Tag: Cluster: AI

Het activum dat nergens op de balans staat

Stel dat u morgen uw bedrijf verkoopt. De koper wil weten wat het waard is. Hij kijkt naar uw omzet, uw marge, uw orderportefeuille. Maar de vraag die hij eigenlijk stelt is een andere: kan dit bedrijf voorspelbaar nieuwe orders binnenhalen?

Het antwoord op die vraag zit niet in uw jaarrekening. Het zit in vijftien jaar offertes. In de deals die u won en, minstens zo waardevol, de deals die u verloor. In de doorlooptijden per klanttype, de prijspunten waarop prospects afhaakten, de mailwisselingen waarin een deal kantelde. Samen vormt dat uw commerciële geheugen: na uw mensen het meest waardevolle wat een B2B-bedrijf bezit.

Dat activum staat op geen enkele balans. Vervelender: het staat ook niet op uw eigen servers. Het woont bij HubSpot. Bij Salesforce. Bij Microsoft. Bij uw offertetool. Verspreid over drie, vier, vijf clouddiensten, elk met eigen voorwaarden, eigen prijsbeleid en eigen plannen met uw data.

De meeste ondernemers voelen hier ergens ongemak bij, maar parkeren het. Want er is toch een exportknop? Dat klopt. En precies daar begint het misverstand.

“Maar ik kan toch gewoon exporteren?”

Ja, u kunt exporteren. Elke serieuze leverancier geeft u netjes een CSV-bestand of een API. AVG-technisch is dat ook verplicht. Wie zegt dat u “uw data kwijt bent” bij een leverancier, overdrijft.

Maar kijk eens goed naar wat er in die export zit. Records. Namen, bedragen, datums, statussen. Dode data. Wat er niet in zit, is alles wat die data waardevol maakt:

• Waarom u de ene deal won en de andere verloor
• Welke offerte-opbouw converteert bij welk type klant
• Wanneer een stille prospect nog te redden is, en wanneer niet
• Welke klanten lijken op uw beste bestaande klanten

Dat zijn geen records. Dat zijn patronen. En patronen ontstaan pas door analyse: door data uit uw CRM, uw documenten en uw e-mail met elkaar te verbinden en er lang genoeg naar te kijken.

Hier wordt het interessant. Want wie doet die analyse tegenwoordig? Steeds vaker: de SaaS-leverancier zelf. Elke CRM-leverancier bouwt in hoog tempo AI-functies. Dealscores, verkoopprognoses, automatische samenvattingen, “next best action”. Handig, ongetwijfeld. Maar sta stil bij de constructie die daarmee ontstaat.

De AI van uw CRM-leverancier leert van uw data, binnen hun muren, in hun modellen. De inzichten die daaruit voortkomen, kunt u bekijken zolang u betaalt. De geleerde intelligentie zelf kunt u niet exporteren. Er bestaat geen CSV voor “alles wat het systeem inmiddels over mijn commerciële proces begrepen heeft”.

Met andere woorden: u kunt uw data meenemen, maar uw inzicht huurt u. Elke maand opnieuw. En elke maand dat de AI slimmer wordt, wordt vertrekken duurder. Niet omdat de software beter is dan die van de concurrent, maar omdat het begrip van úw bedrijf is opgesloten in hún omgeving.

Dat is de kern van commerciële datasoevereiniteit. Het gaat niet om de vraag of u bij uw records kunt. Het gaat om de vraag van wie de intelligentie is die uit die records ontstaat.

Het mandje groeit elk kwartaal

Er is een tweede beweging die dit probleem versnelt, en die valt zelden op omdat elke stap afzonderlijk aanvoelt als vooruitgang.

Softwareleveranciers breiden uit. Altijd. Het CRM dat begon met contacten en deals, doet inmiddels ook e-mailintegratie. Dan offertes. Dan gespreksopnames en transcripties. Dan facturatie. Elke release-notes-mail brengt “gemak”: één omgeving minder, één koppeling minder, alles op één plek.

Draai het eens om. Elke functie-uitbreiding is ook een data-uitbreiding. Wat er werkelijk gebeurt, is dat een steeds groter deel van uw commerciële geheugen verhuist naar één leverancier:

• Eerst uw pijplijn.
• Toen uw klantcommunicatie.
• Toen uw offertes en de reacties daarop.
• Straks uw verkoopgesprekken, woordelijk uitgeschreven.

Alle eieren in één mandje, en het mandje wordt elk kwartaal groter. De overstapkosten die daarbij horen, betaalt niet de leverancier. Die betaalt u. Stilzwijgend, in de vorm van een vertrekdrempel die elk jaar hoger wordt. Prijsverhoging van twintig procent? U slikt hem, want de alternatieven zijn inmiddels theoretisch. Dat is geen klantrelatie meer, maar een gijzeling met een maandfactuur.

En dan zijn er de kleine lettertjes. Een paar keer per jaar valt hij in uw inbox: “Wij hebben onze algemene voorwaarden bijgewerkt.” Eenzijdig aanpassen van de voorwaarden is de standaard in de softwarewereld, niet de uitzondering. Nieuwe clausules over datagebruik, over AI-training, over aansprakelijkheid, over prijsindexatie. Uw keuze? Doorklikken op “akkoord”, of vertrekken met alles wat u inmiddels in het systeem heeft opgebouwd. Dat is geen keuze, dat is een formaliteit. Elke wijziging afzonderlijk is te klein om voor weg te lopen; de optelsom over de jaren is een contract dat u nooit zo getekend zou hebben. Salamitactiek in zijn zuiverste vorm. En hoe meer van uw commerciële geheugen bij die leverancier woont, hoe dunner de plakjes mogen zijn waarmee hij wegkomt.

Begrijp ons niet verkeerd: dit is geen kwade opzet van leveranciers. Het is een rationeel bedrijfsmodel. Retentie door dataconcentratie is de stille strategie van elke grote softwarepartij. Maar dat het rationeel is voor hen, maakt het nog niet verstandig voor u.

En waar stáát die data eigenlijk?

Er is nog een laag onder dit verhaal, en die is de afgelopen jaren van theoretisch naar bestuurlijk relevant geschoven.

De meeste grote commerciële platformen draaien op Amerikaanse cloudinfrastructuur, onder Amerikaans recht. De Amerikaanse CLOUD Act geeft autoriteiten daar toegangsmogelijkheden tot data van Amerikaanse bedrijven, ook als die data fysiek in Europa staat. Tel daarbij op: verwerkersketens van vier, vijf schakels diep die niemand in uw organisatie nog kan navertellen, en gebruiksvoorwaarden waarin steeds vaker een clausule staat over het gebruik van klantdata voor het verbeteren van AI-modellen.

Dit is geen doembeeld en geen reden voor paniek. Het is een bestuursvraag, en wel deze: kunt u aan uw eigen klanten uitleggen waar hun gegevens doorheen gaan? Uw offertes bevatten immers niet alleen uw informatie. Ze bevatten de projecten, budgetten en plannen van uw klanten. Die vertrouwen erop dat u daar zorgvuldig mee omgaat.

Wie die vraag vandaag niet vlot kan beantwoorden, heeft geen compliance-probleem. Nog niet. Maar hij heeft wel een antwoord uitbesteed dat hij zelf zou moeten bezitten. Europese en Nederlandse alternatieven zijn er inmiddels in volwassen vorm. De vraag is niet óf het kan, maar of u het georganiseerd heeft.

Een IT-dienstverlener met tien jaar geschiedenis

Hoe dit er in de praktijk uitziet? Neem een Nederlandse B2B IT-dienstverlener. Gezond bedrijf, volle pijplijn, professioneel ingericht: CRM voor de dealflow, SharePoint voor documenten, PandaDoc voor het versturen en ondertekenen van voorstellen.

Tien jaar commerciële geschiedenis. Honderden offertes. En op de vraag “waarom winnen jullie de deals die jullie winnen?” geen onderbouwd antwoord. Gevoel, ja. Ervaring, zeker. Maar geen patroon dat u kunt vastpakken, overdragen aan een nieuwe accountmanager, of gebruiken om de volgende offerte scherper te maken. Waarom juist dat laatste stuk van het verkoopproces zo slecht wordt bestuurd, leest u op onze pagina over The Last Mile of Sales.

Hoe kan dat, met zoveel data? Simpel: de data staat in drie systemen die elkaar niet kennen. Het CRM ziet de deal, maar niet het document. SharePoint bewaart het document, maar weet niet hoe de deal afliep. PandaDoc ziet hoe lang de prospect naar de prijspagina keek, maar heeft geen idee wat er daarna in de mail gebeurde.

Drie leveranciers, en geen van drieën kan het geheel zien, want elk kijkt alleen in zijn eigen silo. En tegelijk zit elk van die silo’s wél muurvast aan zijn eigen leverancier. Het is het slechtste van twee werelden: gefragmenteerd voor u, geconcentreerd voor hen.

Dit bedrijf is geen uitzondering. Het is de standaardsituatie van vrijwel elke B2B-onderneming die regelmatig offertes uitbrengt boven de € 10.000. De vraag is niet of u dit herkent. De vraag is wat u eraan doet.

Hoe het wél kan: de soevereine laag

De reflex is: dan maar alles in één systeem. Dat is precies de verkeerde conclusie, want dat maakt het mandje alleen maar groter. De oplossing zit niet in minder tools, maar in een andere architectuur. Drie principes:

1. Tools blijven tools. Uw CRM is goed in pijplijnbeheer. Uw documentomgeving is goed in opslag en samenwerking. Uw offertetool is goed in versturen en ondertekenen. Vervang niets. Maar behandel elk systeem als wat het is: een werktuig, niet de plek waar uw commerciële geheugen woont.

2. De intelligentie woont bij u. Tussen die tools komt een eigen laag te staan. Die laag leest mee (de dealhistorie, de documenten, de uitkomsten) en bouwt dáár de patronen op: waarom u wint, waar u tijd verliest, welke prospects op uw beste klanten lijken. Die laag draait op infrastructuur die ú kiest, in een jurisdictie die ú kiest. Stapt u ooit over van CRM, dan wisselt u een werktuig. Het geleerde gaat mee, want het zat nooit ín het werktuig.

3. Lezen en schrijven zijn gescheiden, en een mens beslist. Zo’n intelligentielaag mag veel zien, maar niets zelfstandig doen. Analyseren en voorstellen: ja. Zelf offertes versturen of klantdata wijzigen: nee. Elke actie richting de buitenwereld loopt via een mens die akkoord geeft. Dat is geen rem op de techniek. Dat is de voorwaarde om hem te durven vertrouwen.

Is dit theoretisch? De techniek allerminst: elke bouwsteen voor zo’n laag bestaat vandaag, ook op Nederlandse en Europese infrastructuur. Wat schaars is, is de keuze om het zo te organiseren. En die keuze ligt niet bij uw leverancier, maar bij u.

De volgende stap: uw eigen commerciële datawarehouse

En dan de horizon voorbij die eerste laag. Want wie eenmaal een leeslaag over zijn systemen heeft liggen, kan een logische vervolgstap zetten: de data niet alleen lezen waar hij staat, maar hem structureel samenbrengen op eigen grond.

Dat is het soevereine commerciële datawarehouse: één omgeving, van u, waarin dealdata, documenten, communicatie en resultaten bij elkaar komen. Niet als kopie voor de zekerheid, maar als de plek waar de verbanden zichtbaar worden die geen enkele silo afzonderlijk kan tonen. Marge per klanttype naast doorlooptijd naast offerte-opbouw naast betalingsgedrag. In úw warehouse. Niet dat van HubSpot, niet dat van Salesforce, niet dat van Microsoft.

De tussenlaag wordt dan meer dan een vertaler tussen applicaties onderling. Hij wordt ook de laag die consolideert naar uw eigen data: elk systeem blijft doen waar het goed in is, en tegelijk groeit er op de achtergrond een commercieel geheugen dat van niemand anders afhankelijk is. Uw tools kunnen komen en gaan. Uw geheugen blijft.

Dat is de volgorde die werkt: eerst de intelligente laag tussen de systemen, daarna de consolidatie naar eigen grond. Niet omdat het technisch niet sneller kan, maar omdat soevereiniteit iets is wat u stap voor stap organiseert. Niet iets wat u in één migratieweekend afdwingt.

De vraag voor uw volgende MT-overleg

Commerciële datasoevereiniteit klinkt als een IT-onderwerp. Dat is het niet. Het is een eigendomsvraag, en die hoort op directieniveau. Neem hem mee naar uw volgende MT-overleg, in deze vorm:

“Als wij morgen van CRM wisselen: wat nemen we dan mee, en wat zijn we kwijt?”

Is het antwoord “de records nemen we mee, het begrip zijn we kwijt”, dan weet u waar uw belangrijkste bedrijfsactivum werkelijk woont. En dan weet u ook dat elke maand uitstel dat activum een stukje verder laat vergroeien met de systemen van een ander.

Uw concurrent gebruikt AI bij het schrijven van offertes, ga daar maar van uit. En de kans is groot dat u het zelf ook doet, of dat iemand in uw team het doet zonder dat u het weet.

En het resultaat is zichtbaar: offertes zijn beter geschreven dan twee jaar geleden. Ze bevatten minder taalfouten, hebben een strakkere structuur, en geven vollediger antwoord op de uitvraag. En toch stijgt bij de meeste bedrijven het winpercentage niet mee. U investeert in nieuwe technologie, uw teksten worden aantoonbaar beter, en toch staat aan het eind van het kwartaal de conversie op hetzelfde niveau als vorig jaar.

En dat is logisch: als iedereen dezelfde gereedschappen gebruikt, wordt iedereen beter en wint niemand vaker. Dat is de AI-paradox.

Van muizen tot olifanten: waarom dit iedereen raakt

Investeerder Christoph Janz beschreef ooit vijf manieren om een groot bedrijf te bouwen, aan de hand van dierenmetaforen: van muizen (veel kleine klanten) tot olifanten (weinig grote klanten). U kunt € 100M omzet halen door tien miljoen klanten iets van € 10 te verkopen, of door tien klanten iets van € 10M. De aanpak voor die verkopen verschilt uiteraard fundamenteel, en daarmee verschilt ook de rol van uw offertes.

Vanaf een orderwaarde van zo’n € 1.000 is de kwaliteit van uw offerte al relevant, want bij die volumes vraagt een klant gemakkelijk meerdere offertes op, beslist hij snel, en kost een onduidelijk voorstel u de order.
Hoe groter de deal, hoe zwaarder maatwerk weegt. Bij een traject van € 50.000 leest een beslisser uw voorstel met andere ogen dan bij een bestelling van € 1.500. En bij een order van enkele miljoenen leest er niet één beslisser mee, maar een hele beoordelingscommissie met markeerstiften in de hand.

AI raakt dat hele spectrum. Bij standaardoffertes automatiseert AI de productie, bij maatwerkoffertes versnelt het de analyse en het schrijfwerk. En bij aanbestedingen, het scherpst gereguleerde en meest meetbare deel van offerteland, laat AI het duidelijkst zien wat er gebeurt als iedereen tegelijk beter wordt. Daarom gebruiken we aanbestedingen hier als ons vergrootglas. Wat daar nu zichtbaar wordt, komt eraan in elke B2B-offerte.

Wat AI aantoonbaar beter maakt

Wat AI kan is veel, en wie het niet gebruikt verliest steeds vaker.

Analyse van de uitvraag. Een aanbestedingsleidraad van veertig pagina’s, met bijlagen, nota’s van inlichtingen en een programma van eisen: AI leest het in minuten en haalt eruit wat u zoekt. Welke gunningscriteria wegen het zwaarst? Welke eisen leiden direct tot uitsluiting? Waar spreekt de opdrachtgever zichzelf tegen? Dat werk kostte een tenderteam voorheen dagen. Hetzelfde geldt voor commerciële trajecten: uit een offerteaanvraag, een programma van wensen of een verslag van drie verkoopgesprekken destilleert AI de werkelijke vraag, mits u de juiste vragen stelt.

Bronnenonderzoek. Wie is de opdrachtgever werkelijk? Welke projecten liepen er eerder, wat ging daar mis, welke bestuurlijke doelen spelen mee? AI doorzoekt jaarverslagen, raadsstukken, nieuwsberichten en eerdere aanbestedingen sneller en diepgaander dan wie ook. De inschrijver die de context van de opdrachtgever begrijpt, schrijft een ander plan dan de inschrijver die alleen de leidraad beantwoordt.

SMART schrijven. SMART, dus Specifiek, Meetbaar, Acceptabel, Realistisch en Tijdgebonden, is al jaren de lat waarlangs beoordelaars plannen leggen. Het was bij aanbestedingen meestal al zo dat hoe beter u kon schrijven, hoe groter uw kans was om te winnen. “Wij reageren snel op storingen” scoort niets. “Onze monteur staat binnen vier uur op locatie, geborgd via ons storingsprotocol en aantoonbaar in de rapportage van de afgelopen drie jaar” scoort wél. AI is genadeloos goed in deze check. Laat een taalmodel elke belofte in uw plan langs de SMART-lat leggen en het vindt elke vage formulering die uw beoordelaar ook zou vinden, alleen dan vóór indiening in plaats van erna.

De MARK-check. Een professionele inkooporganisatie heeft een vaste beoordelingsmethode. Rijkswaterstaat beoordeelt kwalitatieve plannen bijvoorbeeld met de M.A.R.K.-methode. Beoordelaars gaan dan onafhankelijk van elkaar met vier kleuren stiften door uw tekst en markeren vier elementen: de Maatregel (wat u gaat doen), het Gevolg (wat het bijdraagt aan de doelstelling), de Verklaring (waarom het werkt) en de Onderbouwing (waarom u zeker weet dat het werkt). Elke complete set krijgt een waardering op meerwaarde. Wat met een stift kan, kan met AI sneller. Laat een model uw conceptplan analyseren op precies deze vier elementen en u ziet direct welke maatregelen “kaal” zijn: een belofte zonder gevolg, een gevolg zonder verklaring, een verklaring zonder bewijs. Wie voor RWS-aanbestedingen schrijft en deze check niet uitvoert, laat punten liggen die de concurrent wél pakt.

Kortom: AI verhoogt de kwaliteit van analyse, onderzoek en inschrijving. Aantoonbaar, meetbaar, en voor iedereen beschikbaar.

En daar begint het probleem.

De paradox: de ondergrens stijgt, het plafond niet

Stel dat alle vijf inschrijvers op een aanbesteding AI gebruiken. Alle vijf plannen zijn SMART geformuleerd, alle vijf hebben de leidraad grondig geanalyseerd, alle vijf zijn foutloos, volledig en netjes gestructureerd. Wat gebeurt er dan met de beoordeling?

De onderlinge verschillen worden kleiner. De beoordelaar leest vijf technisch correcte plannen die verdacht veel op elkaar lijken: dezelfde zinsbouw, dezelfde opsomming van maatregelen, dezelfde keurige maar inwisselbare formuleringen. Beoordelaars herkennen het inmiddels. Teksten zonder eigenaarschap, zonder de geur van de leverancier. Uiterst correct, maar volledig zielloos. En een plan dat niemand raakt krijgt geen topscore, maar wel een dikke voldoende. Net als de vier andere plannen…

AI verhoogt dus de ondergrens, maar niet het plafond. De ondergrens van wat een acceptabele offerte is schuift omhoog. De bovengrens, het plan dat de beoordelaar overtuigt dat ú de opdracht begrijpt zoals niemand anders, bereikt u niet met hetzelfde gereedschap dat uw concurrent ook heeft.

En hier zit de dubbele klem, want zonder kunt u ook niet. Wie AI links laat liggen zakt door het minimum van de nieuwe ondergrens. Uw zelfgeschreven plan met drie redelijk onderbouwde beloftes verliest het van vijf strak gepolijste plannen, hoe authentiek het ook voelt. Niet meedoen is geen optie, en niemand doet mee om te verliezen.

De vraag is dus niet óf u AI inzet bij offertes en aanbestedingen. De vraag is waar u het verschil maakt nu geschreven kwaliteit een gelijkspel wordt. Wij zien vier plekken: het proces eromheen, de standaard vooraf, de data eronder en het moment erna.

Inzicht 1. Een methode is geen proces

Vraag een willekeurige B2B-directeur of zijn bedrijf een offerteproces heeft en het antwoord is “ja”. Vraagt u door, dan blijkt iets anders te bestaan: een methode. Een aanpak die van stal wordt gehaald als er een gróte offerte gemaakt moet worden. De template van die ene gewonnen deal, het stappenplan van de vorige account- of tendermanager, de checklist die iemand ooit heeft opgesteld. En voor de dagelijkse stroom offertes geldt intussen: iedereen doet het op zijn eigen manier.

Een methode is geen proces. Een proces loopt altijd, voor elke offerte, groot en klein, met vaste stappen, heldere rollen, bewuste beslismomenten en een meting aan het eind, nadat de offerte is ingediend. Juist die meting ontbreekt vrijwel overal. Weet u wat uw winpercentage is? Niet uw gevoel, maar het cijfer, per klanttype, per dealgrootte, per accountmanager? Weet u in welke fase prospects afhaken, en hoeveel uur een gemiddelde offerte kost? Wie niet meet, leert niet. Dan is elke offerte opnieuw een eerste keer, en blijft de gewonnen deal net zo onverklaarbaar als de verloren deal.

Zelfs waar wél een methode ligt, wordt ervan afgeweken. Deadlinedruk, “deze klant is anders”, omzethonger, de senior die het al twintig jaar op zijn manier doet, en de methode blijft op de plank.

Waarom dit hoofdstuk in een artikel over AI? Omdat hier de meest gemaakte fout van dit moment zit: AI wordt gebruikt als losse oplossing in plaats van ingepast in het proces. Zonder proces betekent AI-adoptie in de praktijk vooral ongecontroleerde wildgroei. Iedereen prompt zijn eigen offerte in het gereedschap van zijn keuze, uw commerciële data lekt naar tien verschillende plekken, en het resultaat is even onvoorspelbaar als de werkwijze. Mét een proces krijgt AI vaste plekken met een vaste functie: documentanalyse bij de intake, het eerste concept vanuit uw hoofdsjabloon, de SMART- en MARK-check vóór de interne review, de win/loss-analyse na de gunning. Dan versterkt elke offerte de volgende.

Inzicht 2. Eerst de standaard, dan pas automatiseren

Dit inzicht ligt vóór de eerste prompt. AI is een versneller en versnelt dus wat er al is. Is uw offertestandaard sterk, dan produceert AI sneller sterke offertes. Is er geen standaard, dan produceert AI sneller middelmaat, en middelmaat in hoog tempo is geen vooruitgang maar sneller verliezen.

Een goede standaard begint bij een hoofdsjabloon: de vaste architectuur van uw offerte. Welke secties, in welke volgorde, met welke functie? Waar staat de samenvatting die de beslisser leest, waar het bewijs dat de inkoper zoekt, waar de planning die de projectleider controleert? Die architectuur is geen vormgevingskwestie, maar de vertaling van hoe uw klant beslist naar hoe uw document is opgebouwd.

Daarbovenop komt uw Tone of Voice. Uw offerte is voor veel prospects het eerste substantiële document dat ze van u lezen. Klinkt het als uw bedrijf, of klinkt het als een taalmodel? Het verschil zit in concrete keuzes: welke woorden gebruikt u wel en niet, hoe direct formuleert u, hoe spreekt u de lezer aan, welke beloftes doet u nooit zonder bewijs. Wie dat vastlegt, kan AI ermee voeden. Wie het niet vastlegt, krijgt de Tone of Voice van iedereen, en die herkent uw klant inmiddels van een kilometer afstand.

De volgorde is dus onwrikbaar: eerst de standaard definiëren, dan pas automatiseren. Bedrijven die het omdraaien, bouwen hun middelmaat als fundament onder een geautomatiseerd proces. Dat is duurder om te herstellen dan om het meteen goed te doen.

Inzicht 3. Uw kroonjuwelen in andermans cloud

Het derde inzicht is onzichtbaar, en juist daarom gevaarlijk.

Sta stil bij wat er in uw offerteproces aan data omgaat. Uw prijsopbouw en marges. Uw win/loss-historie: welke deals u won, welke u verloor en waarom. Uw klantkennis: wie beslist, wat weegt, waar de gevoeligheden zitten. Uw onderscheidende aanpak, uitgeschreven in tientallen plannen. Dit zijn de kroonjuwelen van uw commerciële organisatie. Samen vormen ze precies de dataset waarmee een AI-systeem waarde levert, en precies de dataset die u nooit kwijt wilt.

Waar staat die data nu? Bij een groeiend aantal bedrijven bij een Amerikaanse clouddienst. Het offerteplatform, het CRM, SharePoint, de AI-schrijfassistent, in de e-mail. Stuk voor stuk zijn deze nuttig, en stuk voor stuk worden ze gevuld met uw gevoeligste commerciële informatie. Drie vragen die u zichzelf dan zou moeten stellen. Eén: krijgt u die data er ooit nog volledig en bruikbaar uit als u wilt vertrekken? De praktijk leert: zelden zonder pijn. Twee: onder welk recht valt de partij die uw data beheert? Amerikaanse wetgeving geeft Amerikaanse autoriteiten toegangsmogelijkheden tot data bij Amerikaanse bedrijven, ook als die data in een Europees datacenter staat. Een EU-datacenter is dus geen soevereiniteit. De werkelijke vraag is wie de primaire applicatiedatabase beheert. Drie: hoe weet u zeker dat uw data niet wordt gebruikt om een AI te trainen die uw concurrent ook gebruikt? Zo bouwt u geen commerciële kennisbank op, maar leert u een model dat tegen u gebruikt kan worden.

Voor de helderheid: dit is geen pleidooi tegen Amerikaanse software, maar een pleidooi voor een bewuste keuze. Voor veel toepassingen is dit risico beheersbaar. Maar uw win/loss-analyses, uw prijsstrategie en uw aanbestedingshistorie verdienen een strategisch perspectief, geen standaardinstelling. Datasoevereiniteit hoort op de directietafel, naast cybersecurity, en niet bij IT-beheer.

En dan de volgende stap, waar de voorlopers nu staan: de eigen kennisbank als concurrentievoordeel. De onderliggende techniek heet RAG, Retrieval-Augmented Generation. In gewoon Nederlands: een AI die niet put uit het internet, maar uit úw documenten. Uw gewonnen plannen, uw evaluaties, uw referenties, uw eerdere antwoorden op vergelijkbare uitvragen. Stel zo’n systeem de vraag “hoe hebben wij continuïteit geborgd in vergelijkbare projecten?” en het antwoordt met uw eigen bewijsvoering, niet met de generieke tekst die uw concurrent op dezelfde prompt krijgt. Dáár maakt u het verschil: iedereen gebruikt hetzelfde taalmodel, maar niemand heeft uw data.

Inzicht 4. De verdediging van uw inschrijving

Het vierde inzicht ligt voorbij het papier, en het wordt met de maand belangrijker.

In aanbestedingsland verschuift het gewicht al jaren van prijs naar kwaliteit. Waar 60% prijs en 40% kwaliteit lang gebruikelijk was, zien we steeds vaker verhoudingen van 70% tot zelfs 100% kwaliteit. Tegelijk breiden aanbestedende diensten de gunning steeds vaker uit met een interview- of presentatieronde, omdat zij de mensen achter het plan willen zien en het plan willen kunnen toetsen. Tel daarbij op dat geschreven plannen door AI steeds meer op elkaar gaan lijken, en de conclusie schrijft zichzelf: het onderscheid verschuift naar het gesproken moment. De presentatie is niet langer een formaliteit na de inschrijving, maar steeds vaker hét beslissende moment. Bij strategische aanbestedingen ondersteunen wij daar selectief bij, van bid/no-bid tot pitch en presentatie; hoe, leest u op onze pagina over strategische tenders als live deal.

En precies daar gaat het mis. De meeste inschrijvers denken dat ze er met een PowerPointje wel komen. Een samenvatting van het plan op slides, voorgelezen door de projectmanager, afgesloten met “zijn er nog vragen?”. Geen regie op wie er aan tafel zit. Geen voorbereiding op de vragen die gaan komen. Geen verhaal dat de commissie bijblijft nadat ze die dag vier andere presentaties heeft moeten doorstaan over hetzelfde onderwerp.

Wie vaker aan zo’n tafel zit, herkent de vaste bezetting. De techneut die het werk door en door kent, maar voor de commissie volledig dichtklapt, of juist verzandt in details die niemand kan volgen. De accountmanager die vloeiend en glad presenteert, maar door de eerste inhoudelijke vraag heen zakt omdat hij de essentie van het werk niet beheerst. En de directeur die vooral voor de franje is meegekomen en bij lastige vragen naar de anderen kijkt. Een beoordelingscommissie ziet dit binnen vijf minuten en ruikt de spanning al vooraf. Zij beoordeelt niet alleen het verhaal, maar ook het team dat straks het werk moet doen. Ondertussen onderstreept uw non-verbale communicatie het ongemak, en dat ondermijnt het vertrouwen in uw organisatie.

Het goede nieuws is dat dit trainbaar is, en dat de sprong die teams daarbij maken groot is. Twee dingen maken het verschil. Ten eerste de opbouw van het verhaal: welk verhaal vertelt u, in welke volgorde, en wie vertelt welk deel? De techneut krijgt een rol waarin zijn vakkennis het verhaal dráágt in plaats van erin verdrinkt, en de accountmanager leert dat essentie vóór gladheid gaat. Ten tweede de manier waarop u het vertelt: vanuit de inhoud en niet vanaf de slides. Houding, oogcontact, en de stilte durven laten vallen. Het gebruik van symboliek, gronden, dictie, het speelt allemaal een rol. En dan het sluitstuk dat vrijwel niemand doet: droog oefenen voor een fictieve maar inhoudelijk gepokte en gemazelde commissie van beoordelaars. Niets legt de zwakke plekken zo genadeloos en zo leerzaam bloot als een generale repetitie voor kritische buitenstaanders. Die feedback krijgt u dan vóór het echte moment, in plaats van erna, verpakt in een bloedeloze en functionele afwijzingsbrief.

Laat u dit liggen, dan mist u de enige plek in het hele traject waar AI u niet kan vervangen en uw concurrent u dus ook niet kan kopiëren. Hier telt wat geen taalmodel kan: de overtuiging van de mensen die het werk gaan doen, de scherpte waarmee u een kritische vraag pareert, het verhaal dat het plan tot leven brengt. Wie hier regie voert, op het verhaal, op de rolverdeling, op de generale repetitie en op de lastigste vraag die de commissie kan stellen, maakt het verschil dat op papier niet meer te maken valt.

Dit geldt overigens allerminst alleen voor aanbestedingen. Ook in reguliere commerciële trajecten wint niet de beste offerte, maar de beste verdediging van de beste offerte. De toelichting bij de beslisser, de bespreking met het managementteam, de laatste ronde tegen die ene concurrent: het zijn presentatiemomenten, en ze worden vrijwel nooit met dezelfde zorg voorbereid als het document zelf.
Wij zien telkens hetzelfde patroon: teams die vaak tientallen uren in het schrijven steken en de presentatie op de ochtend zelf “even doornemen”. Naarmate de teksten meer op elkaar gaan lijken, hoort die verhouding andersom te liggen.

De vraag die altijd komt: welk gereedschap?

Dan blijft er één vraag over, en die komt in vrijwel elk gesprek dat wij hierover voeren binnen vijf minuten op tafel: “Kunnen we gewoon Copilot gebruiken, of moeten we over op ChatGPT, Claude, of dat NotebookLM van Google? En mag dat laatste wel van de IT-afdeling, of doen we dat stiekem?”

Begrijpelijk. Microsoft is bij de meeste bedrijven de standaard, dus Copilot ligt er al. NotebookLM is verrassend sterk in het doorzoeken en bevragen van grote documentsets en daarmee zeer bruikbaar voor de analyse van aanbestedingsstukken. De grote taalmodellen van Anthropic en OpenAI en anderen schrijven doorgaans merkbaar beter dan wat er standaard in uw Office-omgeving zit. Daar staat tegenover dat Copilot dieper in uw eigen data gaat, mits die goed is geconfigureerd, en dat vraagt dat u aangeeft welke data relevant is en welke niet.

Toch is dit het verkeerde debat. Het gereedschap wisselt in dit tempo elk half jaar, dus wie zijn strategie ophangt aan een merknaam mag over zes maanden opnieuw beginnen. U kunt beter de volgende drie vragen stellen:

1. Wie beheert de databases waarin uw commerciële data terechtkomt? Niet waar het datacenter staat, maar wie de primaire applicatiedatabase operationeel beheert en onder welk rechtsstelsel die partij valt. Dit is de vraag uit inzicht 3, en tegelijk de vraag die vrijwel niemand stelt.

2. Kan de oplossing uw standaard vasthouden? Gereedschap dat elke keer opnieuw “een goede offerte” schrijft, is waardeloos. Gereedschap dat úw hoofdsjabloon, úw Tone of Voice en úw bewijsvoering consequent hanteert, is goud waard. Lukt dat niet, dan ligt het probleem overigens zelden aan het gereedschap. Dan hebt u die standaard simpelweg nog niet gedefinieerd.

3. Past het in uw werkproces? Het beste gereedschap is het gereedschap dat uw team daadwerkelijk gebruikt, op de plek waar de offerte ontstaat. Een briljant model waar niemand bij kan, verliest het van een middelmatig model dat in het werkproces zit.

Wie deze drie vragen beantwoordt komt vanzelf tot een keuze, en vaak tot een combinatie: het ene gereedschap voor documentanalyse, het andere voor schrijfwerk, en een eigen omgeving voor alles wat gevoelig is. Zo’n keuze is zelden in één vergadering rond. Maar “we hebben nu eenmaal Microsoft Copilot” is een zwaktebod, geen strategie.

Wat dit betekent voor uw offerteproces

AI maakt uw offertes en aanbestedingsplannen aantoonbaar beter, en die van uw concurrenten evenzeer. De geschreven kwaliteit nivelleert. Wie niet meedoet zakt door de vloer, wie alleen meedoet maar de zaken niet op orde heeft verliest de deal.
Het onderscheid tussen winnaars en verliezers wordt gemaakt op vier plekken:

Het proces eromheen. Geen methode die bij grote offertes van stal komt, maar vaste stappen, rollen en metingen voor élke offerte, met AI ingepast op vaste plekken in dat proces in plaats van als losse oplossing ernaast.

De standaard vooraf. Hoofdsjablonen en een vastgelegde Tone of Voice, zodat AI úw kwaliteit versnelt in plaats van generieke middelmaat.

De data eronder. Weet waar uw commerciële kroonjuwelen staan, kies bewust wie ze beheert en erbij mag, en bouw aan een eigen kennisbank die het gelijkspel breekt. Iedereen heeft hetzelfde model, niemand heeft uw data.

Het moment erna. Het gesproken moment is de laatste plek waar geen algoritme u kan kopiëren. Behandel de verdediging van uw inschrijving met dezelfde professionaliteit als het schrijven ervan.

Wie deze vier op orde heeft, gebruikt AI zoals het bedoeld is: als versneller van een sterk proces. Wie ze negeert, produceert straks sneller dan ooit offertes die niemand raken.

De eerlijke vraag is dan natuurlijk waar uw offerteproces vandaag staat. Welke van uw beloftes zijn SMART, hoe herkenbaar is uw Tone of Voice, en waar staat uw commerciële data eigenlijk?