Wat betekent het om een AI-native bureau te zijn, en hoe snel moet je daar komen? AI-native zijn betekent dat AI is ingebouwd in hoe het werk loopt, zodat je experts op de werkvloer er profijt van hebben zonder erbij na te denken. ‘Hoe snel’ is de verkeerde vraag. De nuttige vraag is: waar is de finishlijn, hoe lang duurt het en wat kost het om daar te komen?
Merken stellen hun finishlijnen al vast. Marketing Dive meldt dat Liquid Death media- en retailmedia-optimalisatie draait op een AI-besturingssysteem dat is gebouwd met het bureau Power Digital Marketing. Het merk heeft in ongeveer drie weken 17 versies van Omega, het besturingssysteem van Power Digital, doorlopen. Het uitgesproken doel is om ‘een behoorlijk groot budget’ te runnen met ‘slechts twee mensen intern’.
Zeventien versies in drie weken is snel. Maar kijk wat er vóór die snelheid staat: een bestemming die in gewone woorden is opgeschreven. Een flink budget, twee mensen. Elke iteratie kun je daaraan toetsen. De meeste bureaus die ‘AI-native’ nastreven, hebben de snelheid en geen enkele bestemming.
Wat betekent ‘AI-native’ eigenlijk voor een bureau?
Veel bureauleiders definiëren het als ‘iedereen in het team gebruikt ChatGPT’. Een bureauoprichter die deze week sprak op een sessie over AI-adoptie in Singapore bood een betere toets. Hij probeert al 18 maanden zijn eigen bureau van zo’n 20 mensen AI-native te maken, en hij vergeleek het echte werk met door Changi Airport lopen zonder paspoort. Geen rij, geen formulieren. Je loopt gewoon door.
Voor een bureau betekent dat dat de experts op de werkvloer, de planner, de copywriter, de accountlead, helemaal niet meer hoeven in te loggen op ChatGPT. De AI zit dan al in de flow van hun werk.
Volgens die toets is een bureau waar iedereen een chatbot-tabblad open heeft staan niet AI-native. Het is AI-aangrenzend. Mensen kopiëren, plakken en leggen de klant nog elke ochtend opnieuw uit aan een leeg invoerveld.
Waarom verwarren bureaus snelheid met vooruitgang?
Omdat de angst echt is. Als elke week een nieuw model brengt en elke feed een solo-oprichter laat zien die beweert een hele afdeling te hebben vervangen, voelt stilstaan als achteruitgang. De oprichter uit Singapore beschreef zijn eigen reactie als pure haas: nieuw model, nieuwe tool, iedereen op een code-account, vrijdagen gewijd aan bouwen. Wat ontbrak, was de finishlijn. Niemand had bepaald waar ze naartoe aan het racen waren.
De schildpad wint de fabel niet omdat traagheid een deugd is, maar omdat elke stap weloverwogen is. Zijn reframe voor bureaus: bepaal de finishlijn, hoe lang het duurt om er te komen en welke middelen je mee moet nemen.
Bureaus voelen deze druk sterker dan de meesten. Klanten vragen wat je met AI doet. New-businessteams willen iets indrukwekkends kunnen zeggen in de pitch. De verleiding is om een spannend antwoord te hebben in plaats van een nuttig antwoord.
Wat zijn de vijf niveaus van AI-adoptie?
De nuttigste slide uit de talk was een trap. Zoals het diagram laat zien, telt die vijf treden, en elke trede vraagt meer van je context, je mensen en je engineering. De namen van de niveaus zijn van hem; de bureauvoorbeelden zijn van ons.
| Niveau | Hoe het eruitziet | Een voorbeeld uit een bureau |
|---|---|---|
| 1. Chatgebaseerd | Elke input handmatig getypt of geplakt | Een strateeg plakt een briefing in een chatbot en vraagt om creatieve territoria |
| 2. Agent-lite (opgeslagen prompts) | Opgeslagen eigen prompts en projecten | Een PR-team houdt per klant een project bij met tone-of-voice-regels en boilerplate |
| 3. Echt agentisch | Individuele agents in je systeem, met context ingericht | Een agent schrijft het wekelijkse mediarapport op basis van gekoppelde platformdata |
| 4. Het agentteam | Agents delen één bron van waarheid en werken samen | Een listening-agent signaleert een productlancering van een concurrent; een rapportage-agent voegt die toe aan de klantupdate |
| 5. De functie runt zichzelf | Mensen bepalen de richting, beoordelen en nemen de oordelen | Routinematige monitoring en rapportage lopen van begin tot eind; het team beoordeelt en beslist |
De sprong van niveau 2 naar niveau 3 is waar bureaus vaak vastlopen. Daaronder leeft AI in individuele gewoontes. Daarboven leeft AI in je systemen, en dat betekent dat iemand ze moet bouwen, koppelen en onderhouden.
Moet elk bureau niveau vijf bereiken?
Nee, en de talk was daar stellig over. Als niveau 2 je bottleneck oplost, stop dan daar. Het doel is vooruitgang, niet snelheid.
Dat pakt per soort bureau heel verschillend uit. Een klein PR-adviesbureau waarvan de bottleneck de eerste concepten zijn, kan prima uit de voeten op niveau 2, met goed opgezette projecten die de stem van elke klant vasthouden. Een mediabureau dat verzuipt in platformoverstijgende rapportage heeft waarschijnlijk niveau 3 of 4 nodig, omdat de bottleneck de data is die tussen systemen beweegt. Een influencerbureau dat honderden creators beheert, heeft misschien agents nodig die één logboek delen van wie wat wanneer heeft afgesproken. Een creatief bureau waarvan de bottleneck de briefing is, hoeft misschien helemaal niet te klimmen totdat de briefing is gefixt.
Verder klimmen dan het niveau dat je nodig hebt, is geen ambitie. Het is onderhoud waar je zonder reden voor getekend hebt.
Waarom blijft de haast bestaan?
De theorie van sociale verandering helpt het te verklaren. Sectoren veranderen wanneer technologie, gewoontes en instituties samen verschuiven. Als technologie de normen en structuren eromheen vooruitsnelt, wordt het gat gevuld met angst, imitatie en shortcuts. Mensen gaan over op AI omdat anderen dat doen, niet omdat ze hebben besloten waar ze heen willen.
In bureaus is integriteit het slachtoffer: van het werk, van het proces, van de belofte aan de klant. Gehaaste AI levert stellige output op die niemand heeft gecontroleerd en workflows die niemand kan onderhouden. De insight achter dit stuk zegt het simpel: laat integriteit niet het slachtoffer worden van de jacht op snelheid.
Wat kost echte AI-adoptie een bureau?
Minder dan je vreest voor licenties, meer dan je denkt voor al het andere. De oprichter uit Singapore schatte een licentie op ergens tussen de $20 en $100 per persoon. Dat is het goedkope deel. Echte adoptie, betoogde hij, kost tijd, middelen en engineers, en engineers zijn duur.
Dat is de asymmetrie waar onafhankelijke bureaus mee te maken hebben. Holdingnetwerken hebben miljoenen uitgegeven aan analytics-, AI- en intelligence-stacks. Liquid Death bouwde zijn systeem met een bureaupartner die het besturingssysteem meebracht. Een onafhankelijk bureau van 20 of 60 mensen kan niet zomaar een AI-team aannemen en moet er ook geen opbouwen om bij te blijven.
Daarom bestaat Defy: om onafhankelijke bureaus dezelfde analytische en AI-capaciteit te geven als de holdingnetwerken, zonder de bouwkosten of de onderhoudslast. Hoe de onderdelen in elkaar passen zie je op het Defy-platform. Door capaciteit in te kopen kun je een niveau stijgen wanneer de bottleneck dat vraagt, in plaats van mensen aan te nemen voor een trap die je misschien nooit nodig hebt.
Hoe stel ik een finishlijn voor AI-adoptie vast?
Denk schildpad. Zes weloverwogen stappen, opgeschreven voordat iemand een nieuw account opent.
- Benoem de bottleneck. Eén proces, één plek waar het werk vastloopt. Niet ‘AI-strategie’.
- Schrijf de finishlijn op in zakelijke termen. ‘Pitchonderzoek klaar in twee dagen, niet vijf’, niet ‘AI gebruiken in new business’.
- Schat de tijd eerlijk in. Reken leren, testen en de dip in output terwijl mensen wennen mee.
- Maak een lijst van de middelen. Uren van mensen, engineeringhulp, toolbudget en wie het daarna onderhoudt.
- Kies het laagste niveau dat de bottleneck wegneemt. Probeer eerst niveau 2 als dat zou kunnen werken. Klim alleen als het niet werkt.
- Plan een evaluatiedatum. Toets de voortgang aan de finishlijn en stop, stel bij of klim dan, weloverwogen.
