Jarenlang hebben bedrijven geprobeerd om minder afhankelijk te worden van hun softwareleveranciers. Want wat als je morgen van ERP wilt veranderen? Kun je je data dan zomaar meenemen? En wat als je leverancier plots beslist dat dezelfde software dubbel zoveel kost?
Vendor lock-in. De nachtmerrie van menig IT-manager.
Dus bouwden we API's, omarmden we open standaarden en maakten we afspraken over data-eigenaarschap. Alles om onze bedrijfsvoering niet volledig aan één leverancier vast te klikken.
En ondertussen? Ondertussen bouwen we vrolijk een nieuwe afhankelijkheid op. Niet in ons ERP of CRM, maar in de AI-tools die onze medewerkers dagelijks gebruiken.
Je nieuwe kennissilo heeft een chatvenster
Vroeger zat cruciale bedrijfskennis in persoonlijke Excelbestanden, eindeloze mailconversaties of in het hoofd van die ene collega die als enige wist hoe iets werkte. Met een beetje pech was die net drie weken op vakantie wanneer je hem nodig had.
Vandaag investeren we volop in kennisbanken, centrale documentatie en systemen die informatie toegankelijk maken. Alleen sluipt er langs de achterdeur alweer een nieuwe kennissilo binnen.
Neem een accountmanager die al anderhalf jaar dagelijks ChatGPT gebruikt. Die heeft ondertussen een eigen aanpak ontwikkeld om offertes uit te werken, klantgesprekken voor te bereiden en opportuniteiten te analyseren. Met specifieke instructies, voorbeelden en context die na tientallen pogingen steeds betere resultaten opleveren.
En dan vertrekt die accountmanager. Sh*t happens.
De klanten worden overgedragen, het CRM is bijgewerkt en de documenten staan netjes op de gedeelde schijf. Maar die slimme AI-werkwijze? Als die vooral in persoonlijke chats, instructies en projecten is opgebouwd, kan een belangrijk deel ervan achterblijven in de persoonlijke AI-omgeving van die medewerker.
De opvolger krijgt dezelfde licentie. Niet noodzakelijk dezelfde voorsprong. Dat is context lock-in: waardevolle kennis en werkwijzen raken zo sterk verbonden met een gebruiker of een persoonlijke AI-omgeving dat ze moeilijk overdraagbaar worden.
Honderd AI-licenties maken je nog geen AI-mature organisatie
HR ontwikkelt een handige AI-workflow voor sollicitatiegesprekken. Finance automatiseert terugkerende controles. Projectmanagers laten risico's in documentatie analyseren. Allemaal waardevolle initiatieven. Maar als iedereen zijn eigen AI-werkwijze uitvindt, hoeveel slimmer wordt je organisatie daar dan eigenlijk van?
Bedrijven meten AI-adoptie graag in actieve gebruikers, licenties en uitgespaarde uren. Mooie cijfers voor een managementpresentatie. Alleen vertellen ze weinig over wat er van die opgebouwde kennis overblijft wanneer iemand vertrekt.
Individuele AI-productiviteit is niet hetzelfde als organisatorische AI maturity.
Natuurlijk kun je vandaag AI-instructies, projecten en zelfs complete assistenten delen met collega's. Maar daarmee is niet alles opgelost. Je kunt een prompt kopiëren, niet automatisch de jaren ervaring en het beoordelingsvermogen van degene die hem schreef.
En dan is er nog de lock-in bij je AI-provider
Zelfs wanneer je alle opgebouwde AI-werkwijzen netjes deelt binnen je organisatie, blijft er een tweede afhankelijkheid bestaan: die van het platform zelf.
Stel dat je organisatie vandaag volop inzet op ChatGPT. Medewerkers bouwen gespecialiseerde assistenten, configureren workflows en integreren het platform in hun dagelijkse werking. Een jaar later wil je overstappen naar Claude, omdat het beter aansluit bij je behoeften of interessanter geprijsd is.
Op papier wissel je gewoon van AI-tool. In de praktijk ligt dat iets ingewikkelder.
Je instructies en documenten kun je meenemen, maar geheugen, integraties en modelgedrag verschillen. Een export van je gesprekken levert niet automatisch dezelfde werkende assistent op. Mogelijk moet je workflows opnieuw configureren en testen.
Klinkt verdacht veel als de vendor lock-in die we al jaren proberen te vermijden.
Daar komt nog bij dat medewerkers via persoonlijke AI-accounts soms bedrijfsinformatie delen waar de organisatie onvoldoende zicht op heeft. Zakelijke omgevingen bieden meer mogelijkheden voor beheer en beveiliging, maar ook daar moet je bewuste keuzes maken over toegangsrechten en gegevensverwerking.
Je kunt dus perfect je prompts en projecten delen, en toch afhankelijk blijven van één AI-provider.
De echte waarde zit niet in je prompt
Eigenlijk brengt de AI-hype ook iets interessants aan het licht: hoeveel waardevolle bedrijfskennis nooit ergens degelijk is vastgelegd.
Neem een ervaren projectmanager die AI gebruikt om een projectinschatting te maken. Om een bruikbaar resultaat te krijgen, moet die uitleggen welke risico's meestal onderschat worden, welke uitzonderingen gelden en waarom een ogenschijnlijk eenvoudige integratie toch weken werk kan vragen.
Kennis die jarenlang vooral in iemands hoofd zat, wordt plots wél neergepend.
En nee, dat betekent niet dat we voortaan alle prompts in een gedeelde map moeten gooien en er 'AI knowledge management' op plakken.
Het is wél een kans om die expertise structureel vast te leggen. Niet alleen de instructies, maar ook de achterliggende beslisregels, uitzonderingen en processen. Zodat de volgende medewerker er iets aan heeft, zonder eerst 47 chatgesprekken te moeten doorploegen.
Misschien heeft je AI geen betere prompt nodig
Stel dat een klant vraagt om een bestelling te wijzigen. Om daar correct op te reageren, moet AI weten wat er in het ERP staat, welke afspraken in het CRM zijn vastgelegd en welke levertermijnen haalbaar zijn.
Een assistent die alleen je mailbox kent, kan daar weinig mee. Eentje die toegang heeft tot de juiste systemen, kan informatie samenbrengen, een voorstel voorbereiden en, met de nodige controles en autorisaties, zelfs acties uitvoeren.
Daar kom je niet met een slimmere prompt alleen. Je hebt betrouwbare bedrijfsdata nodig, integraties, toegangsrechten en duidelijke afspraken over welke beslissingen AI mag ondersteunen of uitvoeren.
Daar ligt volgens ons bij Wisemen de volgende stap in AI maturity: bedrijfskennis en processen zo organiseren dat verschillende AI-toepassingen er veilig en betrouwbaar op kunnen voortbouwen.
Want een AI-model kun je vervangen. De jaren aan expertise waarop je bedrijf draait? Die bouw je niet zomaar opnieuw op.











