Ik krijg vaak de vraag hoever Lucanet is met zijn AI-transformatie. Minder vaak krijg ik de vraag hoe we de organisatie daarop hebben voorbereid. Terwijl dat voor mij juist de echte vraag is. Veel bedrijven hebben inmiddels AI-tools ingevoerd, maar weinig bedrijven kunnen zeggen dat hun teams daardoor anders werken.
We hebben AI-geletterdheid organisatiebreed aangepakt en verankerd in onze manier van werken. Daarbij lag het tempo zo hoog dat er geen middenweg overbleef. Inmiddels gebruikt 98% van onze bijna 1.000 medewerkers AI in het dagelijkse werk en zegt 91% actief te worden geholpen om met AI te leren werken.
In de afgelopen negen edities hebben we het uitgebreid gehad over de intelligentie die we in het CFO Solution Platform inbouwen. Nu wil ik laten zien wat er nodig was om die intelligentie ook intern op te bouwen.
Toegang is het makkelijke deel
Mijn ervaring is dat teams vaak bij hun vertrouwde tools blijven zolang werkprocessen, prikkels, vaardigheden en het gedrag van leidinggevenden niet veranderen. Alleen toegang bieden verandert nog niet hoe mensen werken.
Die les bepaalde hoe we deze verandering bij Lucanet hebben aangepakt. We vroegen ons af: hoe maken we AI een vanzelfsprekend onderdeel van ons werk, hoe zetten we het verantwoord in en hoe zorgen we voor controle en verantwoording?
Toen generatieve AI medio 2023 opkwam, waren we er vroeg bij. Binnen drie maanden organiseerde ons tech team zijn eerste hackathon om te ontdekken wat de technologie kon en wat we ermee konden bouwen. We stelden eerst een helder, laagdrempelig beleidskader op, zonder al te veel regels: welke tools we mochten gebruiken, welke gegevens we mochten invoeren en wanneer menselijke beoordeling nodig was. Daarna kreeg iedereen toegang, ook mensen zonder technische functie. Medewerkers kregen tijd om te experimenteren, zonder dat ze een concreet resultaat hoefden op te leveren.
In 2024 was de basis gelegd om ons aanbod uit te breiden, nieuwe tools toe te voegen en teams te helpen met hun eigen pilots. De hackathons lieten zien dat het werkte. Toen mensen zagen hoe hun collega's met de nieuwe tools echte problemen oplosten, wilden ze het zelf ook proberen.
Steeds meer mensen kregen toegang en gingen AI gebruiken, maar niet iedereen deed dat evenveel. We moesten zorgen dat de organisatie klaar was om AI een vaste plek te geven in het dagelijkse werk.
AI verankeren in de organisatie
We wisten dat vrijwillige adoptie ons maar tot op zekere hoogte zou brengen. Op een gegeven moment vlakt die groei af. Dan wordt het verschil steeds belangrijker tussen teams die AI echt in hun werk integreren en teams die er alleen wat mee experimenteren. Voor ons kwam de omslag toen we AI-geletterdheid en werken met AI als basisvereisten gingen zien, in plaats van als optionele extra's. We namen deze verwachtingen op in functioneringsgesprekken, functieomschrijvingen en beoordelingsformulieren voor sollicitatiegesprekken. AI was niet langer iets om vrijblijvend te verkennen, maar werd onderdeel van onze manier van werken.
Even belangrijk was het besef dat structurele inbedding meer vraagt dan alleen tools. We moesten ook kijken naar de systemen eromheen: de inrichting van processen, zorgvuldig opgebouwde kennis, verantwoording en heldere afspraken over menselijke beoordeling. Dat maakt het verschil tussen een organisatie die AI duurzaam kan inzetten en een verzameling experimenten.
Dat zien we bij twee agents die we intern hebben ontwikkeld en nog steeds gebruiken.
Agent voor informatiebeveiliging en cyberbeveiliging
Wat begon als een eenvoudige chatbot, groeide in 18 maanden uit tot een RFP-tool die met een AI-agent werkt: LuCy. Een groot deel van het werk zat in de achterliggende kennisbank. Die combineert kennis over beveiliging, juridische zaken en producten en is zo ingericht dat ook andere agents hem kunnen gebruiken. De nieuwste versie leest volledige Excel-vragenlijsten, zoekt passende informatie in de kennisbank en stelt conceptantwoorden op. Bij elk antwoord geeft de tool aan hoe zeker hij ervan is, zodat een mens het kan beoordelen. In 2026 heeft LuCy automatisch 360 bestanden verwerkt en bijna 25.000 vragen beantwoord over producten, cyberbeveiliging en juridische zaken. Waar analisten vroeger dagen mee bezig waren, kost nu uren. Daardoor is de presalescyclus aanzienlijk korter geworden, terwijl de API-kosten verwaarloosbaar zijn. De waarde zit in de kennisbank. De agent maakt die kennis bruikbaar in de praktijk.
Servicedesk voor personeelszaken
SPARK, onze servicedeskagent voor People Ops, werkt volgens hetzelfde principe, maar in een andere context. Het management van het People-team zag al een duidelijk patroon: er ging te veel tijd op aan terugkerende vragen van medewerkers en routinematige dienstverlening met weinig strategische waarde. Samen met IT en AI Engineering vertaalden we die inzichten naar SPARK. In de eerste drie maanden voerde SPARK meer dan 1.800 gesprekken. Het aantal HR-tickets per medewerker daalde met 17% en de tevredenheidsscore na afloop van de chat kwam uit op 4,25 op 5. Medewerkers krijgen daardoor sneller en consistenter hulp en het People-team houdt meer tijd over voor complexe personeels- en bedrijfsvraagstukken die menselijk inzicht vragen.
De voorbeelden lijken op het eerste gezicht verschillend, maar laten hetzelfde patroon zien: AI creëert waarde wanneer het onderdeel is van de dagelijkse manier van werken. Dan blijft het niet bij experimenteren en gaat de organisatie daadwerkelijk efficiënter werken.
Wat een transformatie écht vraagt
Ik wil hier eerlijk over zijn, want dit deel wordt vaak weggelaten uit verhalen over transformatie.
Transformatie is rommelig. Het is geen keurig afgebakend traject waarin je eerst de voorwaarden schept, vervolgens de tools opschaalt en iedereen zich daarna aanpast. In werkelijkheid veranderen tools, omstandigheden, verwachtingen en vaardigheden tegelijk. Dat gaat niet vlekkeloos en gebeurt onder druk. Mensen proberen hun werk te doen, terwijl ze ook hun manier van werken moeten veranderen.
Toen we overstapten op ontwikkeling met AI-agents en AI-geletterdheid opnamen in onze prestatieverwachtingen, zagen we in een interne peiling dat het vertrouwen in het bedrijf tijdelijk daalde. Dat verbaasde me niet. Echte verandering brengt onzekerheid met zich mee. Wie iets anders zegt, gaat óf niet snel genoeg óf let niet goed op. De vraag is niet hoe je die dip voorkomt, maar hoe je erdoorheen komt.
We kozen voor snelheid en eerlijkheid in plaats van een lange aanpassingsperiode. We communiceerden snel en direct, ook als we nog niet alle antwoorden hadden. Onduidelijkheid is schadelijker dan een onvolmaakte maar eerlijke boodschap. Zo simpel is het. Als mensen niet weten wat ze kunnen verwachten, gaan ze uit van de slechtst mogelijke uitkomst. Ook als nog niet alles duidelijk is, helpt openheid sneller tegen die onzekerheid dan wachten tot het beeld compleet is.
Dat betekende dat we ook ongemakkelijke zaken hardop benoemden. Dat we echt gingen overstappen op een manier van werken waarin AI centraal staat. Dat die overstap zou veranderen welke vaardigheden belangrijk zijn en hoe functies eruitzien. Dat we snel vooruitgingen, omdat we met een langzame, zorgvuldige aanpassingsperiode zouden falen en onze kans zouden missen.
Wat ons erdoorheen hielp, was consistentie en verantwoording op alle niveaus. Aanpassingsvermogen is niet alleen een individuele vaardigheid. Leidinggevenden dragen er ook verantwoordelijkheid voor. Je kunt mensen vragen zich aan te passen en tegelijk zichzelf te blijven, maar alleen als je dat zelf ook doet. Dat betekent van koers veranderen zonder je geloofwaardigheid te verliezen, en daarbij zowel het tempo als de eerlijkheid vasthouden.
Ik werk al negen jaar bij Lucanet en dit is een van de belangrijkste stappen die we als organisatie hebben gezet. Om AI echt te verankeren in hoe we denken, mensen aannemen, onze pretsaties meten en klanten bedienen, moesten we als organisatie op wezenlijke punten groeien. Die groei verliep niet zonder slag of stoot, maar was noodzakelijk.
Die 98% is geen loze claim. Onze periodieke peiling brengt in kaart hoe vaak medewerkers AI gebruiken, waarvoor ze het inzetten en of managers hun teams actief ondersteunen bij de overstap naar AI-gestuurde werkwijzen. De efficiëntiewinst die dat cijfer weerspiegelt, is net zo echt. Maar het meest trots ben ik op de organisatie die we hebben opgebouwd: een organisatie die zich met voldoende eerlijkheid en overtuiging door de onzekerheid heen heeft gewerkt en daar sterker is uitgekomen.
Dezelfde standaard, intern toegepast
Er is nog iets dat ik wil benoemen. Lucanet kan zichzelf aan deze norm houden en handelen vanuit overtuiging, in plaats van alleen uit urgentie, omdat AI past bij wie we zijn. We automatiseren al meer dan 25 jaar het werk van de CFO en het financiële team. Die ervaring gaf ons een basis om op voort te bouwen: als softwarebedrijf, maar ook als organisatie die dezelfde eisen aan zichzelf stelt als aan haar product. AI diep in onze manier van werken verankeren sluit aan bij onze vaste overtuiging: de CFO en het financiële team verdienen betere tools, en wie die tools bouwt, moet aan dezelfde norm voldoen.
Doordat wat we bouwen aansluit op hoe we werken, wordt onze toewijding concreet. AI verankeren in de organisatie is geen project met een eindstreep. Het betekent dat we steeds opnieuw moeten kiezen voor snel handelen, blijven verbeteren en eerlijk leidinggeven, ook wanneer de verandering moeizaam verloopt.
Bekijk zelf de resultaten
Met de workflowagents van Lucanet kun je op jouw voorwaarden afsluiten, plannen en rapporteren. Ze zijn allemaal gebouwd op de vertrouwensarchitectuur die we in deze serie hebben beschreven. Van financiële modellering tot het koppelen van emissiefactoren: onze agents brengen betrouwbare intelligentie naar je dagelijkse werkprocessen.
