Processen
Controleren wordt het knelpunt van je commerciële werking
AI zet een offerte in minuten op papier. Waarom heeft je binnendienst aan het eind van de week dan geen tijd over?
Een technische offerte die vroeger een halve dag kostte, staat met AI in een paar minuten op papier. Netjes opgemaakt, vlot geschreven. Toch heeft je binnendienst aan het eind van de week zelden anderhalve dag over. Waar gaat die tijd naartoe?
Het antwoord zit in een stuk werk dat bij elke offerte hoort, maar dat zelden opvalt: nagaan of wat er staat ook klopt. Met AI gaat het werk van het maken naar het controleren. Dat controleren kost meer tijd dan je zou denken. Het wordt ook moeilijker en komt terecht bij een paar mensen in je bedrijf.
Tijdswinst per taak, niet per week
De grootste belofte van AI is tijdswinst. Dat zeggen ook de werknemers zelf in de Work Trend Index van Microsoft en LinkedIn (2024). Klopt die belofte ook? Het antwoord is genuanceerder dan je zou denken. Kijk je naar één taak, dan wint AI zeker tijd: een offerte staat sneller op papier.
Twee Deense economen keken in 2025 niet naar één taak, maar naar een volledige werkweek. Van de gewonnen tijd bleef bij hen maar een klein deel over: ongeveer een uur per week, of 2,8% van de werktijd (Humlum en Vestergaard, 2025). De gewonnen tijd gaat blijkbaar grotendeels naar ander werk. Een deel van dat werk is nieuw: controleren wat AI oplevert.
De grote cijfers over tijdswinst komen vaak uit experimenten die één afgelijnde taak meten. In 2023 gaven twee economen van MIT een groep marketeers en consultants een korte schrijfopdracht uit hun eigen vak, zoals een persbericht of een kort rapport. De deelnemers met ChatGPT waren gemiddeld 40% sneller klaar (Noy en Zhang, 2023). Alleen namen de deelnemers met ChatGPT het antwoord vaak met weinig aanpassingen over. Een grondige controle, zoals een echte offerte die vraagt, zat dus nauwelijks in die 40%.
Nalezen neemt de plaats in van maken
Een recentere test nam dat nalezen wel mee. In 2025 zette OpenAI GDPval op, een grote test met vakmensen uit 44 beroepen, van advocaat tot verkoopmanager. Deze vakmensen, met gemiddeld veertien jaar ervaring, kregen elk een opdracht uit hun eigen praktijk, zoals het opstellen van juridisch advies of een verkoopplan. Dezelfde opdracht ging ook naar een AI-model. Andere vakmensen vergeleken daarna de twee resultaten, zonder te weten wie wat gemaakt had. Het model deed het verrassend goed: in bijna de helft van de opdrachten vonden de beoordelaars het AI-resultaat even goed als dat van de vakman, of beter (Patwardhan en collega's, 2025).
Een goed resultaat zegt nog niets over de tijdswinst. De onderzoekers hielden dus ook bij hoelang een opdracht duurde. Een vakman zonder AI had gemiddeld bijna zeven uur nodig. Het model leverde dezelfde opdracht af in 4,5 minuten. Het nalezen van dat resultaat kostte een vakman gemiddeld 109 minuten. Samen kost een opdracht met AI zo net geen twee uur, 3,5 keer sneller dan zonder AI.
Twee uur is wel het beste geval: het model werkt de opdracht dan in één keer goed af. Vaak lukte dat niet. Dan liet de vakman het model een nieuwe poging doen, of maakte hij de opdracht uiteindelijk toch zelf. Met die extra rondes erbij duurde een opdracht met AI net geen vijf uur. Dat is nog altijd 28% sneller, maar veel minder dan de 4,5 minuten van het model doen vermoeden.
Belangrijker dan de tijdswinst is hoe de tijd binnen één opdracht verdeeld wordt. Vroeger zat bijna alle tijd in het maken. Een juridisch advies schrijven kostte een dag. Het nalezen was een klein stuk werk achteraf. Met AI is die verhouding omgekeerd. Het maken duurt een paar minuten. Het werk zit nu in het controleren: lezen, vergelijken, nagaan of het klopt, en herwerken wat niet klopt.
Zonder AI was maken een kneedproces. Je collega schreef een stuk, toetste het aan zijn ervaring, aan vorige offertes en aan de afspraken met de klant, en verbeterde het. Die ronde herhaalde hij tot de offerte klopte. Controleren hoorde zo bij het maken. Met AI krijgt hij een afgewerkte tekst en moet hij nagaan of zijn kennis erin zit. Zo'n controle is lastig, want bij het nalezen beoordeel je vooral wat er staat. Een fout in de tekst valt veel sneller op dan een ontbrekende afspraak (Mosier en collega's, 1998).
Een vlotte tekst verbergt zijn fouten
Controleren kost niet alleen meer tijd, het wordt ook moeilijker. Vroeger verraadde een slordige offerte vaak slordig denkwerk. Een tikfout in de prijs, een verkeerd gespelde klantnaam of een rommelige opmaak deden vermoeden dat de offerte haastig op een maandagmorgen werd opgesteld. Bij zulke slordigheden was de salesmanager op zijn hoede. Maar vandaag leest een offerte van AI bijna altijd vlot, ook als de inhoud niet klopt. Die signalen van slordigheid vallen dus weg.
In 2023 bleek bij Boston Consulting Group hoe ver dat kan gaan. Onderzoekers gaven een groep consultants cijfers over de merken van een fictief bedrijf, samen met verslagen van gesprekken met medewerkers. De consultants moesten de topman adviseren in welk merk hij het best investeerde. De helft werkte met AI, de andere helft zonder. Er was maar één juist antwoord. Dat zat verstopt in details van de gesprekken. De consultants met AI kwamen 19 procentpunt minder vaak tot dat juiste antwoord. Toch gaven de beoordelaars net hun adviezen hogere punten voor kwaliteit: ze vonden die adviezen overtuigender en beter geschreven (Dell'Acqua en collega's, 2026).
Ook bij een gerichte controle op fouten blijft veel onopgemerkt. In 2024 lieten onderzoekers taalmodellen nieuwsartikels samenvatten, productbeschrijvingen schrijven en praktische vragen beantwoorden. In een op de vijf van die teksten vonden experts een feitelijke fout. Willekeurige beoordelaars zagen er maar bij een op de vijfentwintig. Hoe zelfzekerder het antwoord klonk, hoe minder fouten die beoordelaars zagen (Hosking en collega's, 2024). Nobelprijswinnaar Kahneman gaf dat verband al lang een naam: cognitief gemak. Hoe makkelijker we een tekst lezen, hoe sneller we geloven wat er staat.
Als je elke dag offertes, voorstellen en mails nakijkt, herken je dat misschien. Een offerte van een junior met AI leest even vlot als die van een ervaren verkoper, ook als de junior de klant nauwelijks kent. Om de fouten toch te vinden, moet de salesmanager trager lezen en zelf nagaan wat er staat. Trager lezen kost tijd, en net die tijd was al schaars. Hij moet zo niet alleen meer offertes nalezen, elke offerte vraagt ook meer aandacht dan vroeger.
Waar het werk zich opstapelt
Ondanks al dat nalezen levert AI op één offerte nog altijd tijd op. Gelden de verhoudingen uit GDPval ook voor je binnendienst, dan kost een technische offerte van een halve dag met AI ongeveer drie uur, nalezen en herwerken inbegrepen. In een week past er zo ongeveer 40% meer werk: met 28% minder tijd per offerte maak je er 1 / 0,72 = 1,39 keer zoveel.
Dat klinkt als een luxeprobleem. Alleen blijft het aantal aanvragen niet gelijk. Die stroom bepaal je niet zelf. In het vorige deel zag je waar ze vandaan komt: je collega's maken offertevarianten, je klanten sturen vragenlijsten van tachtig punten, en aankopers sturen hun prijsaanvraag naar meer leveranciers dan vroeger. Zo is de extra ruimte sneller opgebruikt dan je zou denken. De offertes wachten op een bureau tot iemand tijd vindt om ze te controleren. Intussen wacht de klant.
Dat het controleren zo vastloopt, is ook gemeten. In 2026 beschreef Anthropic, de maker van Claude, hoe het werk van zijn eigen medewerkers veranderde. Veel van dat werk loopt er via agents. Zo'n agent voert zelfstandig een taak uit, zoals code schrijven of een rapport opstellen. In augustus 2026 werkten de agents van één medewerker samen al zes keer zoveel uren als die medewerker zelf. Maar die agents stonden ongeveer 80% van de tijd stil, in afwachting van een antwoord van een medewerker. Een ingenieur vatte het droog samen: de mensen houden de agents op (Anthropic, 2026).
Het wetenschappelijke tijdschrift Organization Science kreeg in 2025 42% meer artikels binnen dan vóór de komst van ChatGPT, bijna volledig door artikels met AI-tekst. Elk ingediend artikel moet eerst door een redacteur gelezen worden, ook als het zwak is. De redactie wees bijna 70% van de artikels met veel AI-tekst meteen af. Om dat volume te verwerken, verdubbelde het tijdschrift zijn redacteurs, van ongeveer dertig naar zestig. Toch kregen sommige redacteurs daarna nog meer dan 250 artikels per jaar op hun bureau (Gartenberg en collega's, 2026).
Het tijdschrift kon zijn redacteurs nog verdubbelen. Een kmo met één salesmanager neemt er niet zomaar een tweede bij. Het controleren is zo op twee manieren het knelpunt geworden. Het volume groeit sneller dan mensen kunnen nalezen. Elke tekst vraagt ook meer aandacht. De salesmanager moet dus kunnen kiezen welke offertes zijn oordeel nodig hebben, en welke zonder hem kunnen vertrekken. In veel bedrijven is de werking daar niet op voorbereid: het aftekenen zit bij een paar mensen. De regels waaraan ze toetsen, staan nergens opgeschreven. In het volgende deel lees je hoe je dat oordeel in je werking inbouwt.
Volg de reeks
KENNISMAKEN
VRAAGT JOUW COMMERCIËLE WERKING EEN NIEUW ONTWERP?
Ik maak graag met je kennis.
