Van opdracht tot machine: hoe we in 8 maanden 230 AI-werkstroomen hebben opgezet en een marketingafdeling hebben getransformeerd
Geen consultants. Geen ‘transformatiebureau’. Alleen een wekelijkse opdracht, een zelfontwikkeld systeem en het onophoudelijke streven naar een optimale verhouding tussen output en personeelsaantal.
Elk bedrijf zegt dat ze „aan AI doen”. Meestal bedoelen ze daarmee dat iemand in het team een tabblad met ChatGPT open heeft staan. Dat is AI-toerisme, geen transformatie.
Acht maanden geleden bevond mijn marketingafdeling bij ClickUp zich nog in die categorie. Natuurlijk maakten mensen hier en daar wel gebruik van AI: samenvattingen, eerste concepten, aantekeningen van vergaderingen. Maar het was fragmentarisch, ongelijkmatig en er zat weinig structuur achter. Ik had geen zichtbaarheid in wat mensen aan het bouwen waren. Ik had geen manier om te weten of we daadwerkelijk vooruitgang boekten of dat we alleen maar het vakje ‘AI’ aanvinkten.
Op dit moment hebben we 230 gecatalogiseerde AI-werkstroomen verdeeld over 13 teams. 169 daarvan zijn live in productie. We hebben het AI-gebruik in de eerste zes weken van de transformatie met een factor 20 vergroot. Ons SEO-team had eerst 75 contentmakers nodig, maar nu nog maar 8. Eén medewerker van ons demand-team organiseerde eerst één webinar per maand, maar nu zes. En ik kan nu meteen één ClickUp-weergave openen en je precies vertellen waar elk team en elke medewerker zich bevindt op de AI-volwassenheidscurve, wat ze vervolgens moeten ontwikkelen en waarom.
Hieronder volgt het daadwerkelijke stappenplan. Alle vijf fasen, de fouten die ik heb gemaakt, de nummers die eruit voortkwamen en de specifieke tools en werkstroomen die vandaag de dag de show stelen. Als je leiding geeft aan een omzet- of marketingteam en je neemt dit serieus, maak er dan gerust gebruik van.

De ene maatstaf die alles aanstuurde
Voordat ik inga op de fasen, moet je de maatstaf begrijpen die ten grondslag ligt aan elke beslissing die we hebben genomen: de verhouding tussen output en personeelsaantal. Elke werkstroom, elke medewerker, elke reorganisatie die we doorvoerden, werd getoetst aan een eenvoudige vraag: kunnen we hiermee meer doen met het team dat we hebben, of hetzelfde doen met minder middelen? We moeten ofwel de groei versnellen, ofwel de uitgaven terugdringen (of beide)!
We zijn niet op zoek naar nieuwigheid. We zijn op zoek naar hefboomwerking. En die invalshoek is belangrijk, omdat het team hierdoor gefocust blijft op zaken die de Business daadwerkelijk vooruithelpen, in plaats van coole demo’s te bouwen die nergens toe leiden.
📘 Lees ook: AI in marketing: 10 praktische toepassingen
Wat je in dit handboek leert
Hier volgt een overzicht:
- De enige maatstaf die aan de basis lag van elke beslissing
- De vijf fasen die de transformatie hebben gevormd
- De fouten die ik zou corrigeren als ik opnieuw zou beginnen
- De werkstroomen en agents die vandaag de dag voor concrete resultaten zorgen
- Het systeem dat we gebruikten om de volwassenheid bij te houden, de roadmap voor de volgende fase uit te stippelen en het team verder te begeleiden
Fase 1: De vrijdagopdracht
De eerste stap die we in de zomer van 2025 zetten, was allesbehalve glamoureus. Geen nieuwe tools, geen groot persbericht. Gewoon een vaste opdracht: elk teamlid moest elke week in een speciaal ClickUp-chatkanaal minstens één nieuwe AI-toepassing indienen.
Het kan van alles zijn. Iets dat 30 seconden bespaarde. Iets dat 30 minuten bespaarde.
De balk werd bewust laag gelegd, omdat het niet de bedoeling was om vanaf dag één baanbrekend werk te leveren. Het doel was om mensen in een ritme te brengen waarin ze daadwerkelijk gebruik gaan maken van AI.
Hier gaf het werken met ClickUp ons een structureel voordeel. De AI zat al in de tools die mensen dagelijks gebruikten. Geen contextwisseling. Geen inloggen op een ander platform. Je kon iets uitproberen en de resultaten delen in hetzelfde chatkanaal waar de opdracht stond. De drempel was zo laag als maar kon.
Maar de opdracht op zich is nog maar het begin. Dit is het deel dat de meeste leidinggevenden over het hoofd zien.
Elke vrijdagavond en zaterdagochtend (ik zit aan de oostkust, een groot deel van mijn team zit aan de westkust) las ik elke inzending. Echt allemaal. Bij elke inzending gaf ik commentaar met mijn mening, suggesties en aanmoedigingen. Ik bedankte de inzenders. Ik stelde vervolgvragen. Ik liet zien dat dit geen show was.
Als je team ook maar één seconde het gevoel heeft dat je als leidinggevende alleen maar een vakje afvinkt, is de hele exercitie ten dode opgeschreven. Ze moeten zien dat je oplet en dat je daadwerkelijk geïnteresseerd bent in wat zij ontdekken.
Het kostte hen veel tijd, en ik wilde dat ze wisten dat het geen zinloos werk was. Het was iets waar het management oprecht belang aan hechtte en dat ze wilden begrijpen.
Het kostte hen veel tijd, en ik wilde dat ze wisten dat het geen zinloos werk was. Het was iets waar het management oprecht belang aan hechtte en dat ze wilden begrijpen.
We hebben dit ongeveer zes weken lang uitgevoerd. En toen viel het kwartje. We hadden het mandaat niet meer nodig. Mensen waren verkocht. De druk nam af, omdat het gebruik van AI niet wereldveranderend hoefde te zijn. Het hoefde je alleen maar elke dag 1% beter te maken.
En het halo-effect was enorm. Mensen zagen wat hun collega’s deden en begonnen dat na te doen. Prompts werden hergebruikt. Agents werden gedeeld. Het experiment van één persoon werd de dagelijkse werkstroom van tien mensen. Daar zit de echte meerwaarde.
Na zes weken zag ik een bemoedigende indicator: een 20-voudige toename van het AI-gebruik binnen het team.
📘 Lees ook: Meer dan alleen een chatbot: waarom echte AI-transformatie vereist dat je je beste mensen inzet



Wat je kunt overnemen uit fase 1
Maak een openbaar kanaal aan. Maak inzendingen zichtbaar. Leg de lat laag om de druk weg te nemen. Laat het een vaste periode lopen, 4-6 weken: lang genoeg om er een gewoonte van te maken, maar kort genoeg zodat het niet permanent aanvoelt. En het allerbelangrijkste: leidinggevenden moeten zichtbaar betrokken zijn. Reageer op elke inzending. Als je je daar niet aan kunt committeren, doe dan geen moeite met het initiatief.
💡 Pro-tip: Als je wilt dat deze gewoonte blijft hangen, gebruik dan een tool waarmee leidinggevenden in de juiste context kunnen reageren. Met ClickUp Chat en taakcommentaren blijft feedback zichtbaar, herbruikbaar en gemakkelijk om op voort te bouwen, in plaats van te verdwijnen in de Slack-geschiedenis.
Fase 2: Superagenten maakten van iedereen een bouwer
Tegen de herfst dacht het team in termen van AI. Ze hadden de basisprincipes onder de knie: samenvatten, opstellen, onderzoek doen, formatten en eenvoudige analyses. Maar 80% van wat ze hadden gebouwd, betrof nog steeds taaktautomatisering. Het A-naar-B-type werk. Nuttig, en het zorgde zeker voor een verbetering van onze verhouding tussen output en personeelsbestand. Maar het was nog niet echt baanbrekend.
Vervolgens lanceerde ClickUp intern ‘Super Agents ’. En daarmee veranderde de hele situatie.
In plaats van handmatig prompts aan elkaar te plakken en eenvoudige automatiseringen aan elkaar te koppelen tot iets complexers, kon een niet-technische gebruiker met behulp van een agentbouwer een meerstapswerkstroom in gewone taal beschrijven, waarna ClickUp de Super Agent daarvoor kon bouwen. De drempel voor het creëren van echte automatisering daalde tot bijna nul. Voor een team dat al klaar was om op deze manier te denken, was het alsof er olie op het vuur werd gegoten.
We daagden het team uit om groter te denken. Niet van A naar B, maar van A tot Z. We vroegen iedereen om de complexe, meerstapswerkstroomen in hun werk te identificeren die veel tijd kostten en geautomatiseerd moesten worden. En omdat we wisten dat we Super Agents eind december publiekelijk zouden lanceren, had iedereen een extra stimulans: hun werk zou in de schijnwerpers komen te staan. Ze zouden hun eigen efficiëntiewinst aan de wereld kunnen laten zien.
Begin januari beschikten we over een bibliotheek met meer dan 150 video's waarin ons team Super Agents ontwikkelde en gebruikte. Mensen waren trots op hun werk. Ze profileerden zich als experts op hun vakgebied. En het hele proces zorgde voor een vliegwieleffect waarbij interne efficiëntiewinst extern marketingcontent werd.
Sommige taken die je vorige week nog uitvoerde, zijn inmiddels niet meer relevant en moeten worden afgebouwd ten gunste van een nieuwe en betere aanpak. Je moet daar niet al te dramatisch over doen.
Sommige taken die je vorige week nog deed, zijn inmiddels niet meer relevant en moeten worden afgeschaft ten gunste van een nieuwe en betere aanpak. Je moet daar niet al te dramatisch over doen.
Dit is iets waar de meeste teams de fout in gaan. Ze bouwen iets dat werkt, en vervolgens houden ze er vast aan. Maar gezien het tempo waarin dit soort zaken zich ontwikkelen, moet je bereid zijn om voortdurend dingen buiten gebruik te stellen. We hebben een aantal van onze zomerautomatiseringen al binnen enkele maanden stopgezet omdat de Super Agent-versies gewoon beter waren. Dat is geen verspilling, dat is een natuurlijk onderdeel van het proces.
📮 ClickUp Insight: 24% van de mensen geeft aan dat ze AI-agenten vooral willen gebruiken om saaie taken te automatiseren.
De verwachting hier is ontlasting van werk met weinig toegevoegde waarde, en dat is terecht. Als een agent voortdurend moet worden geïnstalleerd, gecontroleerd of aangestuurd, voelt het niet langer nuttig aan, maar juist als extra werk.
In ClickUp werken Super Agents continu op de achtergrond: ze werken taken bij, stellen documenten op en brengen het werk vooruit met dezelfde tools die jouw team al gebruikt. Je kunt ze een privébericht sturen voor eenmalige hulp, en ze zelfs een vermelding geven in een document om een brainstorm om te zetten in een duidelijk plan!





Fase 3: De bibliotheek (had ik dit maar eerder gedaan)
Oké, even eerlijk zijn.
Als ik één ding over zou kunnen doen, dan zou het dit zijn. Ik zou vanaf dag één zijn begonnen met organiseren.
Dit is wat er in plaats daarvan gebeurde. Na negen maanden waren er overal AI-werkstroomen. Elk team had zijn eigen werkstroomen. Iedereen had zijn eigen favoriete agents. Maar niemand, inclusief ikzelf, had een volledig overzicht van wat er daadwerkelijk in de hele organisatie bestond. Het was krachtig, maar onzichtbaar.
Dus heb ik een gestructureerde inventaris opgebouwd. Dit is het moment waarop de transformatie ophield een verzameling successen te zijn en een besturingssysteem begon te worden. Binnen ClickUp krijgt elke actieve AI-agent en werkstroom een taak met aangepaste velden die alles vastleggen wat ertoe doet:
Wat is de functie ervan? Specifiek. Niet „helpt bij marketing“. Welke exacte taak of welk proces voert deze agent uit?
Wat is het resultaat? Bespaarde uren, bespaard geld, hogere doorvoer. Echte nummers, geen vage indrukken.
Wie is hiervoor verantwoordelijk? Wie heeft het gebouwd, wie onderhoudt het en wie bel je als het niet meer werkt?
Hoe vaak wordt het uitgevoerd? Dagelijks? Wekelijks? Op aanvraag? Continu?
Waar draait het? ClickUp Super Agent, Cursor, Retool, Replit, Hex, Claude Code, AirOps. We gebruiken heel wat tools. De systeemkolom houdt ze allemaal bij.
Welk team? En, nog belangrijker, welk ontwikkelingsniveau?
📌 Het voordeel van ClickUp: Zodra je honderden werkstroomen hebt verspreid over verschillende teams, wordt het vinden van de juiste werkstroom een probleem op zich. Met ClickUp Enterprise Search kun je zoeken in taken, documenten, opmerkingen en gekoppelde tools zonder afhankelijk te zijn van 'tribal knowledge' of van degene die het toevallig als eerste heeft opgezet.


Op dit moment telt deze lijst 230 werkstroomen. 169 zijn live. 40 staan op de roadmap. 17 worden momenteel actief ontwikkeld en getest. Verspreid over 13 functionele teams. En omdat het in ClickUp staat, met echte aangepaste velden, weergaven en filters, kan ik het op elke gewenste manier opsplitsen. Per team, per ontwikkelingsfase, per impact, per systeem, per status. Het is het controlepaneel voor onze gehele AI-operatie.

230 AI-werkstroomen verdeeld over 13 teams: concrete resultaten
Hier laat ik het bewijsmateriaal zien. Dit zijn echte werkstroom-werkprocessen die momenteel in productie draaien, met concrete impactnummers die rechtstreeks uit de bibliotheek zijn gehaald.
| Team | Opvallende werkstroom | Impact |
|---|---|---|
| SEO/Content | 150 blogberichten per maand (AirOps + QA Super Agent) | Producenten: 75 → 8. Bespaart 675 uur per maand. |
| Video/content | 100 YouTube-video’s per maand (briefing + publicatiekit voor medewerkers) | 4 werkdagen + $800/maand bespaard. |
| Vraag | Campagne-contentketen met 6 agenten | Campagnaanmaken: 4-8 uur → 1-2 uur. |
| Gebeurtenissen ter plaatse | Volledige stack voor de levenscyclus van gebeurtenissen (meer dan 25 medewerkers) | Alleen al aan onderzoek ging 6-8 uur per gebeurtenis. |
| Community | Meer dan 15 moderatie- en inzichtagenten | 2+ uur per week aan overzichten. 20-30 minuten per escalatie. |
| PMM | Cursor Agent Swarm + CompeteBot + Resonance Testing | Marktonderzoek: 1-2 weken → 45 min. |
| XDR/SDR's | SS1 Opportunity Pipeline Guardian | In de eerste maand werd een risicovolle pijplijn ter waarde van 700.000 dollar opgespoord. |
| Klantondersteuning | Helpcentrummedewerker + CUU-scriptschrijvers | 20 uur per week (Helpcentrum). 4 uur per script. |
| Groei & Operaties | Vergelijk Page Generation + Ad Strategist Suite | ~9.000 uur bespaard. Advertentiepakket ≈ 1 FTE. |
| Levenscyclus | WrapUp-campagneautomatisering | Lead Time: van 3 maanden naar enkele dagen voor 60.000 gebruikers. |
| DG Analytics | Agentic Analytics Suite (7+ Super Agents via Hex MCP) | Dagelijkse monitoring van de pijplijn. Volledig geautomatiseerd. |
| Technische ondersteuning | Bug Goblin + Stale Defect Agent | 1.551 verouderde bugs zijn automatisch gesloten. |
| Professionele diensten | Overzicht van verlengingsrisico’s + prioritering van TAM | Driemaandelijkse boekrecensies in enkele minuten klaar. |
Wat dit systeem bij ClickUp mogelijk maakte

ClickUp Chat om use cases te verzamelen en openbaar te delen ClickUp-taaken + aangepaste velden om werkstroom, eigendom, impact, systeem en volwassenheid in kaart te brengen ClickUp-dashboards en weergaven om de bibliotheek teamoverschrijdend te monitoren ClickUp-automatiseringen en Super Agents om complexe, meerstapswerkstroomautomatiseringen te automatiseren ClickUp Brain en Brain MAX om de bibliotheek te analyseren, hiaten op te sporen en de roadmap vorm te geven
Fase 4: We hebben AI gebruikt om onze eigen AI te beoordelen
Hier wordt het pas echt meta. En eerlijk gezegd begon het hier allemaal aan te voelen als een echt systeem in plaats van een verzameling projecten.
Toen alle 230 werkstroomen eenmaal in ClickUp waren gecatalogiseerd met gestructureerde gegevens, liet ik ClickUp Brain de volledige lijst analyseren en vroeg ik het om de organisatie te evalueren. Welke teams zijn het verst gevorderd? Welke bevinden zich nog grotendeels op het niveau ‘AI-ondersteund’? Waar zitten de hiaten tussen de verschillende functies? Wat moeten we hierna ontwikkelen?
Het belangrijkste inzicht was niet verrassend, maar wel belangrijk: de meeste teams werkten in silo’s. Mensen automatiseerden hun eigen taken. Vervolgens koppelden ze die automatiseringen aan elkaar voor taken op teamniveau. Maar de werkstroom hield op bij de teamgrens. Het operationele team vormde hierop een uitzondering, omdat zij van nature functieoverschrijdend werken, waardoor hun medewerkers vanzelfsprekend bij meerdere teams betrokken waren.
Maar de rest? Geisoleerd.
Dat inzicht alleen al was de hele exercitie waard, omdat het me precies liet zien waar de volgende golf van waarde schuilt: in de ruimtes tussen teams. De cross-functionele verbinding. De werkstroom die de vraag verbindt met gebeurtenissen in het veld, met de community en met content. Die ontstaan niet vanzelf. Ze moeten worden ontworpen.
Voor het eerst heb ik echt een beeld van wat er binnen mijn organisatie op het gebied van AI-volwassenheid allemaal speelt. En wat de volgende stappen zijn, en waarom. Ik kan prioriteiten stellen, middelen toewijzen, personeel inzetten en een stappenplan opstellen. Het is nu een echt programma.
Voor het eerst heb ik echt een beeld van wat er binnen mijn organisatie op het gebied van AI-volwassenheid allemaal speelt. En wat de volgende stappen zijn, en waarom. Ik kan prioriteiten stellen, middelen toewijzen, personeel inzetten en een stappenplan opstellen. Het is nu een echt programma.

⚠️ De mate van AI-rijpheid is wat het verschil maakt tussen daadwerkelijk nut en loze ruis
Een paar goede werkstroomen kunnen al op voortgang lijken. Een echt systeem is iets anders.
De ClickUp AI Maturity Assessment helpt u inzicht te krijgen in waar uw team op dit moment staat en wat er moet veranderen voordat AI zich door de hele organisatie heen kan verspreiden.
👉 Doe de test en ontdek hoe ver je vliegwiel al is.
Fase 5: Roadmaps, coachingplannen en een nieuw DNA
De maturiteitsbeoordeling leverde ons twee inzichten op die de manier waarop we het team in de toekomst aansturen, hebben veranderd.
Ten eerste: een echte AI-roadmap. Op basis van de hiaten die Brain heeft geïdentificeerd, staan er nu 40 werkstroomen in de wachtrij met de status ‘Roadmap’ in dezelfde ClickUp-lijst. Ik kan zien wat er wordt ontwikkeld, wie er verantwoordelijk voor is en wat de reden erachter is. Cross-functionele integratie krijgt prioriteit. Voor de kloof tussen Demand en Community wordt een speciale medewerker aangewezen.
De kloof tussen PMM en gebeurtenissen in het veld wordt aangepakt. Voor het eerst wordt onze AI-transformatie ondersteund door daadwerkelijk projectmanagement. Prioritering. Inzet van middelen. Verantwoordelijkheid. Je weet wel, de dingen die goede ideeën omzetten in concrete resultaten.

Ten tweede: individuele coachingplannen. Iedereen in het team, inclusief ikzelf, krijgt een plan om zijn of haar AI-kennisachterstanden weg te werken. Waar liggen hun sterke punten? Waar moeten ze zich nog verder ontwikkelen? Welke specifieke werkstroomen moeten ze vervolgens aanpakken? En degenen die al verder zijn, worden mentoren voor degenen die nog aan het opstarten zijn. Het is het stimuleren van mensen, aangestuurd door AI-beoordeling.
We hebben ook ons wervingsbeleid aangepast. Gedurende dit hele traject hebben we bewust mensen aan het team toegevoegd die ‘AI-first’-ontwikkelaars zijn. Niet zomaar enthousiastelingen. Mensen die complexe agentsystemen begrijpen, die in werkstroom denken in plaats van in taken, die iets kunnen bouwen en vervolgens drie andere mensen kunnen leren hoe ze dat kunnen uitbreiden. Zij vormen het nieuwe DNA van de organisatie en hebben een versterkend effect gehad op iedereen om hen heen.
Op deze manier zullen we onze hefboomwerking blijven vergroten en onze verhouding tussen output en personeelsbestand nog verder verbeteren.



🚀 Het voordeel van ClickUp: Zodra AI zich over teams begint te verspreiden, is toegang niet het echte probleem. Het is versnippering. ClickUp Brain MAX helpt dat op te lossen door mensen één AI-laag op hun desktop te bieden voor al hun werk, met geïntegreerde zoekfuncties, meerdere modellen en ingebouwde spraak-naar-tekst-functionaliteit. Minder gedoe met verschillende tools. Minder vragen als “waar stond dat ook alweer?”

Het beknopte handboek
Als je dit leest en denkt: “Dit moeten wij ook nog doen”, dan is hier de versie die je kunt afdrukken en op je monitor kunt plakken.
Begin met een opdracht, niet met een platform. De technologie doet er niet toe als je team niet de gewoonte heeft om meteen naar AI te grijpen. Openbaar kanaal. Wekelijkse inzendingen. Lage drempel. 6 weken. Ga persoonlijk in gesprek met iedereen.
Maak het begrijpelijk, en laat het vervolgens verspreiden. De grootste verandering was niet één specifieke werkstroom. Het was het moment waarop mensen zich realiseerden dat AI niet revolutionair hoeft te zijn om waardevol te zijn. Deel alles openbaar, zodat ideeën opnieuw kunnen worden gebruikt.
Zet de lat hoger zodra er betere tools beschikbaar komen. Super Agents hebben complexe automatisering toegankelijk gemaakt voor mensen zonder technische achtergrond. Let op deze keerpunten in je eigen stack en gebruik ze om het team verder te stimuleren.
Schrap je favorieten voortdurend. Sommige van onze zomerautomatiseringen werden al binnen enkele maanden buiten gebruik gesteld. Goed zo. Dat betekent dat we sneller verbeteren dan dat we eraan gehecht raken.
Breng alles in kaart. Eerder dan je denkt dat het nodig is. Als ik één ding over zou kunnen doen, zou ik vanaf dag één beginnen met het opstellen van een gestructureerde inventaris. De bibliotheek is geen documentatie. Het is de basis voor AI-gestuurde beoordeling, het opstellen van roadmaps en coaching. Zonder deze bibliotheek vlieg je blind.
Laat AI zichzelf beoordelen. Zodra je werkstroom(s) in een gestructureerd systeem zijn ondergebracht, laat je AI deze doorlopen en een volwassenheidsbeoordeling geven. Het zal cross-functionele hiaten en silo-patronen sneller opsporen dan welke menselijke analyse dan ook.
Neem bouwers in dienst. Je hebt een handvol mensen nodig die oprecht AI-first werken. Ze bouwen niet alleen voor zichzelf. Ze geven les, begeleiden anderen en tillen het niveau van iedereen om hen heen naar een hoger niveau.
Beheer het als een product. Roadmap. Backlog. Sprint-prioriteiten. Zichtbaarheid. Aandacht van het management. Als je AI-transformatie een nevenproject is, blijft het ook een nevenproject.
🎥 Als je een breder beeld wilt krijgen van hoe AI-transformatie eruitziet wanneer er een verbinding is met het dagelijkse werk, is deze video een nuttige aanvulling op het bovenstaande handboek.
Wat zorgde er nu eigenlijk voor dat dit werkte?
Als je de hele transformatie terugbrengt tot wat ervoor zorgde dat het daadwerkelijk werkte, komt het neer op een paar eenvoudige patronen:
- Het management bleef met zichtbare betrokkenheid betrokken
- In het begin verliepen de experimenten soepel
- Het team werkte vanuit één gedeeld systeem
- Betere tools hebben de mogelijkheden vergroot
- Werkstroomen werden beheerd als een product
Waar dit naartoe leidt
Negen maanden geleden was AI iets wat ons team gebruikte als ze eraan dachten. Vandaag de dag beschikken we over 230 gecatalogiseerde werkstroomen, een drieledig volwassenheidsraamwerk, een geprioriteerde roadmap, individuele coachingplannen voor elk teamlid en een systeem dat elke week verder groeit.
We zijn van versnipperde experimenten naar een gestructureerd ontwerp gegaan. Van geïsoleerde medewerkers naar functieoverschrijdende systemen. Van handmatige rapportage naar geautomatiseerde pijplijnanalyses. En dat hebben we gedaan met de tools die we al hadden, de mensen die we al in dienst hadden, en de vastberadenheid om AI-volwassenheid te behandelen als een echt programma, niet als een ambitie.
De verhouding tussen output en personeelsaantal is de nieuwe maatstaf voor het concurrentievermogen van een team. De teams die hierachter echte systemen bouwen, in plaats van het bij enthousiasme te laten, zijn degenen die zullen winnen.
We staan nog aan het begin. En ik heb er alle vertrouwen in dat we op de goede weg zijn.
Als uw team hetzelfde wil doen, biedt ClickUp u het systeem om dit op te zetten, bij te houden en op te schalen.

Veelgestelde vragen
Hoe lang heeft het marketingteam van ClickUp erover gedaan om zijn AI-besturingssysteem op te zetten?
De marketingafdeling van ClickUp bouwde haar gestructureerde AI-besturingssysteem in ongeveer negen maanden op, beginnend met een eenvoudige wekelijkse use-case-opdracht en uitgroeiend tot een bijgehouden bibliotheek van 230 werkstroom-werkflows verspreid over 13 teams.
Wat is de belangrijkste maatstaf bij een AI-transformatie?
Voor dit team was de verhouding tussen output en personeelsbezetting de sleutelmaatstaf. Elke werkstroom en elke medewerker werd beoordeeld op basis van de vraag of deze de output met hetzelfde team verhoogde of de output op peil hield met minder middelen.
Waarom heeft ClickUp alle AI-werkstroomen in één systeem gecatalogiseerd?
Dankzij een gestructureerd overzicht konden de impact, eigendom, volwassenheid en hiaten binnen de hele organisatie worden bijgehouden. Zonder die zichtbaarheid bleef de invoering van AI weliswaar krachtig, maar onzichtbaar.
Wat zorgde ervoor dat de invoering van AI daadwerkelijk aansloeg bij het hele team?
De belangrijkste factoren waren zichtbare betrokkenheid van het management, een wekelijkse routine zonder drempels, het openbaar delen van gebruiksscenario’s en tools waarmee niet-technische gebruikers nuttige werkstroomen konden bouwen binnen het systeem dat ze al gebruikten.
Hoe heeft ClickUp AI ingezet om zijn eigen AI-transformatie te verbeteren?
Nadat de werkstroomen in ClickUp waren gecatalogiseerd, gebruikte het team ClickUp Brain om de AI-volwassenheid binnen de teams te beoordelen, hiaten te identificeren, prioriteiten te stellen voor mogelijkheden in de roadmap en coachingplannen voor individuen te vormen.
