De procedure staat op papier, het model is goed, en toch doet de assistent iets anders dan je bedoelde. De conclusie in de meeste organisaties is dan dat de techniek tekortschiet. Meestal ligt het aan de instructie.
Een werkinstructie voor AI is een procedure waarin elke beslissing, elke uitzondering en elke bron expliciet is vastgelegd, omdat het uitvoerende systeem geen ervaring heeft om de open plekken mee te vullen. Een menselijke werkinstructie gaat uit van een collega die weet wat "beoordeel of het redelijk is" betekent binnen jouw bedrijf. Een AI weet dat niet en vult die ruimte met iets plausibels.
Dat verschil bepaalt of automatisering standhoudt buiten de demo. Deze gids laat zien waarom bestaande procedures tekortschieten, hoe een uitvoerbare instructie eruitziet, en in welke vier stappen je een bestaande procedure omschrijft.
Waarom werken bestaande werkinstructies niet voor AI?
Vrijwel elke geschreven procedure in een organisatie is een geheugensteun, geen volledige beschrijving. Dat is efficiënt: een nieuwe medewerker leest de instructie, kijkt twee weken mee en leert de rest van de mensen om zich heen. Het document hoeft nooit compleet te zijn, want de omgeving vult aan.
Die aanname valt weg zodra een systeem de taak uitvoert. Drie soorten kennis blijken dan systematisch te ontbreken.
De impliciete beslisregels. "Bij grote klanten overleggen we eerst" veronderstelt dat iedereen weet welke klanten groot zijn. Voor een mens is dat een blik in het systeem, voor een AI is het een lege variabele.
De uitzonderingen die niemand opschrijft. De procedure beschrijft het normale geval. De vijftien afwijkingen die het team uit gewoonte afhandelt, staan nergens, en juist die veroorzaken de fouten die je later terugziet.
De grens van de opdracht. Menselijke instructies zeggen zelden wat je níet moet doen, want dat spreekt vanzelf. Voor een systeem is die grens het belangrijkste onderdeel van de instructie.
Het gevolg is voorspelbaar. Bij oplevering werkt de automatisering op de voorbeelden waarmee hij is gebouwd, en in productie loopt hij aan tegen de gevallen die het team allang kende maar nooit vastlegde. Wie dat patroon wil voorkomen, begint bij de procesanalyse: onze gids over procesanalyse voor automatisering beschrijft hoe je processen scoort voordat je iets bouwt.
Wat maakt een instructie uitvoerbaar?
Een uitvoerbare instructie verschilt op vijf punten van de versie die in je kwaliteitshandboek staat. Het onderscheid is niet detailniveau maar beslisbaarheid: kan een systeem zonder navraag bepalen wat het moet doen?
| Onderdeel | Menselijke werkinstructie | AI-uitvoerbare instructie |
|---|---|---|
| Invoer | "de aanvraag" | benoemde velden, verplicht of optioneel, met vindplaats |
| Beslissing | "beoordeel of het akkoord is" | drempelwaarden en regels die naar ja of nee leiden |
| Uitzondering | wordt mondeling geleerd | genummerde lijst met per geval de vervolgactie |
| Grens | impliciet | expliciet: wat het systeem nooit zelfstandig doet |
| Resultaat | "handel af" | definitie van klaar, plus waar de uitkomst landt |
De tweede rij levert in de praktijk het meeste op. Een beoordeling die je niet in regels kunt vatten, is geen instructiepunt maar een oordeel, en dat hoort bij een mens te blijven. Zodra je een procedure op deze manier uitschrijft, valt vanzelf uiteen welk deel automatiseerbaar is en welk deel niet.
De vierde rij voorkomt de duurste incidenten. Een systeem dat weet dat het nooit zelf een creditnota verstuurt, een prijs afwijkt of een klant afwijst, kan hooguit iets voorbereiden dat een mens afkeurt. Dat is een fundamenteel ander risicoprofiel dan een systeem waarbij die grens nooit is uitgesproken.
[ TIJDWINST ]
Bespaar 5 uur per week op het corrigeren van uitkomsten die volgen uit onduidelijke werkinstructies
Hoe herschrijf je een bestaande procedure in vier stappen?
Je hoeft niet bij nul te beginnen. De bestaande procedure is het skelet, je vult de ontbrekende lagen aan.
Stap 1: verzamel dertig echte gevallen
Niet drie voorbeelden, en niet de voorbeelden die iemand uit het hoofd bedenkt. Neem de laatste dertig gevallen zoals ze binnenkwamen, inclusief de rommelige. Deze verzameling doet later dubbel werk: hij legt de uitzonderingen bloot en wordt de testset waarmee je meet of het systeem blijft presteren.
Stap 2: laat de uitvoerder hardop meelopen
Zet iemand die de taak dagelijks doet naast het scherm en laat diegene tien gevallen afhandelen terwijl hij vertelt waarom hij elke keuze maakt. Wat er dan uit komt, staat in geen enkel document. Dit is de goedkoopste stap met de grootste opbrengst en hij kost een halve dag.
Stap 3: schrijf de regels op als beslissingen
Zet elke keuze om in een regel die eindigt bij een handeling. "Bij twijfel overleggen" wordt: bij een bedrag boven een vastgestelde grens, bij een klant zonder betaalhistorie, of bij een afwijking van de standaardvoorwaarden gaat het geval naar een mens. Wat je niet in zo'n vorm krijgt, markeer je als oordeel en dat blijft bij het team.
Stap 4: benoem de eigenaar en het herzieningsmoment
Een instructie veroudert zodra prijzen, voorwaarden of systemen wijzigen. Zonder eigenaar merkt niemand dat, en het systeem blijft ondertussen keurig de oude regels toepassen. Spreek af wie de instructie beheert en wanneer die opnieuw wordt bekeken. Datzelfde ritme beschrijven we voor draaiende systemen in onze gids over AI-agents in productie beheren.
Waar leg je de grens tussen instructie en oordeel?
De vraag is niet of AI een beslissing technisch kan nemen, maar of je de uitkomst kunt verdedigen als hij fout is. Drie categorieën horen daarom aan de menselijke kant van de streep te blijven.
Beslissingen met rechtsgevolg of financiële verplichting: prijsafwijkingen, contractwijzigingen, afwijzingen. Beslissingen die een persoon raken, zoals selectie, beoordeling en sanctie, waar bovendien aparte regels voor gelden. En beslissingen waarbij de kosten van een fout hoger zijn dan de opbrengst van de tijdwinst, wat vaker voorkomt dan de businesscase suggereert.
Alles daarbuiten is kandidaat, mits het voldoet aan één voorwaarde: er is een controleerbare bron waaruit het juiste antwoord volgt. Zonder die bron produceert een systeem een antwoord dat klopt van vorm en niet van inhoud, het probleem dat we behandelen in onze gids over AI-hallucinaties en betrouwbaarheid.
Die bron is meestal je eigen documentatie. Daarom is een geordende kennisbron een voorwaarde en geen vervolgproject: hoe je die opzet staat in onze gids over een AI-kennisbank opzetten.
Wat kost het opstellen en onderhouden?
Reken voor één procedure van gemiddelde complexiteit op twee tot vier dagdelen: gevallen verzamelen, meelopen, uitschrijven, valideren met het team. Dat is inspanning van je eigen mensen, niet van een leverancier, en dat is precies waarom het werkt.
Het onderhoud is de post die wordt vergeten. Elke wijziging in prijzen, voorwaarden, systemen of wetgeving raakt de instructie. Plan een halfjaarlijkse herziening per procedure en een korte controle bij elke systeemwijziging.
Daar staat een opbrengst tegenover die verder reikt dan de automatisering zelf. Een uitgeschreven procedure versnelt inwerken, maakt vervanging bij uitval mogelijk en legt vast hoe je bedrijf werkt in plaats van dat die kennis bij een handvol mensen zit. Dat is bezit, niet documentatie. Dezelfde redenering ligt onder onze gids over bedrijfsprocessen automatiseren.
Conclusie: de instructie is het echte werk
Bij vrijwel elke haperende AI-implementatie is de instructie de zwakke schakel, niet het model. Wie dertig echte gevallen verzamelt, een uitvoerder hardop laat meelopen, beslissingen als regels opschrijft en een eigenaar aanwijst, heeft het grootste deel van de implementatie al gedaan.
Die investering blijft bovendien van jou, ongeacht welke techniek je er later onder zet. Wij bouwen bedrijfsautomatisering op basis van instructies die je zelf kunt lezen, aanpassen en meenemen, omdat een proces dat je kunt uitschrijven een proces is dat je bezit.