AI is overal. In de boardroom, op LinkedIn, in de media. Maar waar staan Nederlandse bedrijven werkelijk? In de laatste aflevering van de podcast Tech Insider gaat host Martijn van der Hoeden in gesprek met Olaf Lemmens, oprichter van Nina AI Agency. Olaf zit al ruim acht jaar in het AI-vak, lang voordat ChatGPT de wereld veroverde. Zijn boodschap is helder: AI is tegelijkertijd briljant en beperkt en het succes ervan begint niet bij het nieuwste taalmodel, maar bij iets veel saaiers: je data.
Van scheldwoordenlijsten tot AI-agency
Olaf’s fascinatie voor technologie begon vroeg. Op vijfjarige leeftijd kreeg hij een Windows 3.1-computer van zijn oom en ging hij, in zijn eigen woorden, “kloten en kijken wat er gebeurt.” Die speelse benadering van technologie heeft hij nooit verloren. Na jaren werkervaring in startups, waarbij hij bewust eerst leerde hoe de zakelijke wereld werkt, richtte hij Nina AI Agency op. Het bedrijf, vernoemd naar zijn oudste dochter, is inmiddels gegroeid tot een team van ruim tien mensen, waaronder medewerkers met een master in Artificial Intelligence.
De eerste kennismaking met taalmodellen was ver voor de huidige hype. Zo’n acht jaar geleden werkte Olaf in een startup die een chatbot had gebouwd voor mbo-studenten. Het probleem: de jongeren begonnen massaal tegen de chatbot te schelden. De oplossing destijds? Handmatig lijsten met scheldwoorden invoeren en voorgeprogrammeerde reacties koppelen. Met de huidige AI-modellen is dat verleden tijd. Je geeft simpelweg de instructie om gepast te reageren op ongepast taalgebruik. Dat verschil illustreert perfect hoe ver de technologie is gekomen.
Data is het echte goud
Als er één rode draad door het gesprek loopt, is het wel het belang van een goed datafundament. Olaf is er stellig over: “zonder schone, goed gelabelde data kun je met AI eigenlijk geen kant op”. Martijn van der Hoeden bevestigt dit met een voorbeeld uit de praktijk: bij PSOhub, het softwarebedrijf van Martijn, bleek het datamodel niet goed leesbaar voor AI. Een kolom met de afkorting “PM” verwees naar projectmanagers, maar de AI had geen idee wat ermee bedoeld werd. Het resultaat: hallucinaties, waarbij de AI zelfs projectmanagers verzon die helemaal niet in de database stonden.
De oplossing? Een apart datawarehouse opzetten, een concept dat ironisch genoeg uit de jaren negentig stamt, waarin alle data netjes is uitgeschreven, voorzien van metadata en duidelijke labels. Olaf noemt dit “fase 0” van AI-adoptie: een investering die misschien niet meteen een zichtbaar effect heeft, maar zonder deze stap is elk AI-project gedoemd te falen.
Daarbij speelt ook datasoevereiniteit een steeds grotere rol. Veel bedrijven hebben hun waardevolle data opgeslagen in Amerikaanse systemen als HubSpot of Salesforce. Nu ze daar AI op willen loslaten, realiseren ze zich dat ze eigenlijk een eigen database willen met al die informatie. Veilig in hun eigen cloud, buiten het bereik van wisselende Amerikaanse privacywetgeving.
Niet getrouwd met één platform
Nina AI werkt volledig modulair. Per project, zelfs per processtap, wordt het meest geschikte taalmodel gekozen. Claude van Anthropic voor het genereren van nette teksten, het Franse Mistral voor OCR (het herkennen van tekst in documenten en bonnetjes) en goedkopere, kleinere modellen voor simpele data-extractie. Die flexibiliteit scheelt niet alleen kosten, maar voorkomt ook afhankelijkheid van één leverancier.
Nina AI heeft zelfs automatische failovers ingebouwd. Als een taalmodel uitvalt of overbelast raakt, schakelt het systeem automatisch over naar een alternatief model zodat de workflows van klanten altijd blijven draaien. Olaf legt uit dat ze werken met Claude, Mistral, Gemini en OpenAI als kern, aangevuld met mogelijkheden voor lokaal gehoste modellen of Azure-oplossingen voor klanten die daar de voorkeur aan geven.
Agentic AI: belofte én beperking
Een van de meest besproken ontwikkelingen is agentic AI: kunstmatige intelligentie die autonoom taken uitvoert en zelf beslissingen neemt. Olaf geeft een aansprekend voorbeeld. Stel dat een AI-agent op je e-mail staat. Er komt een bericht binnen over een sollicitant en de agent herkent dit en zet de kandidaat automatisch in je recruitmentplatform. De volgende mail gaat over een factuur en die stuurt hij door naar je boekhoudsoftware.
Klinkt fantastisch, maar Olaf tempert de verwachtingen. Bij bedrijfskritische processen wil je geen AI die bij dezelfde vraag vijf verschillende antwoorden geeft. Het hallucinatieprobleem is bij autonome agents extra risicovol: wat als de agent besluit die sollicitant níet in het systeem te zetten? Voor zulke scenario’s adviseert Olaf om terug te vallen op klassieke automatisering (RPA), gestructureerd en voorspelbaar. De “human in the loop” blijft essentieel: een mens die bij de laatste stap controle uitoefent.
SaaS is deels ten dode opgeschreven
Een van de meest prikkelende stellingen van Olaf: SaaS zoals we het kennen gaat fundamenteel veranderen. Olaf ziet een wereld ontstaan waarin bedrijven steeds meer kleine tools zelf kunnen bouwen met behulp van AI. Waarom zou je bijvoorbeeld nog naar een “shady website” gaan om een pdf te knippen of een QR-code te genereren, als je dat in seconden zelf kunt laten maken?
Hij wijst op het voorbeeld van Prikkert, een door één persoon gebouwde datumprikker zonder reclame, zonder accounts, zonder dataverkoop. Dat soort initiatieven kan de gevestigde orde flink onder druk zetten. De SaaS-bedrijven die overleven, zijn volgens Olaf degenen die bedrijfskritische data bezitten, stevige businesslogica bieden en onmisbare security garanderen. Puur functionele tools zonder datacomponent Die worden vervangbaar.
Ook de gebruikersinterface van software gaat veranderen. Olaf voorziet dat de jongere generatie straks niet meer inlogt op een platform om handmatig uren te boeken, maar simpelweg tegen een AI-assistent zegt: “Maak voor mij een projectje aan en baseer het op dat project van gisteren.” De klassieke UI wordt een conversatie.
Nederland loopt achter en dat is zorgelijk
Op de vraag waar Nederland staat in het wereldwijde AI-landschap, is Olaf eerlijk: Europa loopt ontzettend achter. Gelukkig is er Mistral uit Frankrijk, dat een bijzonder sterke OCR heeft en ASML heeft in dit bedrijf geïnvesteerd. Ook wordt GPTNL uitgerold, al is dat nog steeds gebouwd op de fundering van Amerikaanse modellen.
Het fundamentele probleem? Europa is vooral bezig met wetgeving. Olaf begrijpt de motivatie: met social media hebben we te laat ingegrepen en daar betalen we nog steeds de prijs voor. Maar regulering remt ook innovatie. Ondertussen bouwen Amerika en China in razend tempo door, inclusief open-source modellen die lokaal op je telefoon kunnen draaien. Het is een lastige balans en Europa heeft die nog niet gevonden.
De vier fasen van AI-adoptie
Voor bedrijven die willen starten met AI heeft Olaf een helder stappenplan ontwikkeld. Het begint met wat hij “fase 0” noemt: je data op orde brengen. Zonder schone, goed gestructureerde data is elke AI-investering weggegooid geld. In fase 1 gaan individuele medewerkers aan de slag met AI als persoonlijke assistent, denk aan een e-mail laten schrijven of een tekst samenvatten. Waarschijnlijk zijn er al collega’s die dit stiekem doen. De kunst is om die kennis te delen en prompts te standaardiseren.
Fase 2 draait om het delen: maak gedeelde GPT’s of Gemini-projecten en zorg dat het hele team er gebruik van maakt. In fase 3 en 4 verschuift de focus naar automatisering en uiteindelijk agentic AI voor repeterende processen waarbij grote hoeveelheden data worden verwerkt. Het einddoel is een AI-first strategie, maar Olaf waarschuwt: begin klein, met één project, en overtuig eerst de organisatie dat het werkt. Te snel schakelen leidt tot weerstand en als medewerkers zien dat iets niet goed genoeg werkt, haken ze af.
People first, AI als toolbox
Ondanks zijn enthousiasme voor AI benadrukt Olaf dat de mens centraal moet blijven staan. AI neemt het saaie, repetitieve werk over, zodat mensen juist méér tijd hebben voor wat echt telt: het menselijke contact. Hij ziet dit in de praktijk bij klanten in de hospitality-sector, waar medewerkers die voorheen eindeloos dezelfde vragen beantwoordden nu eindelijk tijd hebben om gasten persoonlijke aandacht te geven.
“AI is slim en dom tegelijk,” vat Olaf samen. Het is briljant in kleine, repetitieve taken, maar mist de emotionele intelligentie, de context van een gesprek aan de keukentafel, de ervaring van een fietstocht door Amsterdam. Die menselijke laag, in content, in klantrelaties, in leiderschap, blijft onvervangbaar. Olaf’s advies: gebruik AI als toolbox, maar houd een people-first strategie. De technologie is er om de mens te versterken, niet te vervangen.
Luister de volledige aflevering
Benieuwd naar het volledige gesprek met Olaf Lemmens? Beluister de aflevering van Tech Insider hieronder, via je favoriete podcastplatform ga naar insiderpodcast.nl.
