Een cybersecuritybedrijf bewees dat artificiële intelligentie niet uitsluitend voor ontwikkelaars is. Door gewone medewerkers op te leiden tot 'citizen builders' ontstonden tientallen automatiseringen die in slechts één maand een indrukwekkend financieel resultaat opleverden.
AI-adoptie mislukt vaak om dezelfde reden
Veel organisaties investeren vandaag miljoenen in artificiële intelligentie, maar botsen telkens opnieuw op dezelfde hindernissen. Enerzijds wordt AI volledig gecentraliseerd binnen een klein expertenteam, waardoor innovaties te traag worden ontwikkeld. Anderzijds krijgt iedereen vrije toegang tot AI-tools zonder duidelijke afspraken, met alle risico's voor veiligheid, kwaliteit en bedrijfsprocessen van dien.
Volgens AI-teamleider Jake Mahon van cybersecuritybedrijf Netwrix ligt de oplossing precies tussen beide uitersten. Zijn visie is eenvoudig: behandel kenniswerkers zoals softwareontwikkelaars. Geef hen de juiste opleiding, een veilige ontwikkelomgeving en duidelijke kwaliteitscontroles. Laat vervolgens de mensen die dagelijks met de processen werken zelf hun problemen oplossen.
Die aanpak leverde verrassende resultaten op.
Honderd medewerkers zonder programmeerervaring
Netwrix, een cybersecuritybedrijf met ongeveer duizend medewerkers, besloot een ambitieus experiment op te zetten. Honderd niet-technische werknemers uit verschillende landen kregen gedurende vijf dagen een intensieve opleiding in workflowautomatisering met behulp van n8n.
Het opmerkelijke? De meeste deelnemers hadden nog nooit een JSON-bestand gezien, laat staan software ontwikkeld. Toch slaagden zij erin om na afloop zelfstandig bedrijfsprocessen te automatiseren.
Na slechts één maand draaiden al 65 automatiseringen in productie.
Een besparing van een kwart miljoen dollar in dertig dagen
De financiële impact liet niet lang op zich wachten.
Binnen de eerste maand realiseerden de nieuwe citizen builders gezamenlijk ongeveer 250.000 dollar aan besparingendankzij efficiëntere processen, minder repetitief werk en een hogere productiviteit.
Het succes zat niet uitsluitend in de technologie, maar vooral in het feit dat de oplossingen werden gebouwd door mensen die de dagelijkse knelpunten zelf het beste kennen. In plaats van maanden te wachten op een IT-project konden zij hun eigen verbeteringen ontwikkelen.
Waarom AI tijdens de eerste dagen bewust werd geweerd
Opvallend genoeg speelde AI in het begin nauwelijks een rol. Tijdens de eerste twee dagen van het bootcamp mochten deelnemers geen gebruikmaken van Claude of andere generatieve AI-modellen. Dat gebeurde bewust.
Volgens Mahon moeten medewerkers eerst begrijpen hoe automatisering werkt voordat AI wordt toegevoegd. Anders ontstaat het risico dat mensen wel oplossingen genereren, maar niet begrijpen waarom ze functioneren of hoe ze fouten kunnen oplossen.
Pas nadat de basisprincipes stevig waren verankerd, werd AI ingezet als hulpmiddel om sneller en slimmer te bouwen.
De eenvoudige formule achter elke workflow
Tijdens de opleiding werkte iedereen volgens hetzelfde denkmodel. Elke automatisering bestond uit drie fundamentele onderdelen:
- Context: welke informatie is beschikbaar?
- Intelligentie: welke analyse of AI-beslissing moet plaatsvinden?
- Actie: welke concrete stap moet vervolgens automatisch worden uitgevoerd?
Deze eenvoudige structuur bleek voldoende om medewerkers snel complexe automatiseringen te laten bouwen zonder te verdwalen in technische details.
Frontliniewerknemers blijken de beste procesontwerpers
Een van de belangrijkste inzichten uit het experiment is dat innovatie niet noodzakelijk van IT hoeft te komen.
De medewerkers die dagelijks klanten helpen, administratie verwerken of operationele taken uitvoeren, kennen de inefficiënties vaak veel beter dan een centraal AI-team. Wanneer zij zelf automatiseringen mogen ontwikkelen, ontstaan oplossingen die veel dichter aansluiten bij de realiteit van de organisatie.
Daarmee verschuift AI van een exclusief IT-project naar een hulpmiddel voor de volledige onderneming.
Veilig experimenteren zonder productie te beschadigen
Meer vrijheid betekent uiteraard ook meer risico. Daarom ontwikkelde Netwrix een volledige GitOps-werkwijze die vergelijkbaar is met professionele softwareontwikkeling.
Nieuwe workflows werden eerst ontwikkeld in een aparte omgeving, waarna wijzigingen automatisch gecontroleerd werden voordat ze naar productie gingen. Elke wijziging passeerde bovendien langs AI-ondersteunde codecontroles en beveiligingsrichtlijnen.
Ook gevoelige toegangsgegevens werden centraal beheerd via Azure Key Vault, zodat medewerkers nooit rechtstreeks met wachtwoorden of geheime sleutels hoefden te werken. Op die manier bleef innovatie mogelijk zonder de beveiliging van het bedrijf in gevaar te brengen.
Medewerkers bepalen zelf welke processen geautomatiseerd worden
In plaats van een centrale lijst met projecten op te leggen, kregen deelnemers de vrijheid om hun eigen werk kritisch te bekijken.
- Welke repetitieve taken kosten dagelijks tijd?
- Welke processen veroorzaken frustratie?
- Waar ontstaan voortdurend menselijke fouten?
Door medewerkers zelf deze vragen te laten beantwoorden ontstonden tientallen automatiseringen die onmiddellijk een meetbare impact hadden. De organisatie hoefde dus niet eerst maanden te analyseren waar AI eventueel nuttig zou kunnen zijn.
De volgende stap: Autonome AI-agenten
Nu de basis voor workflowautomatisering is gelegd, kijkt Netwrix verder.
De volgende evolutie bestaat uit AI-agenten die niet alleen taken uitvoeren, maar ook zelfstandig beslissingen nemen, informatie verzamelen en meerdere processen met elkaar verbinden.
Toch blijft voortdurende opleiding volgens Mahon essentieel. AI ontwikkelt zich razendsnel, waardoor bedrijven niet kunnen volstaan met een eenmalige cursus. Continue bijscholing wordt een vast onderdeel van de digitale werkplek.
Conclusie
Het experiment van Netwrix laat zien dat succesvolle AI-adoptie veel minder draait om geavanceerde technologie dan om mensen en processen. Door honderd medewerkers zonder programmeerervaring op te leiden tot citizen builders ontstonden binnen één maand 65 werkende automatiseringen en een besparing van 250.000 dollar.
De belangrijkste les is misschien wel dat de toekomst van bedrijfsautomatisering niet uitsluitend ligt bij gespecialiseerde ontwikkelaars of centrale AI-teams. Organisaties die hun medewerkers de juiste kennis, veilige ontwikkelmethodes en professionele kwaliteitscontroles bieden, creëren een cultuur waarin innovatie van onderuit groeit.
In een tijd waarin artificiële intelligentie steeds toegankelijker wordt, blijken juist de mensen die het dagelijkse werk uitvoeren de grootste motor voor digitale vernieuwing.
