AI Process Mapping: Zo vind je de processen die écht baat hebben bij AI

Het kernprobleem

Bedrijf X gaat aan de slag met AI. Ze kijken rond en zeggen: "Dit proces ziet er ingewikkeld uit, laten we daar AI op toepassen!"

Zes maanden later: veel geld uitgegeven, minimale impact.

Wat ging fout? Ze kozen het verkeerde proces.

Niet elk proces is geschikt voor AI. Sommige processen zijn beter met traditionele automatisering. Sommige processen baat kunnen hebben bij AI, maar het is niet de priority. En sommige processen zijn goud – AI-kansen waar je 40% tijd bespaard en de kwaliteit stijgt.

Het verschil? Meestal kiezen bedrijven met hun buik. Jij en ik gaan dit doen met data.

Welkom bij AI Process Mapping.

Wat is AI Process Mapping?

Goed vraag. Het is niet ingewikkeld, maar het is methodisch.

Het gaat zo:

1. Map je huidige processen – wat doe je, wie doet het, hoeveel tijd kost het?
2. Bepaal je doelen – wat wil je bereiken? (KPIs)
3. Score elk proces tegen criteria – waar zitten de kansen?
4. Shortlist de topkandidaten – die 3-5 processen waar AI meeste waarde brengt
5. Deepdive één process – en zet het in beweging

Stap 1: Kaarten wat je doet

Dit is boring werk, maar cruciaal.

Pak een spreadsheet. Schrijf elk belangrijk proces op. Voor elk proces:

• Wie voert het uit? (Afdeling/rollen)
• Hoe vaak? (Dagelijks, wekelijks, maandelijks)
• Hoeveel tijd per uitvoering? (In uren)
• Hoeveel mensen? (FTE's)
• Input? (Wat gaat erin – data, documents?)
• Output? (Wat komt eruit?)

Voorbeeld voor een marketingbedrijf:

Nu heb je een beeld. Welke processen zijn "zware" in tijd? Die zijn interessant.

Stap 2: Bepaal je doelen (KPIs)

Dit is waar veel bedrijven het verkeerd doen. Ze zeggen: "Implementeer AI."

Nee. Je doelen bepalen waar AI kan helpen.

Goede KPIs zien er zo uit:

• "We versnellen deal-closing van 2 weken naar 5 dagen"
• "We verlagen productiefouten van 8% naar 2%"
• "We schalen content-productie van 20 stuks/maand naar 50 stuks/maand zonder extra headcount"
• "We verbeteren customer satisfaction van 7.2 naar 8.5"

Nu je doelen hebt, kan je zeggen: welke van mijn processen hebben impact op dit doel?

Voorbeeld:

Doel: "Schaal content van 20 naar 50 stuks per maand."

Relevante processen:

• Contentideeën bedenken (kostbaar in tijd)
• Eerste draft schrijven (kostbaar in tijd)
• SEO-checks (repetitief)

Deze drie processen hebben IMPACT op je doel.

Andere processen? Minder relevant.

Stap 3: Score elk proces tegen criteria

Nu wordt het interessant. Je gaat elk relevant proces scoren tegen criteria.

Hier zijn de criteria die we gebruiken:

Urgentie (1-5)

Hoe veel pijn doet dit process NU?

• 1 = Het gaat prima
• 5 = Dit breekt ons nek

Volumerepetitie (1-5)

Hoe veel keer gebeurt dit per maand?

• 1 = Eenmaal per maand
• 5 = Tientallen keren per dag

AI helpt meest bij repetitieve processen. Eenmalige processen: minder interessant.

Duidelijkheid (1-5)

Zijn de regels van dit proces duidelijk? Of is het veel discretionair judgment?

• 1 = Heel veel "grijze" beslissingen
• 5 = Crystal clear regels

AI werkt beter met duidelijke processen. "Bepaal of dit een goeie kandidaat is voor stage" = lastig. "Sorteer facturen op bedrag" = easy.

Datakwaliteit (1-5)

Hoe goed zijn je gegevens?

• 1 = Chaotisch, veel missings
• 5 = Netjes, compleet, toegankelijk

AI werkt beter met goede data.

Impact op KPI (1-5)

Hoeveel helpt dit proces je KPI bereiken?

• 1 = Nauwelijks
• 5 = Dit is kritisch

Dit is de belangrijkste!

Stap 4: De formule

Nu doe je dit:

PRIORITEIT = (Urgentie + Volume + Duidelijkheid + Datakwaliteit + Impact) / 5

Reken uit voor elk proces. Hopelijk krijg je zoiets:

Topkandidaat? "Eerste draft schrijven" (4.4).

Hiervan weet je: dit is repetitief, de regels zijn duidelijk (schrijf in onze tone), je data is schoon, en het helpt je KPI.

Perfect voor AI.

Stap 5: Deepdive

Nu pak je je topkandidaat.

Je gaat microdetail in:

• Hoe ziet het proces er werkelijk uit? (Stap voor stap)
• Waar zitten frictie-punten?
• Waar faalt het nu? (Kwaliteit, tijd, kosten)
• Waar kan AI helpen?
• Wat is een succes-metric?

Voor "eerste draft schrijven" zou dat zijn:

• Input: brief van client (wat willen ze, toon, length)
• Output: ruw draft in onze tone
• Succes: 70% van de drafts kunnen "as-is" geused, rest miniem editing

Dus je experimenteert: kan Claude dit doen? Je probeert prompts. Je kijkt hoe veel rework nodig is.

Als het werkt, je scaleert. Als het niet werkt, je leert en probeert volgende proces.

De checklist: Is je proces klaar voor AI?

Hier is een snelle checklist om zelf te bepalen:

• ☐ Het proces is repetitief (minstens 10+ keer/maand)
• ☐ De input is consistent (dezelfde soort data, dezelfde structuur)
• ☐ De output is duidelijk (je weet wat goed eruit ziet)
• ☐ De regels zijn expliciet (niet veel "use your judgment")
• ☐ Je hebt of kunt makkelijk historical data krijgen
• ☐ Het raakt een pijn-punt (urgentie of volume)
• ☐ Het raakt je doelen (KPIs)

Meer vinkjes = beter geschikt voor AI.

Het grotere plaatje

AI Process Mapping is niet eenmalig. Je doet het elk half jaar opnieuw.

Waarom? Omdat:

• Je leert wat werkt en wat niet
• Je business evolueert
• Nieuwe AI-tools ontstaan
• Je prioriteiten verschuiven

Bedrijven die dit goed doen, bouwen voortdurend op hun AI-stack. Ze beginnen klein, leren, scalen.

Bedrijven die het niet doen? Die kloppen hun hoofd kapot op processen die niet geschikt zijn.

Bij Plaiwrks

Dit is ons startpunt. Niet "laten we AI implementeren," maar "laten we eerst bepalen waar AI impact heeft."

Dit gesprek – je doelen, je processen, je pijn – vertelt ons alles wat we nodig hebben.

Dan prototypen we het meeste impactvolle process in 5 dagen. We zien of het werkt. Is ja, we scalen. Is nee, we leren en proberen iets anders.

Methodisch, data-driven, niet op gevoelsbasis.