Bijna elke drukkerij probeert vandaag iets met AI. Een assistent die offertes leest of een proef met de planning. Toch zie je in veel bedrijven weinig terug in de cijfers. Het verschil zit zelden in de technologie. Het zit in hoe je stuurt. Dat heet AI-governance.
Waarom governance?
AI gaat snel. Bedrijfswaarde maken vraagt werk.
Europese bedrijven gebruiken AI steeds vaker. Grote bedrijven lopen voorop, kleine volgen trager. Tegelijk zegt een meerderheid van de bedrijfsleiders dat AI hun nog geen hogere omzet of lagere kosten opleverde. De cijfers hieronder zijn metingen uit enquêtes en statistiek.
Onderzoeksbureau Gartner kijkt vooruit. Twee voorspellingen zijn voor een drukkerij het onthouden waard.
Lees de cijfers met zorg. Ze komen uit verschillende groepen en meten verschillende dingen. Je kan ze niet rechtstreeks vergelijken. Het patroon is wel duidelijk: AI invoeren is makkelijk, er waarde uit halen is het echte werk.
Wat governance is in een drukkerij
Governance klinkt als iets voor grote bedrijven met een juridische dienst. In een drukkerij gaat het over gewone vragen: wie beslist wat AI mag doen en hoe weet je of het werkt?
Gartner beschrijft waarde als een brug met pijlers. AI alleen draagt die brug niet. In een drukkerij zien de pijlers er zo uit.
| Pijler | Wat het betekent | In je drukkerij |
|---|---|---|
| Data | Betrouwbare informatie | Orders en machinedata die kloppen en die je terugvindt. Een AI die op rommelige data draait geeft rommelige antwoorden. |
| Analyse | Inzicht en evaluatie | Je meet of het werkt. Hoeveel tijd bespaart de assistent echt? Hoe vaak zit hij ernaast? |
| Governance | Sturing en verantwoordelijkheid | Iemand is eigenaar van elke AI-toepassing. Er staat op papier wat wel en niet mag. |
Een AI-beleid van een bladzijde
Een formeel AI-beleid is een onderdeel van governance. Voor een kmo hoeft dat geen dik document te zijn. Een bladzijde die iedereen kent werkt beter dan een map die niemand leest. Beantwoord deze vragen.
Welke AI-tools gebruiken we en met welk account? Een bedrijfsaccount of een privaccount maakt een groot verschil voor je data.
Wat gaat nooit naar een publieke AI? Denk aan klantbestanden en personeelsgegevens.
Elke toepassing krijgt een naam van een persoon. Die volgt op of ze werkt en spreekt de gebruikers aan.
Waar mag AI voorstellen doen en waar beslist altijd een mens? Leg dat per proces vast.
Kies per toepassing een getal dat je opvolgt, zoals tijdswinst of het aantal fouten.
Spreek vooraf af wanneer je een proef stopzet. Dat bespaart later veel discussie.
Werk je met gevoelige documenten? Lees dan ook gids 11 over lokale AI. Daar blijft je data binnen je eigen muren.
Begin met een doel
Een goed AI-project begint met een duidelijke vraag: wil je iets leren of wil je iets oplossen?
Het voorbeeld komt uit de praktijk. Iemand bouwde met AI in drie weken zelf een scorebord. Hetzelfde toestel bestaat kant-en-klaar voor ongeveer tien dollar. Was dat verloren tijd? Niet als het doel leren was. Wel als het doel een werkend scorebord was.
Het doel is leren
Je wil begrijpen hoe AI werkt en wat het kan. Een proef mag dan lang duren en mislukken. De opbrengst zit in wat je team nu weet.
Het doel is oplossen
Je hebt een probleem dat weg moet. Kijk dan eerst of er iets bestaat dat je kan kopen. Past het bij je eisen? Dan is kopen vaak slimmer.
Veel geleerd is niet hetzelfde als geld verdiend. Schrijf het doel op voor je begint. Spreek af hoeveel tijd je eraan besteedt en bewaak die tijd.
Begin klein
Een kleine agent met een kleine taak geeft een zichtbaar resultaat. Maak eerst een onderdeel werkend. Test het en begrijp het. Breid daarna uit.
Een agent die een ding doet. Hij herkent wie aan de computer zit en laadt de juiste toetsenbordindeling. Meer niet. Zo kan je hem testen en weet je precies wat hij mag.
Een taak met een duidelijk begin en einde. Een kleine Excel met uren en tarief wordt een eenvoudige app. Je geeft uren en tarief in en ziet het totaal. In een drukkerij kan dat een snelle prijscheck voor een standaardproduct zijn.
Niet alles is AI
Veel werk in een drukkerij volgt vaste regels. Daarvoor heb je geen AI nodig. Een script of een gewone automatisering doet dat sneller en goedkoper. Het doet ook elke keer hetzelfde. AI is sterk waar taal en context meespelen.
| Automatisering en scripts | AI | |
|---|---|---|
| Werkt met | Vaste regels en stappen | Taal en context |
| Voorbeeld | “Ordernummer ontbreekt? Zet de bestelling in de wacht.” | “Dezelfde flyers als vorige keer, maar dubbel zoveel.” |
| Wat het doet | Voert uit wat vooraf is vastgelegd | Stelt gegevens voor, een medewerker controleert ze |
In de praktijk werken ze samen. AI leest de mail van de klant. Een medewerker controleert wat de AI ervan maakte. Daarna zet een script de order klaar in je systeem. Wie dat onderscheid kent, houdt zijn AI-project klein en betaalbaar.
De mens in de lus
AI bereidt voor. De mens controleert en beslist. Dat heet human in the loop.
Neem een gewone bestelmail. Een klant vraagt 2.000 flyers A5, dubbelzijdig in kleur, op 135 gram papier. Het papiertype staat er niet bij. Zo verloopt het met een mens in de lus.
Vrije tekst, zoals klanten schrijven. Geen formulier en geen vaste volgorde.
De AI zet product, aantal, formaat, bedrukking, grammage en leverdatum in ordervelden. Wat ontbreekt markeert hij.
Hij ziet dat het papiertype ontbreekt en vraagt het na bij de klant: mat gestreken.
Pas na die controle gaat de order verder. De verantwoordelijkheid blijft bij de medewerker.
Het voordeel zit in de verdeling van het werk. AI doet het herhaalwerk: overtypen en ordenen. De medewerker houdt tijd voor het werk dat telt. De klant spreken en beslissen.
Vuistregel: hoe groter het belang, hoe dichter de mens bij de beslissing staat. Een samenvatting van meldingen mag AI zelf maken. Een prijs aan een klant of een order naar de pers keurt altijd een mens goed.
Van proefproject naar schaal
Veel AI-projecten blijven hangen in de proeffase. Een doordacht stappenplan helpt om die fase te doorbreken.
Bepaal wanneer de taak start en leg de grenzen vast. Wat doet de AI wel en wat niet?
Breng in kaart wat de agent moet kunnen. Bouw de evaluatie meteen in, niet achteraf.
Hoe denkt en werkt het systeem? Redeneren en handelen, plannen en uitvoeren. Soms stuurt een agent andere agenten aan.
Het systeem gaat pas verder als het door de poorten hieronder komt.
Een mens grijpt in als er veel op het spel staat. Het team blijft leren en bijsturen. In het Engels heet dat HITL: human in the loop.
De drie poorten van een goede evaluatie
| Poort | Wat je test | Vraag voor je drukkerij |
|---|---|---|
| Poort 1 | De logica, met vaste testgevallen | Geeft de assistent voor tien gekende bestelmails telkens de juiste ordervelden? |
| Poort 2 | Aanvallend testen | Wat doet hij met een onduidelijke mail, een grap of een mail die hem iets anders laat doen? |
| Poort 3 | Kosten en reactietijd vergelijken | Wat kost een verwerkte mail en hoe lang duurt het? Is dat beter dan vandaag? |
Gartner voorspelt dat meer dan vier op de tien projecten met AI-agenten stopgezet worden. Stijgende kosten en onduidelijke waarde zijn de grootste redenen. Gebrekkig risicobeheer komt erbij. De drie poorten vangen die redenen op voor je project groot wordt.
AI heeft IT nodig
Een agent kan alleen werken met toegang en koppelingen. Zonder toestemming geen toegang.
Een AI-assistent die orders klaarzet moet in je ordersysteem kunnen. Een agent die planning voorstelt heeft je agenda en je machinedata nodig. Dat regel je niet met een prompt. Dat regelt de IT-verantwoordelijke of de beheerder.
Regelt accounts en geeft toestemming. In een kleine drukkerij is dat vaak een externe partner. Betrek die van bij het begin.
De agent krijgt alleen toegang tot wat hij nodig heeft. Een assistent die mails leest hoeft je boekhouding niet te zien.
De agent moet verbinden met bestanden en systemen. Hoe dat werkt lees je in gids 02 over MCP en gids 09 over API's.
Hou bij welke agent welke rechten heeft en wie ze gaf. Verlaat een toepassing de proeffase? Kijk die lijst dan opnieuw na.
Het hele team mee
AI werkt pas als het team het samen begrijpt. Je leert een taak door ze te doen en door ze aan een collega uit te leggen.
In veel drukkerijen is er een collega die al goed met AI overweg kan. Dat is een goed begin. Het risico is dat alle kennis bij die ene persoon blijft. Met vijf stappen deel je ze.
Werk aan een herkenbare taak uit jullie eigen werk.
Werk per twee. De een voert uit, de ander kijkt mee en stelt vragen.
Vertel wat je doet en waarom. Toon ook hoe je het resultaat controleert.
De collega doet dezelfde taak zelfstandig en legt ze terug uit.
Bewaar het voorbeeld en de lessen op een plek die iedereen kent.
Governance is dus ook een kwestie van mensen. Een beleid dat alleen de zaakvoerder kent stuurt niets. Een team dat weet wat AI mag en hoe je het controleert stuurt elke dag mee.
Meer lezen en bronnen
Deze gids steunt op de eerste slides van de training “Bouw je eigen AI-machine” van VIGC. De cijfers zijn op 30 september 2026 nagekeken bij de bronnen hieronder. Het bestelmail-voorbeeld is fictief. De vragen voor een AI-beleid en de drie poorten toegepast op een drukkerij zijn een advies van het projectteam.
55% van de grote EU-bedrijven en 20% van alle bedrijven vanaf 10 werkenden, data 2025, onderzochte sectoren.
56% van 4.454 CEO's zag de voorbije 12 maanden geen hogere omzet en geen lagere kosten door AI. Enquête september tot november 2025.
31% van 561 Europese business- en IT-professionals meldt een formeel, uitgebreid AI-beleid. Enquête maart tot april 2025.
Voorspelling: 25% betere bedrijfsresultaten in 2028 voor wie een AI-gerichte strategie invoert en volhoudt.
Waarde vraagt samenhang tussen AI, data, analyse en governance (17 juni 2025).
Voorspelling: meer dan 40% van de projecten met AI-agenten stopgezet tegen eind 2027 (juni 2025).
De kern van een neuraal netwerk in ongeveer honderdvijftig regels code.
De training van drie dagen waar deze slides uit komen.
Een eerste kleine assistent bouwen, zonder te programmeren.
AI levert niet vanzelf waarde op. Kies een doel en begin klein. De mens beslist.
