AI voorbeelden: 25 toepassingen uit de praktijk

AI voorbeelden per afdeling

De AI voorbeelden op deze pagina zijn bewust generiek beschreven: “een groothandel kan…” in plaats van een verzonnen succesverhaal. Wat ze gemeen hebben, is dat de AI een afgebakende taak doet in een bestaand proces. Het zijn geen systemen die zelfstandig beslissen, maar hulpmiddelen die lezen, sorteren, samenvatten of een eerste versie maken.

Die vier werkwoorden komen in bijna elk voorbeeld terug. Lezen: gegevens uit een e-mail, pdf of formulier halen. Sorteren: iets indelen in een categorie of een prioriteit geven. Samenvatten: een lang dossier, gesprek of document terugbrengen tot de kern. Schrijven: een concept maken dat een mens afmaakt. Herken je een van die vier in een taak die in jouw organisatie vaak voorkomt, dan heb je een kandidaat te pakken.

Deze pagina is een brede voorbeeldlijst. Welke use cases in de praktijk ook echt resultaat opleveren, en welke vrijwel altijd stranden, lees je in welke AI-use cases resultaat leveren.

Klantenservice

1. Vragen sorteren en doorzetten. Een webwinkel kan elke binnenkomende e-mail laten lezen en indelen naar onderwerp (bestelling, retour, klacht) en urgentie. De mail komt direct bij het juiste team, in plaats van eerst in een algemene inbox.
2. Conceptantwoorden uit de kennisbank. Een woningcorporatie kan voor veelgestelde vragen een conceptantwoord laten opstellen op basis van eigen beleidsteksten. De medewerker controleert, past aan en verstuurt.
3. Gesprekken samenvatten. Een verzekeraar kan na een telefoongesprek automatisch een samenvatting en de afgesproken vervolgacties in het klantdossier laten zetten, zodat een collega die later belt meteen weet wat er speelt.

Sales

4. Offertes in concept. Een groothandel kan uit een offerteaanvraag per e-mail de producten, aantallen en leverwensen laten halen en een conceptofferte laten klaarzetten op basis van de prijslijst. De verkoper controleert en verstuurt.
5. Leads verrijken. Een softwarebedrijf kan nieuwe aanvragen laten aanvullen met openbare bedrijfsinformatie en een eerste inschatting van de fit. De verkoper beslist wie eerst wordt gebeld.
6. Klantbezoek voorbereiden. Een accountmanager van een installatiebedrijf kan vóór een bezoek een samenvatting laten maken van de orderhistorie, openstaande tickets en recente correspondentie.

Marketing

7. Productteksten schrijven. Een webwinkel met duizenden artikelen kan uit productspecificaties conceptteksten laten schrijven in de eigen huisstijl. Een redacteur keurt goed; prijzen en maten komen uit het productsysteem.
8. Content hergebruiken. Een adviesbureau kan van een webinar of presentatie een artikel, een nieuwsbrief en een paar social posts in concept laten maken, die de auteur daarna aanscherpt.
9. Klantreacties analyseren. Een hotelketen kan honderden reviews laten indelen in thema’s (schoonmaak, ontbijt, personeel) en zien welke klachten toenemen. Meer over AI in dit vakgebied staat bij AI voor marketing.

Finance

10. Facturen uitlezen en matchen. Een groothandel kan inkomende facturen laten uitlezen en vergelijken met de inkooporder. Alleen afwijkingen komen bij de crediteurenadministratie terecht.
11. Toelichting bij rapportages. Een controller kan de tekstuele toelichting bij een maandrapportage in concept laten schrijven op basis van de cijfers en de vorige maand. De cijfers zelf komen uit het financiële systeem, niet uit het taalmodel.
12. Betalingsherinneringen voorbereiden. Een groothandel of dienstverlener kan herinneringen laten opstellen die rekening houden met de betaalhistorie en eerdere afspraken met de klant, ter goedkeuring van de debiteurenbeheerder.

HR

13. Vragen over regelingen beantwoorden. Een organisatie met een uitgebreid personeelshandboek kan medewerkers vragen over verlof, declaraties of thuiswerken laten stellen aan een interne assistent die antwoordt met een verwijzing naar de bron.
14. Vacatureteksten opstellen. Een recruiter kan een vacaturetekst in concept laten schrijven op basis van het functieprofiel. Let op: AI die sollicitaties filtert of kandidaten beoordeelt, staat in de AI Act op de lijst van hoog-risicotoepassingen (bijlage III). Dat is een ander soort toepassing dan tekst schrijven.
15. Inwerken en interne kennis. Een nieuwe medewerker kan beleidsstukken, werkinstructies en eerdere projectdossiers doorzoeken met een assistent. Een verwante toepassing is notuleren met AI, waarbij verslagen en actiepunten uit vergaderingen worden gehaald. Hoe een interne assistent in de praktijk landt, beschrijft de case over een AI-assistent voor kenniswerkers.

AI voorbeelden per sector

Elke sector heeft eigen regels en gevoeligheden. De voorbeelden hieronder blijven daarom bij ondersteunende taken; een uitgebreider beeld per branche staat op de pagina over AI in verschillende markten.

16. Zorg. Een zorginstelling kan een conceptverslag laten maken van aantekeningen of een ingesproken samenvatting, dat de zorgverlener controleert en vastlegt. Het doel is minder administratietijd, niet een medisch oordeel. Zie ook AI in de zorg.
17. Financiële dienstverlening. Een financiële instelling kan bij klantacceptatie gegevens laten halen uit uittreksels, identiteitsbewijzen en jaarrekeningen, terwijl een analist het oordeel houdt. Dat patroon staat centraal in de case over KYC-documentanalyse. Let op: AI die de kredietwaardigheid van personen beoordeelt, valt onder de hoog-risicotoepassingen van de AI Act. Meer bij AI voor fintech.
18. Automotive. Een autobedrijf of schadehersteller kan de beschrijving van een klant en de bevindingen van een monteur laten omzetten naar een conceptwerkorder of een klantvriendelijke uitleg van de reparatie. Zie AI voor automotive.
19. Onderwijs. Een docent kan lesmateriaal laten omzetten naar verschillende niveaus of oefenvragen in concept laten maken. Het beoordelen van leerresultaten of toelating met AI valt onder de hoog-risicotoepassingen van de AI Act. Meer bij AI in het onderwijs.
20. Luchtvaart. Een onderhoudsorganisatie kan technici omvangrijke handboeken en procedures laten doorzoeken met een assistent die altijd naar de bronpassage verwijst. De technicus blijft verantwoordelijk en werkt volgens de goedgekeurde documentatie. Zie AI in de luchtvaart.
21. Overheid. Een gemeente kan binnenkomende meldingen en brieven laten categoriseren en naar de juiste afdeling laten doorzetten, zodat inwoners sneller bij de juiste behandelaar uitkomen. Meer bij AI binnen de overheid.
22. Logistiek. Een transportbedrijf kan vrachtbrieven en afleverbonnen laten uitlezen en afwijkingen tussen bestelde en geleverde aantallen automatisch laten signaleren.

Wat opvalt: in sectoren met strenge regels zit de AI bijna altijd aan de voorbereidende kant van het werk. Dat is geen toeval. Zodra een toepassing zelf een besluit over een persoon neemt of een professioneel oordeel vervangt, gelden er zwaardere eisen vanuit de AVG, de AI Act en de eigen sectorregels. Door de AI te laten voorbereiden en de professional te laten beslissen, blijft een toepassing beter uitlegbaar en is ze sneller in te voeren.

Veel van deze voorbeelden zijn ook haalbaar voor kleinere organisaties, mits je klein begint. Hoe je dat aanpakt als mkb’er, lees je bij AI voor het mkb.

AI voorbeelden in het dagelijks leven

Veel toepassingen van AI gebruik je al zonder erbij stil te staan. Drie voorbeelden waarvan de leverancier zelf heeft beschreven hoe AI wordt ingezet:

23. Spamfilters. Gmail gebruikt volgens Google machine learning naast regels om spam, phishing en malware te herkennen (Google Workspace Blog).
24. Reistijd voorspellen. Google Maps voorspelt aankomsttijden mede met modellen die DeepMind samen met het Maps-team ontwikkelde op basis van actuele en historische verkeersgegevens, zo beschreef DeepMind in 2020 (Google DeepMind).
25. Vertalen. Google Translate begon in 2016 met neurale machinevertaling, die hele zinnen tegelijk vertaalt in plaats van stukje voor stukje (Google).

Het principe is hetzelfde als in de zakelijke voorbeelden: een model maakt een inschatting op basis van patronen, en die inschatting is meestal goed maar niet altijd. Het verschil is dat je in een bedrijfsproces zelf moet regelen wie de fouten opvangt.

Hoe kies je de juiste toepassing?

Een lange lijst met AI mogelijkheden helpt pas als je er een paar uit kiest. Vier vragen maken het verschil:

• Hoe vaak komt de taak voor? Duizend keer per maand een kleine tijdwinst levert meer op dan één keer per jaar een groot inzicht.
• Hoe voorspelbaar is de input? Hoe meer de gevallen op elkaar lijken, hoe betrouwbaarder de AI.
• Wat kost een fout, en wie ziet hem? Een concept dat een medewerker controleert, is iets anders dan een bericht dat direct naar een klant gaat.
• Wie wordt er beter van? Zonder eigenaar in de lijn blijft een toepassing een experiment.

Drie valkuilen zie je bij het kiezen steeds terug:

• Kiezen op indruk. De toepassing die in een demo het meest verbaast, is zelden de toepassing die het meeste tijd bespaart. Saai en frequent wint bijna altijd van spectaculair en zeldzaam.
• Een proces automatiseren dat weg kan. Soms bestaat een handmatige stap alleen omdat twee systemen niet met elkaar praten. Dan los je dat op, in plaats van het handwerk sneller te maken.
• De controlestap vergeten. Als er nu niemand naar de uitkomst kijkt, moet je die stap toevoegen. Dat kost tijd en maakt de besparing kleiner dan de eerste berekening.

Begin daarna klein: één toepassing, één team, echte gegevens en een nulmeting van hoe lang het werk nu duurt. Laat de nieuwe werkwijze een paar weken naast de oude lopen en tel hoe vaak een medewerker de AI moet corrigeren. Pas als dat structureel weinig is, breid je uit naar een volgend team of een volgende toepassing.

Heb je een kandidaat gekozen, dan is de volgende stap om het proces uit te werken. Hoe je dat doet, staat bij bedrijfsprocessen automatiseren met AI. Hoe je er een werkende keten van maakt, lees je bij AI workflows. Moet de toepassing zelf stappen kiezen, kijk dan naar de voorbeelden van AI agents. En voor het complete overzicht van processen, kosten en aanpak is er de pagina over AI automatisering.

Wil je weten welke van deze toepassingen in jouw organisatie het meeste oplevert? Het AI Readiness Assessment geeft je in 2-3 weken een gevalideerde lijst met kansen en een 90-dagenplan. Liever eerst sparren? Plan een adviesgesprek van dertig minuten.