Er zijn nog nooit zoveel automatiseringstools geweest. AI-agenten die uw inbox kunnen lezen, uw vergaderingen samenvatten, uw antwoorden opstellen, uw code schrijven, uw week organiseren. Elke maand weer een nieuwe golf.
En toch doen de meeste mensen met wie we spreken nog steeds hetzelfde handmatige, repetitieve, uitputtende werk als twee jaar geleden.
Waarom?
De afgelopen maanden probeerden we die vraag te beantwoorden. We spraken met 22 mensen uit verschillende functies, sectoren en vaardigheidsniveaus. Ongeveer driekwart had een technische achtergrond. De rest niet. Ongeveer de helft werkte in de technologie. De andere helft niet.
We vroegen hen hoe hun werk eruitzag. Wat lastig was. Wat ze graag zouden willen veranderen.
We ontdekten vier barrières die steeds weer terugkomen, ongeacht iemands beroep of technische kennis. Drie zijn persoonlijk. De vierde is structureel. Samen verklaren ze waarom automatisering, ondanks twintig jaar beloften, voor de meeste mensen nog steeds vooral een ideaalbeeld is.
Hier zijn ze.
Barrière 1: U ziet niet wat er misgaat
Het eerste wat ons verraste: toen we mensen vroegen wat lastig of frustrerend was aan hun werk, kregen we vooral vage, algemene klachten. "Prioriteiten balanceren." "Communicatie." "Ik heb het gewoon druk." Niets concreets. Niets waar je iets mee kunt.
Dus stelden we een andere vraag: "Als u met een toverstaf één ding aan uw huidige workflow kon veranderen, wat zou dat dan zijn?"
Opeens kwam er concreet ongemak. Specifieke taken. Dingen die ze haatten. Dezelfde mensen die vijf minuten eerder hun schouders ophaalden, hadden nu elk drie antwoorden.
Eén geïnterviewde vertelde ons:
"Ja, ik ben op één lijn. Ik heb al talloze discussies gehad. Maar iedereen op de hoogte houden is zo'n tijdrovend deel van het werk."
Een ander, over een kwartaalproces:
"Het zou geweldig zijn om die handmatige tracking te elimineren. Het kost gewoon te veel tijd. Het gebeurt bijna elk kwartaal. En in de week dat het gebeurt, haat iedereen het."
Een derde geïnterviewde over een terugkerende taak:
"Soms krijg ik een verzoek in de winkel om de voorraad online gelijk te trekken. Het verzoek is zo... niet gestandaardiseerd. Soms geven ze de juiste winkel-ID's. Soms moet de winkel-ID in hoofdletters, maar geven ze kleine letters. Het formaat klopt niet. Ik moet alles handmatig corrigeren zodat het klopt, in de machine zetten en op de knop drukken."
Geen van deze mensen had ooit gedacht dat deze taken te automatiseren waren, totdat we de juiste vraag stelden. Ze deden het al maanden of jaren. Het hoorde gewoon bij het werk.
Dit is geen persoonlijke tekortkoming. Zo werkt aandacht. Repetitieve taken verdwijnen naar de achtergrond. Uw brein merkt ze niet meer op, omdat ze voorspelbaar zijn. Het ongemak wordt "maandag".
U kunt niet automatiseren wat u niet kunt benoemen. En de meeste mensen kunnen zonder hulp niet benoemen wat er misgaat in hun werk.
Dat is barrière één.
Barrière 2: U weet niet waar te beginnen
Stel, u ziet wel wat er misgaat. U weet precies welke taak uw week uitput. U heeft zelfs toegang tot AI-tools die het waarschijnlijk aankunnen.
Toch raken de meeste mensen verlamd.
Het probleem: te veel mogelijkheden, geen concreet startpunt. Keuzestress bij automatisering. Als u alles kunt automatiseren, automatiseert u vaak niets.
Iemand vertelde ons:
"Hoe laat je AI het doen? Hoe geef je AI de juiste instructie? Ik denk dat het tijd kost om te leren hoe je specifieker kunt zijn."
Ze wisten dat de AI het kon. Ze wisten alleen niet hoe ze het op hun werk moesten richten.
Een andere geïnterviewde zei het directer:
"Ik vind het niet duidelijk in de interface wat je nog meer kunt doen. Want als je alleen een prompt moet geven, denk ik: 'oh, ik moet zelf bedenken wat ik nodig heb.' Maar ik heb eigenlijk geen opties, toch? Ik weet niet wat er nog meer kan. Dus hoe ver kan ik mijn probleem voorstellen? In ons vorige gesprek realiseerde ik me dat ik kon vragen om een standup-rapport van mijn e-mail, of misschien een Linear-issue aanmaken. Dus dat was niet duidelijk."
Ze lichtten toe:
"Misschien als er een dropdown of voorbeeldprompts of sjablonen zijn die ik kan gebruiken, zou dat helpen, in plaats van dat ik alles zelf moet bedenken."
Een ander wilde het nog concreter:
"Er zijn er zoveel. De tech-stack is enorm. Er zijn zoveel mogelijkheden. Dus als iemand mij kan vertellen welk hulpmiddel ik het beste kan gebruiken voor elke taak die ik doe. Bijvoorbeeld: kijk naar mijn Linear en zeg: voor deze taak kun je beter dit gebruiken in plaats van Claude Code of zoiets. Dat zou heel fijn zijn."
Wat mensen nodig hebben is niet meer mogelijkheden. Ze hebben een concreet startpunt nodig. Een echt voorbeeld. Een workflow die iemand zoals zij heeft gebouwd, van begin tot eind, die ze kunnen kopiëren en aanpassen.
Daarom worden overal dezelfde vijf workflows geautomatiseerd: ochtendbriefings, weekrapporten, inbox-triage, standup-notities, klantensamenvattingen. Het zijn niet de beste automatiseringen. Het zijn gewoon de workflows met publieke sjablonen en duidelijke startpunten.
Alles daarbuiten blijft handmatig. Niet omdat het niet kan, maar omdat niemand laat zien hoe "beginnen" eruitziet.
Dat is barrière twee.
Barrière 3: De startkosten zijn hoger dan niets doen
U heeft het werk geïdentificeerd. U heeft een concreet startpunt. Nu moet u het daadwerkelijk opzetten.
Hier haken de meeste mensen af.
Een geïnterviewde vertelde over een AI-tool die collega's regelmatig gebruikten:
"Ik ken OpenClaw, maar ik heb het zelf nooit geprobeerd. Ik weet dat mijn collega's het gebruiken, maar ik heb het nooit geprobeerd."
Toen we vroegen waarom, bleek de installatie te complex en tijdrovend. Ze hadden het nooit eens geprobeerd. Het feit dat collega's het wel gebruikten, was niet genoeg. De waargenomen drempel was zo hoog dat ze het gewoon... niet deden.
Een ander was nog directer over het afhaakmoment:
"Ik denk dat het vooral voor nieuwe gebruikers geldt. Er zijn veel mensen die dit willen proberen. En als ze dan die NPM-installatie doen, krijgen ze 'je hebt ook een Claude-installatie nodig' erbovenop... daar haken veel mensen gewoon af, ze gaan niet verder."
En onder beide citaten ligt dezelfde rationele afweging. Een andere geïnterviewde zei het direct:
"Als we de workflow willen automatiseren, willen we tijd besparen en productiever zijn. We willen niet veel tijd besteden aan tools die onze efficiëntie juist zouden moeten verbeteren."
Dit is geen luiheid. Het is rekenen.
Het hele idee van automatisering is tijd besparen. Maar voor de meeste workflows kost de installatie meer tijd dan de taak handmatig uitvoeren. U besteedt uren aan het leren van de interface, uren aan het koppelen van triggers, uren aan het testen van randgevallen, en pas daarna begint u tijd te besparen. Voor wekelijkse taken duurt het maanden voordat het loont. Voor maandelijkse of kwartaal-taken klopt de rekensom nooit.
Dus slaan mensen het over.
Eerdere ervaringen versterken het probleem. Mensen hebben tools geprobeerd die veel beloofden en een 40-stappen installatie vereisten. Ze hebben tijd gestoken in interfaces die niets opleverden. Dus zelfs als een nieuwe tool wel werkt, maakt die ervaring hen terughoudend om te investeren.
De meeste automatiseringstools gaan ervan uit dat u een uur leert voordat u waarde krijgt. Voor de meeste mensen, zeker de niet-technische, eindigt het daar.
Dat is barrière drie.
Barrière 4: Uw organisatie staat het niet toe
Dit is de barrière die het lastigst op te lossen is, en die we het vaakst horen van mensen in grotere organisaties.
Zelfs als u ziet wat er misgaat, precies weet waar u moet beginnen en bereid bent tijd te investeren, kan uw bedrijf het alsnog verbieden.
Iemand die bij een groot bedrijf werkt, beschreef hoe dat eruitziet:
"Elke tool die we gebruiken moet goedgekeurd zijn door de klant of intern. Als dat is goedgekeurd en het budget is toegekend, kopen we die tool per persoon aan."
Goedkeuring. Budget. Licentie per persoon. Voor elke nieuwe tool. Tegen de tijd dat het proces klaar is, is het moment van motivatie allang voorbij.
Maar het diepere probleem is niet alleen "ik krijg de tool niet goedgekeurd". Zelfs als u AI-tools persoonlijk mag gebruiken, kunt u ze niet koppelen aan de systemen waar uw werk zich afspeelt. Dezelfde persoon:
"Ik kan mijn werkomgeving hier niet mee verbinden. Als ik het privé gebruik, kan ik mijn Salesforce niet koppelen. Ik kan mijn Teams niet koppelen. Want het staat op mijn werk-laptop."
Ze hebben toegang tot ChatGPT. Ze hebben taken die ze graag in Salesforce zouden automatiseren. Maar die twee zijn niet te koppelen. De automatisering die ze willen vereist een brug tussen persoonlijke tools en werkdata, en die brug is verboden.
Dit is niet alleen een grootbedrijf-probleem. Een andere geïnterviewde vertelde:
"Ik denk dat grote bedrijven zich zorgen maken over privacy. We mogen ChatGPT gebruiken. Gemini mogen we niet gebruiken. Ik weet niet waarom. Maar het is gewoon een bedrijfskeuze."
"Ik weet niet waarom." Die zin horen we vaak als we mensen spreken over restricties op tools binnen hun organisatie. De keuzes voelen willekeurig. Sommige tools zijn goedgekeurd, andere niet, zonder duidelijke logica. U werkt om de regels heen zonder ze te begrijpen.
Voor veel mensen is dit de echte muur. Niet "ik zie niet wat er misgaat". Niet "ik weet niet hoe ik het moet automatiseren". Maar "ik mag het niet".
Deze barrière is lastiger dan de andere omdat het niet om u gaat. Het gaat om uw omgeving. En omgevingen veranderen langzaam.
Dat is barrière vier.
Wat dit betekent
Deze vier barrières stapelen zich op. Zelfs als u de eerste overwint, volgt de tweede. Daarna de derde. En zelfs als u alle drie doorbreekt, kan uw organisatie u alsnog tegenhouden.
Samen vormen ze een muur waar de meeste mensen nooit doorheen komen, zelfs als ze precies weten wat ze willen verbeteren. Daarom is workflow-automatisering, ondanks twintig jaar beloften, nog steeds vooral een ideaalbeeld.
Wij denken dat de muur te doorbreken is. Niet helemaal, niet voor iedereen, maar meer dan de huidige tools aannemen. De afgelopen maanden hebben we specifiek gebouwd aan oplossingen voor de eerste drie barrières, en goed nagedacht over hoe automatisering veilig genoeg kan worden zodat de vierde op termijn minder beperkend wordt. We hebben ideeën over wat werkt. Maar we laten het liever zien dan erover praten.
Dus dit doen we nu.
Op zaterdag 16 mei organiseren we een gratis praktische workshop in San Jose. We laten zien hoe u ontdekt wat in uw werk te automatiseren is, waar u begint als u honderd opties heeft, en hoe u in minder dan 15 minuten uw eerste AI-collega instelt. Geen code nodig.
Maximaal 30 deelnemers. Aanmelden: https://luma.com/yqpulmgq
Op dinsdag 20 mei organiseren we een soortgelijk evenement in San Francisco. Details en aanmelden volgen snel. Volg @vm0_ai om als eerste op de hoogte te zijn.
Kunt u niet bij een van de evenementen zijn? Volg ons toch. We schrijven op wat mensen daadwerkelijk bouwen tijdens de workshop. De workflows, de verrassingen, wat niet werkte. We publiceren het in de volgende post. Zo krijgt u sowieso praktische antwoorden.
De vier barrières hierboven zijn echt. We horen ze van bijna iedereen met wie we spreken. De eerste drie zijn vandaag oplosbaar. De vierde duurt langer, maar is ook oplosbaar. De komende weken gaan we dat bewijzen, op de evenementen en in wat we publiceren.
Citaties zijn geanonimiseerd naar functie. Interviewgroep: 22 mensen uit software/AI, zorg, podiumkunsten, productie, consultancy, retail, biomechanica en non-profits. Ongeveer 73% met technische achtergrond en 27% zonder.
