Gebruik van AI bij Evidence Based Management

Hieronder werk ik per soort bewijs binnen het concept Evidence Based Management uit wat AI concreet kan doen, waar het mis kan gaan en hoe je het goed organiseert.

1. Wetenschappelijke kennis

AI is handig om sneller overzicht te krijgen in wat er al onderzocht en geschreven is. Dat scheelt tijd, vooral als je geen zin hebt om je door tientallen artikelen heen te worstelen.

AI helpt je om slimmer te zoeken.

Je kunt AI gebruiken om van jouw vraag goede zoekwoorden te maken, inclusief Nederlandse varianten en verwante begrippen. Ook kan AI je helpen om woorden te bedenken die juist het tegenovergestelde onderzoeken, zodat je niet alleen bevestiging vindt voor wat je toch al dacht.

AI helpt je om sneller te selecteren.

Als je titels en samenvattingen van artikelen plakt, kan AI in gewone taal aangeven waar het over gaat, hoe relevant het lijkt en welke vragen je nog moet stellen voordat je het serieus neemt. Zo voorkom je dat je tien artikelen volledig leest die achteraf weinig toevoegen.

AI helpt je om kennis te vertalen naar jullie situatie.

Veel onderzoek beschrijft een aanpak en een uitkomst, maar de context is vaak anders dan bij jullie. AI kan helpen om die contextfactoren expliciet te maken. Bijvoorbeeld: in welk type organisatie werkte dit, bij welk soort teams, met welke randvoorwaarden en met welke risico’s.

AI werkt het veiligst als je het voedt met echte tekst.

Laat AI bij voorkeur werken met passages die jij aanlevert, zoals een samenvatting, een hoofdstuk of een stukje uit een artikel. Dan voorkom je dat het ‘aanvult’ met dingen die niet echt in de bron staan.

AI moet niet alleen samenvatten, maar ook begrenzen.

Een goede werkwijze is dat je AI altijd laat opschrijven wat je níét mag concluderen. Dus niet alleen ‘wat staat er’, maar ook ‘wat blijft onzeker’ en ‘waar zitten zwakke plekken’. Dat maakt je gebruik van onderzoek meteen realistischer.

AI kan je helpen om tegenbewijs serieus te nemen.

In organisaties zoeken we vaak onbewust naar bevestiging. Je kunt AI juist inzetten om alternatieve verklaringen te bedenken en om te checken of er ook onderzoeken zijn die geen effect vonden. Dat voorkomt dat je één positief verhaal te groot maakt.

Concrete toepassingen

• Je overweegt een interventie (bijv. een training of nieuw werkproces) en wilt weten wat eerdere studies daarover laten zien.
• Je wilt snel het verschil snappen tussen ‘wat klinkt logisch’ en ‘wat is al vaker getest’.
• Je wilt in een besluitnotitie kort kunnen uitleggen wat onderzoek zegt, mét beperkingen.

Concrete prompts

• ‘Hier is de samenvatting van een artikel. Leg in eenvoudige taal uit wat de aanpak was, wat het effect was en noem 3 beperkingen.’
• ‘Welke voorwaarden moeten gelden voordat dit ook bij ons kan werken?’
• ‘Welke andere verklaringen passen bij dezelfde uitkomst, los van de aanpak zelf?’
• ‘Geef 5 kritische vragen die ik aan dit artikel moet stellen voordat ik het als bewijs gebruik.’

 

2. Organisatie-data

Hier zit vaak veel winst, omdat de data er al zijn maar niet altijd goed worden benut. AI kan je helpen om interne cijfers en signalen sneller te begrijpen en er betere vragen bij te stellen.

AI helpt om van een probleem een meetbare vraag te maken.

Als iemand zegt ‘het loopt niet lekker’, kan AI helpen om dat om te zetten naar concrete signalen. Bijvoorbeeld: doorlooptijd, herstelwerk, wachttijd, fouten, escalaties, klantklachten, verzuim, verloop of werkdruksignalen. Daardoor ga je minder op gevoel en meer op zichtbare patronen sturen.

AI helpt om patronen en verschillen sneller te zien.

AI kan helpen om trends over tijd te herkennen, verschillen tussen teams zichtbaar te maken en opvallende uitschieters te signaleren. Dat is vooral handig als je veel tabellen hebt en je door de bomen het bos niet meer ziet.

AI helpt om contextvragen niet te vergeten.

Data lijkt objectief, maar er kan van alles meespelen. AI kan je helpen om standaard te checken of er iets veranderde in metingen, definities, systemen of doelgroepen. Soms lijkt een verbetering echt, terwijl het vooral een meetwijziging is.

AI kan nep-effecten opsporen door datakwaliteit te checken.

Als definities schuiven, bronnen onvolledig zijn of registraties per team anders gebeuren, dan kun je verkeerde conclusies trekken. AI kan je helpen om dit soort risico’s expliciet te maken, zodat je weet hoe stevig je staat.

AI is extra nuttig om oorzaak en gevolg niet te snel door elkaar te halen.

In organisaties gebeuren dingen tegelijk. AI kan je helpen om alternatieve verklaringen te bedenken en te benoemen welke extra gegevens je nodig hebt om dat te toetsen. Dat maakt je besluit meer onderbouwd, ook als je niet alles perfect kunt bewijzen.

AI kan helpen om ‘belangrijk’ te onderscheiden van ‘meetbaar’.

Soms is iets meetbaar, maar nauwelijks relevant. AI kan helpen om te bepalen welke indicatoren echt iets zeggen over het probleem dat je probeert op te lossen en welke vooral ruis geven.

Concrete toepassingen

• Je ziet meer verloop en wilt weten of het vooral in bepaalde teams, functies of periodes zit.
• Je voert een nieuwe werkwijze in en wilt weten wat er verandert in kwaliteit, snelheid en klantreacties.
• Je wilt een korte, heldere onderbouwing maken voor een besluit op basis van interne cijfers.

Concrete prompts

• ‘Hier zijn onze definities van de belangrijkste indicatoren. Waar zitten risico’s op verkeerd interpreteren?’
• ‘Welke uitsplitsingen zijn logisch om te maken om dit patroon beter te begrijpen?’
• ‘Noem 8 mogelijke verklaringen voor deze stijging en geef per verklaring aan welke data we nodig hebben om dat te checken.’
• ‘Welke veranderingen in registratie of meetsystemen kunnen dit beeld vertekenen?’

3. Professionele ervaring

Ervaring is waardevol, maar het wordt snel een verzameling meningen. AI kan helpen om ervaring te ordenen en er bruikbare inzichten van te maken.

AI helpt om ervaring expliciet te maken.

Veel vakmanschap zit in dingen die mensen ‘gewoon aanvoelen’. AI kan helpen om dat concreet te maken door door te vragen: wat zie je dan precies, welke signalen bedoel je en wanneer zie je het misgaan? Daarmee wordt ervaring beter bespreekbaar.

AI helpt om aannames zichtbaar te maken.

Achter elk plan zitten aannames. Bijvoorbeeld: ‘als we dit doen, dan gaat dat gedrag omhoog’. AI kan helpen om die aannames één voor één uit te schrijven, zodat je weet wat je eigenlijk gelooft en wat je later kunt toetsen.

AI helpt om overeenkomsten én verschillen tussen professionals te zien.

Als je input ophaalt bij meerdere mensen, kan AI de rode lijn samenvatten, maar ook benoemen waar men het juist níét over eens is. Dat is vaak belangrijker dan consensus, omdat die verschillen meestal wijzen op context, risico’s of blinde vlekken.

AI werkt beter als je ervaring in een vaste vorm laat opschrijven.

Bijvoorbeeld: wat is de waarneming, wat is de interpretatie, wat is de vermoedelijke oorzaak, wat verwacht je als we niets doen, en wanneer klopt dit volgens jou niet? AI kan je helpen om ieders input in die structuur te zetten, zodat je het eerlijk kunt vergelijken.

AI kan denkfouten helpen afremmen.

Teams zoeken vaak naar bevestiging voor de favoriete oplossing, of laten zich leiden door recente incidenten. AI kan je helpen om bewust te vragen: welk signaal zou ons ongelijk bewijzen en baseren we dit op een patroon of op een paar opvallende voorbeelden?

Concrete toepassingen

• Je wilt uit gesprekken met teamleiders een helder beeld maken van wat er echt speelt.
• Je wilt van ‘we denken dat…’ naar ‘onze aannames zijn…’ en daar gericht op toetsen.
• Je wilt expertise gebruiken zonder dat het een machtsstrijd wordt.

Concrete prompts

• ‘Ik plak 10 uitspraken van collega’s. Vat samen per thema: wat zien we, wat denken we dat het betekent en wat is onzeker.’
• ‘Welke aannames zitten in ons plan? Maak ze toetsbaar en geef aan wat een ‘tegen-signaal’ zou zijn.’
• ‘Waar spreken collega’s elkaar tegen en wat zou dat kunnen betekenen voor onze keuze?’

 

4. Wat betrokkenen belangrijk vinden

Dit bewijs gaat over waarden, zorgen, voorkeuren en wat mensen acceptabel en haalbaar vinden. AI is hier sterk in het verwerken van veel tekst, zolang je zorgvuldig bent met privacy en representativiteit.

AI helpt om veel losse input te ordenen.

Denk aan gespreksverslagen, open antwoorden uit een vragenlijst, klantfeedback of notulen. AI kan thema’s herkennen en samenvatten, zodat je snel ziet welke zorgen terugkomen en wat mensen juist waarderen.

AI helpt om lastige afwegingen helder te maken.

In besluiten zitten vaak spanningen, zoals snelheid versus kwaliteit, autonomie versus duidelijkheid, of kosten versus dienstverlening. AI kan helpen om die spanningen in normale taal op te schrijven, inclusief wat de gevolgen zijn voor verschillende groepen.

AI helpt om communicatie te verbeteren zonder inhoud te verdraaien.

Je kunt AI laten voorstellen hoe je een besluit uitlegt aan verschillende doelgroepen, met nadruk op wat er verandert, wat gelijk blijft en welke zorgen je serieus neemt. Dat maakt je verhaal vaak rustiger en eerlijker.

AI kan vertekening zichtbaar maken.

Als je alleen reacties hebt van de luidste stemmen, krijg je een scheef beeld. AI kan helpen om te benoemen wie je wel hoort en wie niet en welke extra input je nodig hebt om het beeld compleet te maken.

AI vraagt om strakke afspraken over privacy.

Veel input is gevoelig. Werk daarom met anonimisering, korte fragmenten, of geaggregeerde samenvattingen. En wees voorzichtig met het plakken van herkenbare casussen of citaten.

AI kan schijn-objectiviteit voorkomen als je laat valideren.

Een nette samenvatting kan ‘definitief’ voelen, terwijl mensen zich er niet in herkennen. AI kan je helpen om een korte check-vraag te formuleren voor een paar betrokkenen: klopt dit beeld, missen we iets, en wat is het belangrijkste dat wij verkeerd begrijpen?

Concrete toepassingen

• Je hebt veel open antwoorden of gespreksnotities en wilt daar snel een bruikbaar beeld uit halen.
• Je wilt in een besluitnotitie laten zien welke zorgen en waarden je hebt meegewogen.
• Je wilt communicatie maken die niet over-optimistisch is, maar ook niet defensief.

Concrete prompts

• ‘Hier zijn 30 anonieme reacties. Maak zes thema’s en schrijf per thema: wat men waardevol vindt, welke zorgen er zijn en welke voorwaarden men noemt.’
• ‘Welke spanningen zie je tussen deze thema’s, en welke keuzes horen daarbij?’
• ‘Maak een korte uitleg voor medewerkers: wat verandert er, wat blijft, en welke zorgen nemen we serieus?’

Lees het hele artikel en download de pdf.

Op 6 januari 2026   /   Onderzoek