitdaging dan de keuze tussen ChatGPT en Claude.

Hoe blijf je bij in een markt die continu verandert?

Een veelgemaakte fout is om AI-toolselectie te zien als een eenmalig project.

In werkelijkheid werkt AI meer als een continu verbeterproces.

Organisaties die hier volwassen mee omgaan evalueren periodiek hun AI-landschap.

Niet dagelijks en ook niet bij iedere nieuwe aankondiging, maar bijvoorbeeld ieder kwartaal of halfjaar.

Daarbij kijken zij naar vragen zoals:

• Welke toepassingen leveren daadwerkelijk waarde op?

• Zijn er nieuwe modellen die beter aansluiten op onze processen?

• Gebruiken medewerkers de afgesproken tools?

• Zijn er nieuwe risico's of compliance-eisen ontstaan?

Deze aanpak voorkomt dat organisaties achter de feiten aanlopen of voortdurend achter iedere nieuwe ontwikkeling aanrennen.

Wat betekent dit voor het MKB?

Voor veel MKB-bedrijven ligt de grootste uitdaging niet in technologie.

De grootste uitdaging is overzicht.

Welke AI-tools gebruiken we vandaag al?

Waar worden ze voor ingezet?

Welke processen raken ze?

Wie houdt toezicht op het gebruik?

Pas wanneer die basisvragen zijn beantwoord, ontstaat ruimte om strategische keuzes te maken over tooling, governance en verdere opschaling.

Dat blijkt in de praktijk vaak waardevoller dan eindeloze discussies over welk model momenteel de hoogste benchmarkscore behaalt.

Tot slot

De organisaties die de komende jaren het meeste voordeel halen uit AI zijn waarschijnlijk niet de bedrijven die als eerste overstappen op het nieuwste model.

Het zijn de organisaties die voldoende overzicht hebben om nieuwe ontwikkelingen te beoordelen, voldoende structuur hebben om AI verantwoord in te zetten en voldoende flexibiliteit hebben om mee te bewegen wanneer de technologie verandert.

In een markt waarin modellen continu verbeteren, wordt aanpassingsvermogen uiteindelijk belangrijker dan de keuze voor een specifieke tool.