Wat is een bevraagbare organisatie?
Een bevraagbare organisatie is een bedrijf waar je een vraag aan kunt stellen, en een betrouwbaar antwoord van krijgt, met bron. Niet aan een collega die het toevallig weet, maar aan het bedrijf zelf.
“Welke toezeggingen zijn we niet nagekomen?” “Welke offertes wachten al een week?” Het antwoord komt uit het systeem, in seconden, en je kunt narekenen waar het vandaan komt.
De term hebben we zelf gemunt, dus laten we hem ook zelf uitleggen. Grondig, want er zit meer achter dan een slimme zoekbalk.
Herken je dit?
De wethouder, de klant of je compagnon vraagt: “hoe staat het eigenlijk met...?”
En dan begint het. Iemand zoekt in de mail. Iemand anders kijkt in het CRM. Een derde weet nog dat er “iets was afgesproken in dat gesprek van maart”. Na een halfuur, of een middag, is er een antwoord. Meestal klopt het. Soms net niet.
Dat is geen slordigheid. Het is hoe vrijwel elk bedrijf werkt: de kennis ligt verspreid over mail, agenda, CRM, chats en hoofden. Elke vraag is een kleine archeologische opgraving.
En af en toe gaat het echt mis. Wij maakten het zelf mee: een veelbelovend klanttraject dat vier weken stilstond. Niemand had schuld. Alle informatie zat gewoon in onze systemen, de onbeantwoorde mail, de gedane toezegging, de status. Er was alleen geen plek waar stond: wij zijn aan zet, al vier weken. Niemand die het zag, want niemand stelde toevallig die vraag.
Dat moment veranderde hoe wij bouwen.
Het verschil: informatie die bestaat versus informatie die vindbaar is
Hier zit de kern, en hij is subtieler dan hij lijkt.
Bijna elk bedrijf heeft alle informatie al. De mails staan in de mailbox, de afspraken in verslagen, de cijfers in de boekhouding. Het probleem is nooit dat informatie ontbreekt, het probleem is dat ze nergens bestaat als antwoord.
Neem de vraag “welke beloftes zijn we niet nagekomen?” De ingrediënten zitten in tientallen mails en gespreksverslagen. Maar geen enkel systeem kent het begrip “belofte”. Dus moet een mens alles lezen, interpreteren en optellen. Elke keer opnieuw.
Een bevraagbare organisatie draait dat om. De dingen waar het bedrijf om draait, de offerte die uitstaat, de klacht die openligt, de toezegging die gedaan is, bestaan er echt in het systeem. Met een eigen geschiedenis: wanneer ontstaan, wat is er gebeurd, is het al af, wie is aan zet.
Vergelijk het met een keuken. Je kunt bestellingen op losse post-its schrijven en hopen dat niemand er een mist. Of je hangt ze aan een bonnenrek: een blik en je ziet wat open staat, wat te lang hangt en wie ermee bezig is. Zelfde informatie, maar het rek maakt haar bevraagbaar.
Waarom dit juist nú kan (en waarom AI alleen niet genoeg is)
“Maar dat kan AI toch gewoon?”, de vraag die we het vaakst krijgen. Het eerlijke antwoord: nee, niet alleen.
AI is ongekend goed in lezen, samenvatten en voorstellen doen. Maar een taalmodel heeft twee eigenschappen die zelden hardop worden gezegd: het heeft geen geheugen en geen besef van wat waar is. Het is een briljante kracht die elke ochtend opnieuw begint, slim, snel, maar zonder gisteren, en zonder garanties.
Laat je zo’n model los op je mailbox, dan krijg je een antwoord dat plausibel klinkt. Meestal klopt het. Soms verzint het iets. En je weet nooit wanneer welke van de twee.
Daarom bouwen wij het andersom:
Eerst de werkelijkheid vastleggen.
De dingen waar jouw bedrijf om draait krijgen een vaste plek, met hun geschiedenis. Wat er gebeurd is, staat vast. Daar kan geen AI omheen.
Dan pas de AI erop.
Die hoeft niets te onthouden (het systeem weet het) en niets te verzinnen (het antwoord komt uit de vastgelegde werkelijkheid, met bron). De AI leest, signaleert en stelt voor, het systeem garandeert.
Dat is het verschil tussen een chatbot op je data en een bevraagbare organisatie. De chatbot doet een gooi. De bevraagbare organisatie weet het, of zegt eerlijk dat ze het niet weet.
Wat kun je dan vragen?
Concreet, uit de praktijk:
“Waar zijn wij aan zet?”
Elke openstaande bal, gesorteerd op hoe lang hij al ligt. Het antwoord waarmee ons eigen stilgevallen traject nooit vier weken stil had gestaan, maar op dag vier bovenaan de lijst.
“Welke toezeggingen uit onze gesprekken zijn nooit nagekomen?”
Met wie, wanneer gedaan, hoe lang over tijd.
“Welke offertes wachten op de klant, en hoe lang al?”
Plus een klaargezette herinnering, die pas verstuurt als jij hem goedkeurt.
“Wat speelt er bij deze klant?”
De hele geschiedenis in een antwoord, voordat je belt.
“Welke kennis zit alleen in het hoofd van een collega?”
De vraag die je liever stelt vóór iemand opzegt dan erna.
Let op wat deze vragen gemeen hebben: geen enkele is vooraf als rapport gebouwd. Dat is het punt. In een bevraagbare organisatie zijn nieuwe vragen gratis, je hoeft niet voor elke vraag een dashboard te laten timmeren.
En het bedrijf gaat zelf opletten
Hier wordt het pas echt interessant. Want als het systeem weet wat er speelt, hoef jij niet meer degene te zijn die de vraag stelt.
Het bedrijf begint zichzelf te bewaken: deze offerte wacht al zeven dagen op de klant. Deze toezegging is twaalf dagen over tijd. Dit traject is stilgevallen. Niet omdat iemand eraan dacht om te kijken, maar omdat het systeem het ziet, elke dag, zonder er een te missen.
Aandacht is in elk bedrijf het schaarste goed. Meestal is ze afhankelijk van wie er toevallig aan denkt. In een bevraagbare organisatie is opletten een eigenschap van het systeem geworden. Je mensen hoeven niet meer alles te onthouden, ze worden aangesproken door wat er speelt.
De mens blijft de baas, en niet als belofte
Een zorg horen we altijd, en terecht: “gaat die AI dan zomaar dingen doen?”
Nee. En hier zit misschien wel het belangrijkste verschil met hoe de meeste AI-tools werken. In alles wat wij bouwen geldt: de machine stelt voor, de mens keurt. Een concept-antwoord, een klaargezette herinnering, een voorgestelde offerte, er gaat niets de deur uit zonder dat iemand op de knop drukt.
En dat is geen instructie aan de AI die hij kan vergeten of verkeerd begrijpen. Het ligt vast in het systeem zelf: de actie “versturen zonder goedkeuring” bestaat niet. Niet omdat we het beloven, maar omdat het niet anders kán.
Wil je later meer aan het systeem overlaten, herinneringen automatisch, standaardvragen direct beantwoord? Dat kan, per handeling, stap voor stap, op basis van bewezen resultaat. Als een schuifje dat jij bedient. Nooit als sprong in het diepe.
Wat het oplevert
Voor de nuchtere rekensom, drie effecten:
Niets valt meer stil.
Gemiste opvolging, vergeten toezeggingen, stilgevallen trajecten, de stille lekkage die in elk bedrijf zit, en die zelden iemand kwantificeert. (Onze AI Audit rekent hem uit op jouw eigen data.)
Je mensen doen weer het werk waarvoor je ze aannam.
Het zoeken, najagen, overtikken en onthouden verhuist naar het systeem. Wat overblijft is beoordelen, beslissen en het klantcontact, ander werk, geen snellere versie van hetzelfde.
Kennis wordt eigendom van het bedrijf.
Wat vastligt, vertrekt niet mee met degene die opzegt. De nieuwe collega die maandag begint, kan vrijdag elke klantvraag beantwoorden, niet omdat hij alles weet, maar omdat het bedrijf het weet.
Hoe kom je er?
Niet met een big bang, en niet met een tool die je “even uitrolt”.
Het begint met begrijpen hoe jouw bedrijf werkelijk werkt, niet in het algemeen, maar in het echt. Wat volgen jullie eigenlijk? Wanneer is iets áf: als het verstuurd is, of als de klant bevestigt? Wat mag er nooit misgaan? Dat leggen we vast, samen met de mensen die het werk doen. Daarna bouwen we, klein en concreet: een probleem opgelost, werkend, en elk volgende stuk bouwt op hetzelfde fundament.
Hoe dat gesprek eruitziet en waarom we zo beginnen, lees je op onze werkwijze-pagina →. Liever eerst weten wat de versnippering je nu kost? Daarvoor is de AI-inventarisatie →.
Zo ziet zo’n antwoord eruit
Vier vragen, en het soort antwoord dat terugkomt. Let op de laatste: daar antwoordt het systeem niet, maar maakt het een stuk werk. Jij drukt op de knop.
Vier toezeggingen uit de laatste zes weken staan nog open. Drie zijn over de afgesproken datum heen; bij één is nooit een eigenaar vastgelegd.
Uit 6 meetingverslagen, 2 mailthreads en de takenlijst · laatste controle vanochtend
Zeven lopende zaken raken alleen hem. Bij drie ervan staat de kennis nergens anders dan in zijn mailbox.
Afgeleid uit mailverkeer, agenda en wie welke taken afrondt · 14 maanden historie
Twee van de vier lopende projecten leveren minder op dan begroot. Bij allebei zit het in meerwerk dat is uitgevoerd maar nooit doorbelast.
Uren uit de administratie tegen de offertes en de meerwerk-mails · per project
Concept klaar, op basis van het transcript, jullie tarieven en de twee eerdere offertes voor dezelfde scope.
Uit het transcript van dinsdag, jullie tarievenblad en 2 eerdere offertes · jij keurt goed
Wat betekent “bevraagbare organisatie”?
Een bevraagbare organisatie is een bedrijf waarin de belangrijkste zaken (offertes, klantvragen, afspraken, toezeggingen) als levende dingen in een systeem bestaan, zodat je er vragen over kunt stellen en betrouwbare antwoorden krijgt, met bronvermelding. De term is gemunt door Jouw AI Partner.
Is een bevraagbare organisatie hetzelfde als “ChatGPT op je eigen data”?
Nee. Een chatbot op je documenten geeft antwoorden die plausibel klinken, maar kan feiten verzinnen en geeft geen garanties. Een bevraagbare organisatie legt eerst de werkelijkheid vast (wat er gebeurd is, staat vast) en laat AI daaróp werken. Antwoorden komen met bron, en acties gaan altijd langs een mens.
Moeten we onze huidige systemen vervangen?
Nee. Exact, HubSpot, Teamleader, je mappen op Drive, alles blijft staan waar het staat. Er komt een laag overheen die de informatie samenbrengt en bevraagbaar maakt.
Doet de AI dan zomaar dingen namens ons bedrijf?
Nee. De machine stelt voor, de mens keurt, en dat ligt vast in het systeem, niet in een instructie. Er bestaat simpelweg geen route waarlangs iets naar buiten gaat zonder menselijke goedkeuring. Meer autonomie kan later, per handeling, op basis van bewezen resultaat.
Voor welke bedrijven is dit geschikt?
Voor organisaties waar kennis versnippert over systemen en hoofden, maar die te klein zijn voor een eigen AI-team. Dat kan een MKB-bedrijf zijn en net zo goed een afdeling binnen een groter concern. De sector maakt weinig uit, van installatiebedrijf tot accountantskantoor tot gemeente: elk vak heeft zijn eigen dingen om te volgen, en de aanpak eronder is dezelfde.
Stef is mede-oprichter van Jouw AI Partner en bouwt aan Thomas, de AI-collega voor het MKB. Dit stuk is onderdeel van een serie over AI-native werken. Het volgende deel: hoe wij werken →.