AI Leiderschap: zo klim je de AI-ladder als manager — Sean Vermond

Je team vraagt om AI-tools. De ene collega wil ChatGPT, de andere heeft Claude ontdekt, de stagiair gebruikt Midjourney voor presentaties en je IT-afdeling trekt aan de noodrem over data-governance. Ondertussen zit jij als manager in het midden. Je weet dat AI belangrijk is. Je leest de krantenkoppen. Je hebt het budget om te investeren. Maar waar begin je? En hoe zorg je dat het niet een dure speeltuin wordt die na drie maanden weer in de kast verdwijnt?

Als je dit herkent, ben je niet alleen. Uit onderzoek van McKinsey blijkt dat 72% van bedrijven AI-tools inzet, maar slechts 28% dat doet op een manier die structureel waarde oplevert. De rest experimenteert, struikelt, en gaat terug naar de oude manier van werken. Het verschil tussen die 28% en de rest? Leiderschap. Niet de technologie, maar de manager die weet hoe je een organisatie meeneemt in een AI-transformatie.

Ik spreek hier uit ervaring. Bij een trainingsbureau waar ik werkte, heb ik meer dan vijftig medewerkers begeleid in AI-adoptie. De tools waren het makkelijke deel. De echte uitdaging? Mensen meekrijgen. De grootste weerstand kwam niet van de technologie — die was prima te leren. De weerstand kwam van angst. Angst om overbodig te worden. Angst om fouten te maken met iets nieuws. Angst om dom over te komen als je niet snapt hoe het werkt. Als manager is het jouw taak om die angst weg te nemen voordat je ook maar één tool introduceert.

Vandaag introduceer ik de AI-ladder: vijf niveaus die elke manager doorloopt op weg naar effectief AI-leiderschap. Per niveau vertel ik je wat je moet doen, waar de valkuilen liggen, en hoe je het volgende niveau bereikt. Want AI-leiderschap is geen schakelaar die je omzet. Het is een trap die je beklimt. Stap voor stap.

Waarom AI-leiderschap begint bij jezelf

Voordat we de ladder beklimmen, een ongemakkelijke waarheid: je kunt je team niet meenemen naar een plek waar je zelf nog nooit bent geweest.

Als je nog nooit een prompt hebt getypt in Claude of ChatGPT, als je niet weet wat het verschil is tussen een LLM en een AI-agent, als je "AI" nog associeert met sciencefiction-films — dan is het eerste wat je moet doen niet een AI-strategie schrijven. Dan is het eerste wat je moet doen: zelf gaan experimenteren.

Dat was ook mijn les bij dat trainingsbureau. De eerste maand probeerde ik het top-down: hier zijn de tools, hier is de training, ga aan de slag. Het werkte niet. Pas toen ik zelf liet zien hoe ik AI gebruikte in mijn dagelijks werk — live, met fouten en al — begon het kwartje te vallen. Mensen moeten zien dat hun manager het ook doet. Niet als theorie, maar als praktijk.

Ik heb het eerder geschreven in het artikel over AI en je baan: AI vervangt geen managers. Maar managers die AI begrijpen, vervangen managers die dat niet doen. En in het artikel over slimmer werken legde ik uit waarom sneller niet automatisch slimmer is. Dat geldt dubbel voor managers: als je niet begrijpt wat AI wel en niet kan, neem je beslissingen op basis van hype in plaats van realiteit.

Dus laten we klimmen.

Niveau 1: Awareness — weten wat AI kan (en wat niet)

Het eerste niveau is het meest onderschatte. Want "weten wat AI kan" klinkt simpel. Maar de meeste managers zitten vast tussen twee uitersten: óf ze denken dat AI alles kan ("laat de AI het maar doen"), óf ze denken dat AI niks kan ("het is een hype, het waait wel over").

Wat je moet doen op dit niveau

Lees, luister, en kijk — maar selectief. Je hoeft geen AI-expert te worden. Je moet begrijpen wat AI praktisch kan betekenen voor jouw type organisatie. Luister naar podcasts als Hard Fork of AI Explored. Lees publicaties van Anthropic, OpenAI en Google DeepMind — niet de persberichten, maar de use cases en klantenverhalen. Kijk naar wat concurrenten doen.

Begrijp de beperkingen. AI hallucineert. AI heeft geen context over jouw bedrijf tenzij je die geeft. AI is geen vervanging voor menselijk oordeel bij complexe beslissingen. AI is fantastisch in patroonherkenning, tekstgeneratie en data-analyse, maar slecht in nuance, empathie en ethische afwegingen. Een manager die dit begrijpt, maakt betere beslissingen dan een manager die blind vertrouwt op AI-output.

Praat met je team. Vraag wie er al AI-tools gebruikt. Je zult verrast zijn. Uit onderzoek van Salesforce blijkt dat meer dan de helft van de werknemers die AI gebruiken op het werk, dat doet zonder toestemming van hun werkgever. Ze gebruiken ChatGPT voor e-mails, Claude voor analyses, en Copilot voor presentaties — maar vertellen het niet omdat ze bang zijn voor negatieve reacties. Als manager moet je die deur openen, niet dichtslaan.

Valkuil op dit niveau

De valkuil is informatieverlamming. Je leest zo veel over AI dat je nooit begint. Elke week is er een nieuw model, een nieuwe tool, een nieuwe doorbraak. Als je wacht tot je alles begrijpt, begin je nooit. Awareness is geen eindbestemming — het is een springplank.

Niveau 2: Experimentation — zelf tools testen

Nu wordt het persoonlijk. Op niveau 2 ga je zelf aan de slag. Niet als techneut, maar als gebruiker. Want de enige manier om te begrijpen wat AI kan, is door het te doen.

Wat je moet doen op dit niveau

Kies drie taken uit je eigen week. Geen complexe strategische vraagstukken, maar dagelijkse taken. Misschien schrijf je wekelijks een teamupdate. Misschien bereid je presentaties voor. Misschien analyseer je rapportages. Neem drie van die taken en probeer ze met AI te doen.

Experimenteer met meerdere tools. Gebruik Claude voor een samenvatting van een lang rapport. Gebruik ChatGPT om brainstorm-ideeën te genereren voor een teammeeting. Gebruik Perplexity om snel onderzoek te doen voor een beslissing. Het punt is niet om de "beste" tool te vinden, maar om te ervaren wat AI in de praktijk oplevert.

Houd een logboek bij. Serieus. Schrijf op welke taak je deed, welke tool je gebruikte, hoeveel tijd het kostte versus de oude manier, en hoe tevreden je was met het resultaat. Na vier weken heb je data. Geen mening, maar data. En data overtuigt — jezelf en je stakeholders.

Wat je leert op dit niveau

Je leert dat AI niet magisch is. Sommige taken gaan spectaculair sneller. Andere leveren middelmatige resultaten op. Sommige AI-outputs zijn briljant. Andere zijn onzin. Die nuance — dat gevoel voor wanneer AI helpt en wanneer niet — kun je niet uit een boek halen. Dat moet je ervaren.

Valkuil op dit niveau

De valkuil is enthousiasme zonder structuur. Je ontdekt dat Claude fantastische samenvattingen maakt en wilt meteen de hele organisatie ombouwen. Niet doen. Experimenteren is persoonlijk. De volgende stap — integratie — is organisatorisch. En daar heb je een plan voor nodig.

Niveau 3: Integration — tools in workflows inbedden

Dit is waar het serieus wordt. Op niveau 3 ga je van individueel gebruik naar teamgebruik. Van "ik probeer iets met AI" naar "we doen dit voortaan met AI."

En dit is ook waar de meeste organisaties falen. Bij dat trainingsbureau was de doorbraak niet de tool — het was het moment dat we stopten met "AI is een optie" en begonnen met "dit is hoe we het voortaan doen." Geen vrijblijvendheid meer. Een duidelijk proces, duidelijke verwachtingen, en een veilige omgeving om fouten te maken.

Wat je moet doen op dit niveau

Identificeer de drie workflows die het meest baat hebben bij AI. Niet de leukste, maar de impactvolste. Waar verliest je team de meeste tijd? Waar is de kwaliteit inconsistent? Waar klagen klanten het vaakst? Dat zijn je kandidaten.

Typische workflows die zich goed lenen voor AI-integratie:

Klantenservice: eerste lijn beantwoorden met AI, complexe vragen doorzetten naar mens
Rapportage: data-analyse en eerste concept door AI, review en conclusies door mens
Content: research en concept door AI, bewerking en tone of voice door mens
Planning: AI-suggesties voor roosters en resource-allocatie, goedkeuring door mens

Stel richtlijnen op. Dit is cruciaal. Zonder richtlijnen krijg je chaos. Elke medewerker gebruikt een andere tool, op een andere manier, met andere verwachtingen. Stel vast: Welke tools zijn goedgekeurd? Welke data mag wél en niet in AI-tools? Wat is het goedkeuringsproces voor AI-gegenereerde output? Wie is verantwoordelijk als er iets misgaat?

Train je team. Niet een eenmalige presentatie van twee uur. Structurele training. Wekelijkse tips. Maandelijkse best practices. Een Slack-kanaal waar mensen hun AI-successen en -missers delen. Maak het normaal om over AI te praten, ermee te experimenteren, en er ook eerlijk over te zijn als iets niet werkt.

De krachtigste interventie die ik bij dat trainingsbureau deed was niet de trainingen zelf — het was het Slack-kanaal waar mensen hun mislukkingen deelden. "Ik probeerde Claude te gebruiken voor een klantenrapport en het was complete onzin." Dat normaliseerde falen. En toen falen normaal was, durfden mensen meer te experimenteren. En toen ze meer experimenteerden, vonden ze de toepassingen die echt werkten.

Valkuil op dit niveau

De valkuil is top-down implementatie zonder draagvlak. "Vanaf maandag gebruiken we allemaal tool X" werkt niet. Mensen moeten begrijpen waaróm ze een nieuwe tool gebruiken, hoe het hun werk beter maakt (niet alleen sneller), en de ruimte krijgen om het op hun eigen tempo te leren. Verandering die wordt opgelegd, wordt gesaboteerd. Verandering die wordt begrepen, wordt omarmd.

Niveau 4: Optimization — meten en verbeteren

Je team gebruikt AI-tools. De workflows zijn aangepast. Maar hoe weet je of het werkt? Op niveau 4 ga je meten. Want zonder meting is elke AI-implementatie een gok.

Wat je moet doen op dit niveau

Definieer KPI's voor je AI-initiatieven. Niet "we zijn innovatief" maar harde cijfers. Hoeveel tijd besparen we per week? Hoe is de klanttevredenheid veranderd? Hoeveel meer output produceren we met dezelfde capaciteit? Wat is de foutmarge van AI-gegenereerde content versus handmatige content?

Vergelijk voor en na. Dit klinkt voor de hand liggend, maar bijna niemand doet het. Meet de huidige staat voordat je AI implementeert. Hoelang duurt het nu om een rapport te maken? Hoeveel support-tickets worden per dag afgehandeld? Wat is de gemiddelde doorlooptijd van een project? Meet dezelfde dingen na drie maanden AI-gebruik en vergelijk.

Itereer. De eerste versie van je AI-workflow is nooit de beste. Misschien merk je dat de AI-chatbot 70% van de vragen goed beantwoordt, maar worstelt met een specifiek type vraag. Train hem bij. Misschien merk je dat je team Claude gebruikt voor samenvattingen maar ChatGPT voor brainstorms. Prima — formaliseer dat. Optimalisatie is een continu proces, geen eenmalige actie.

Feedback loops bouwen

Creëer een structuur waarin je team feedback geeft over AI-tools. Niet eens per kwartaal in een vergadering, maar continu. Een simpel formulier: "Welke tool gebruikte je? Waarvoor? Wat was het resultaat? Wat kan beter?" Die data is goud waard. Het vertelt je niet alleen of AI werkt, maar hoe het beter kan werken.

Valkuil op dit niveau

De valkuil is alleen meten wat makkelijk te meten is. Tijdsbesparing is makkelijk te meten. Kwaliteitsverbetering niet. Maar als je team dankzij AI drie keer zo veel rapporten produceert die allemaal middelmatig zijn, heb je niets gewonnen. Meet ook kwaliteit: klanttevredenheid, foutpercentage, en de subjectieve beoordeling van je team. "Zijn de rapporten beter?" is een legale meetvraag.

Niveau 5: Transformation — het bedrijfsmodel verandert

Dit is het topniveau. Hier gaat het niet meer over tools in bestaande processen stoppen. Hier verandert AI hoe je bedrijf fundamenteel opereert. Nieuwe producten, nieuwe diensten, nieuwe businessmodellen die zonder AI niet mogelijk waren.

Wat dit er in de praktijk uitziet

Van advies naar AI-augmented advies. Een consultancybureau dat voorheen mensenuren verkocht, biedt nu een combinatie van AI-analyse en menselijke interpretatie. De AI doet de data-analyse in uren in plaats van weken. De consultant besteedt zijn tijd aan strategie en klantrelatie. Het resultaat: snellere levering, lagere kosten voor de klant, hogere marges voor het bureau.

Van reactieve naar predictieve service. Een SaaS-bedrijf dat voorheen wachtte tot klanten problemen meldden, gebruikt nu AI om problemen te voorspellen vóórdat ze optreden. Churn-preventie wordt het nieuwe businessmodel. Niet meer "wij lossen problemen op" maar "wij zorgen dat problemen niet ontstaan."

Van standaard naar hyper-gepersonaliseerd. Een retailer die voorheen dezelfde catalogus aan iedereen toonde, biedt nu een volledig gepersonaliseerde winkelervaring. Elk product, elke prijs, elke aanbeveling is afgestemd op de individuele klant. Niet als nice-to-have, maar als kernpropositie.

Wat je moet doen op dit niveau

Denk in capabilities, niet in tools. Op dit niveau gaat het niet meer over "welke AI-tool gebruiken we?" maar over "wat kan onze organisatie nu doen wat drie jaar geleden onmogelijk was?" De tool is een middel. De capability is het doel.

Investeer in data-infrastructuur. AI is zo goed als je data. Op niveau 5 heb je een solide data-infrastructuur nodig: schone data, goede governance, en de mogelijkheid om data uit verschillende bronnen te combineren. Zonder dat fundament is transformatie onmogelijk.

Herbouw processen van scratch. Niet AI toevoegen aan bestaande processen — processen opnieuw ontwerpen met AI als uitgangspunt. Dat is het verschil tussen een paard voor een auto spannen en een auto bouwen die echt een auto is.

Valkuil op dit niveau

De valkuil is transformatie zonder fundament. Als je de vorige niveaus hebt overgeslagen — als je team niet begrijpt hoe AI werkt, als je geen richtlijnen hebt, als je niet meet — dan is transformatie een luchtkasteel. De ladder heeft vijf treden om een reden. Je kunt er geen overslaan.

De EU AI Act: AI-geletterdheid is nu verplicht

En dan is er nog de juridische werkelijkheid. Sinds februari 2025 is AI-geletterdheid verplicht onder de EU AI Act. Artikel 4 stelt dat organisaties die AI-systemen inzetten of aanbieden, moeten zorgen dat hun personeel voldoende kennis heeft van AI. Niet optioneel. Verplicht.

Wat betekent dit concreet voor jou als manager?

Je moet kunnen aantonen dat je team getraind is. Niet dat ze ooit een presentatie over AI hebben gezien, maar dat ze daadwerkelijk begrijpen hoe de AI-tools werken die ze dagelijks gebruiken. De risico's, de beperkingen, de ethische overwegingen.

Je moet een AI-governance framework hebben. Wie beslist welke AI-tools worden ingezet? Hoe wordt de output gecontroleerd? Wat gebeurt er als AI een fout maakt? Wie is verantwoordelijk?

Je moet risico's classificeren. De EU AI Act classificeert AI-toepassingen in risiconcategorieën. Als je AI gebruikt voor personeelsselectie, kredietbeoordeling of medische toepassingen, gelden strengere regels dan voor een AI-chatbot op je website. Als manager moet je weten in welke categorie jouw AI-gebruik valt.

Dit is geen nice-to-have. Dit is wetgeving. En de boetes zijn aanzienlijk: tot €35 miljoen of 7% van je wereldwijde jaaromzet, afhankelijk van welk bedrag hoger is.

De AI-ladder die ik hierboven beschreef, helpt je ook hierbij. Op niveau 1 (Awareness) begrijp je wat de wet vereist. Op niveau 3 (Integration) implementeer je richtlijnen en training. Op niveau 4 (Optimization) meet je compliance. Het is geen extra werk — het is een integraal onderdeel van verantwoord AI-leiderschap.

De Anthropic-realiteit: AI is boardroom-niveau

In februari 2026 haalde Anthropic een Series G-investering op van $3,5 miljard, waarmee het bedrijf op $61,5 miljard wordt gewaardeerd. Google investeert miljarden in AI-infrastructuur. Microsoft bouwt zijn hele productlijn om rond Copilot. Dit zijn geen experimenten meer. Dit is de nieuwe economie.

Als manager kun je hier twee dingen mee doen. Je kunt het negeren en hopen dat het overwaait. Of je kunt accepteren dat AI niet overwaait, en beginnen met het bouwen van de competenties die je organisatie nodig heeft om relevant te blijven.

De bedrijven die over vijf jaar de markt domineren, zijn de bedrijven die nu investeren in AI-leiderschap. Niet in de duurste tools, niet in de meeste tools, maar in managers die begrijpen hoe ze AI verantwoord en effectief kunnen inzetten.

Je persoonlijke actieplan

Laten we het concreet maken. Waar sta je op de ladder, en wat is je volgende stap?

Als je op niveau 0 staat (je hebt nog nooit een AI-tool gebruikt):

Download de Claude-app of ga naar chat.openai.com
Besteed deze week dertig minuten per dag aan experimenteren
Begin met iets simpels: laat AI een vergadernotitie samenvatten

Als je op niveau 1 staat (je weet wat AI kan maar doet er weinig mee):

Kies drie taken uit je eigen week en doe ze met AI
Houd een logboek bij van tijd en kwaliteit
Doel: vier weken lang, elke dag minstens één taak met AI

Als je op niveau 2 staat (je gebruikt AI zelf maar je team nog niet):

Organiseer een team-sessie: deel je ervaringen, laat zien wat werkt
Identificeer twee workflows die het team samen met AI kan verbeteren
Stel basisrichtlijnen op voor AI-gebruik binnen je team

Als je op niveau 3 staat (je team gebruikt AI maar het is ad hoc):

Formaliseer richtlijnen, training en goedgekeurd toolgebruik
Meet de impact: definieer KPI's en begin met een nulmeting
Plan maandelijkse evaluatiemomenten

Als je op niveau 4 staat (je meet en optimaliseert):

Begin na te denken over transformatie: welke nieuwe capabilities biedt AI?
Praat met je directie over AI-strategie op bedrijfsniveau
Investeer in data-infrastructuur als dat nog niet is gebeurd

Conclusie: begin bij jezelf

De AI-ladder is geen theorie. Het is een praktisch pad dat elke manager kan bewandelen. En het begint — altijd — bij jezelf.

Je hoeft geen AI-expert te zijn. Je hoeft geen code te kunnen schrijven. Je hoeft niet elk nieuw model te kennen. Maar je moet begrijpen wat AI kan en wat niet. Je moet het zelf ervaren. Je moet het verschil kennen tussen hype en realiteit. Pas dan kun je je team meenemen.

Want dat is uiteindelijk wat AI-leiderschap is. Niet de manager die de duurste tools koopt. Niet de manager die de mooiste AI-strategie op papier heeft. Maar de manager die zelf de ladder heeft beklommen, die weet waar de valkuilen zitten, en die zijn team stap voor stap meeneemt naar boven.

De EU verplicht het. De markt vereist het. Je team verwacht het.

De enige vraag is: op welke trede sta jij? En wat is je volgende stap?