AI readiness assessment voor commerciële teams: een scorecard met 20 vragen

Een AI readiness assessment is een gestructureerde check of een commercieel team AI in het dagelijkse werk kan inzetten en daar een meetbaar omzetresultaat uit kan halen. Het kijkt naar de data die AI gaat lezen, de processen waarin AI terechtkomt, de tools waarin het draait, de mensen die ermee werken en de regels die het veilig houden. Daarna weet je welke één of twee workflows het waard zijn om nu te bouwen.

Met de scorecard hieronder doe je in een middag zelf een eerste versie. Je krijgt 20 vragen over die vijf dimensies, een scoresleutel en wat je doet met een lage score.

Wat een AI readiness assessment wel en niet is

Een AI readiness assessment is geen volwassenheidsbenchmark ten opzichte van andere bedrijven, en ook geen technologieselectie. Wat eruit komt, is een korte lijst met concrete gaten, geordend op wat een omzetresultaat als eerste in de weg staat, en een besluit over welke workflows je bouwt, welke je eerst repareert en welke je helemaal niet automatiseert.

Dat onderscheid is belangrijk, want de meeste commerciële teams betalen al voor AI-functies in hun CRM, hun tool voor gespreksopnames of hun sales engagement-tool. De vraag is zelden of je AI moet kopen. De vraag is of het werk en de data eronder het kunnen dragen.

Waarom AI readiness je omzetresultaat bepaalt

Voor een CEO of CFO is de vraag simpel. Zie je de uitgaven aan AI terug in pipeline, conversie of kosten per gewonnen deal? De cijfers wijzen erop dat het antwoord minder afhangt van het model en meer van alles eromheen.

De druk komt van het bestuur. In ons onderzoek uit 2026 onder 123 RevOps-professionals bij B2B-SaaS-bedrijven die actief met AI bezig zijn, meldde 73% een AI-mandaat en zei maar 38% de data te hebben om dat te ondersteunen. Het rapport noemt deze respondenten de voorhoede en verwacht dat de bredere markt er slechter voor staat.

CRO's zien hetzelfde patroon van de andere kant. In ons onderzoek onder 26 CRO's gaven ze hun eigen AI-volwassenheid gemiddeld een 3,04 op 5. Van hen noemde 46% meer omzet als belangrijkste voordeel, en datakwaliteit en budgetbeperkingen deelden de eerste plaats als grootste drempel, met elk 27%. De steekproef is klein, dus lees het als richtinggevend en niet als statistiek.

Analisten wijzen dezelfde kant op. Gartner onderzocht hoe klaar data is voor AI en zag dat 63% van de organisaties niet de juiste werkwijzen voor datamanagement voor AI heeft, of niet zeker weet of ze die heeft (onderzoek onder 1.203 leiders in datamanagement, juli 2024). Gartner voorspelt dat organisaties tot en met 2026 60% van de AI-projecten stopzetten die niet worden ondersteund door AI-ready data. Of zoals Gartner het zegt, "als de data problemen heeft, dan is de data niet klaar voor AI."

Uit het onderzoek van BCG van september 2025 onder 1.250 executives bleek dat maar 5% van de bedrijven als "future-built" voor AI geldt, terwijl 60% minimale omzet- en kostenvoordelen rapporteert. Volgens de volledige publicatie van BCG halen de koplopers vijf keer zoveel omzetgroei als andere bedrijven.

Wat het je kost als je AI readiness overslaat, is dus geen mislukte pilot. Het is een pilot die in een demo lijkt te werken en daarna verkeerde antwoorden geeft zodra hij op je echte pipeline draait. Zoals we betogen in hoe AI RevOps verandert in 2026, vangt AI gaten niet stilletjes op zoals een ervaren verkoper dat doet.

De vijf dimensies van AI readiness

Data komt eerst, omdat die bepaalt of AI kan vertrouwen op wat het leest. Het gaat om volledig ingevulde velden, grip op duplicaten, definities (wat telt als een dealfase, een gekwalificeerde lead, een actieve klant) en toegang tot de bronnen die ertoe doen, zoals CRM, productgebruik, support, facturatie en gesprekstranscripten. Zoals onze Five Dots RevOps-kennisbank het zegt, maakt AI slechte data niet schoon, maar versterkt het die juist. Behandel daarom elke verkeerde AI-output als een ticket voor datakwaliteit en niet als een probleem met het model. Met onze RevOps Data Assessment zie je snel hoe je CRM-data ervoor staat.

Proces is de tweede dimensie. Is het werk dat AI gaat raken vastgelegd en consistent? AI automatiseert een proces, en als drie verkopers leads op drie verschillende manieren afhandelen, heeft de agent niets stabiels om na te doen.

Tools komen op de derde plaats. Maakt je stack veilige, controleerbare automatisering mogelijk? Denk aan de kwaliteit van integraties, API-toegang, rechten, sandboxomgevingen en de vraag of je al betaalt voor AI-functies die niemand gebruikt.

Mensen zijn de vierde dimensie. Is iemand eigenaar van het resultaat, en weten gebruikers hoe ze met AI-output moeten werken? Het gaat om eigenaarschap, vaste routines van managers, vaardigheden en de tijd om gewoontes te veranderen.

Governance is de vijfde. Zijn de regels vastgelegd voor gegevensbescherming, momenten van menselijke review, kwaliteitschecks, de beoordeling van leveranciers en, in Europa, de verplichtingen uit de AI Act (de AI-verordening)?

De AI readiness scorecard met 20 vragen

Geef elke vraag een 0 als het niet klopt, een 1 als het deels klopt en een 2 als het klopt en aantoonbaar is. Aantoonbaar betekent dat je een rapport, document of systeeminstelling kunt laten zien, niet dat iemand gelooft dat het zo is.

Is je data klaar voor AI?

1. Heb je een schriftelijke definitie van elke pipelinefase, en voldoet minstens 90% van de open deals aan de exitcriteria daarvan?
2. Meet je het percentage dubbele accounts en contacten, en heb je het onder controle?
3. Zijn de vijf tot tien velden waar een AI-use case op leunt (eigenaar, volgende stap, sluitingsdatum, bedrag, branche, bron) ingevuld bij de grote meerderheid van de records?
4. Kun je CRM-data koppelen aan minstens één andere bron (productgebruik, facturatie, support of gesprekstranscripten) via een betrouwbare accountsleutel?

De drempel van 90% in vraag 1 is onze vuistregel, geen gepubliceerde standaard.

Zijn je processen klaar voor AI?

5. Zijn lead routing, overdracht en opvolging vastgelegd, met een eigenaar en een afgesproken servicelevel?
6. Hanteren je verkopers dezelfde afspraken voor kwalificatie en volgende stappen, zodat een manager elke deal op dezelfde manier kan lezen?
7. Weet je in welke twee of drie workflows mensen de meeste uren kwijt zijn aan kopiëren, zoeken of achter anderen aan zitten?
8. Weet je voor elk van die workflows wat de nulmeting vandaag is voor bestede tijd, volume, foutpercentage of conversie?

Zijn je tools klaar voor AI?

9. Is je CRM het leidende systeem, met weinig parallelle spreadsheets voor pipeline of forecast?
10. Bieden je belangrijkste tools API's of native connectors die lees- en schrijftoegang geven met afgebakende rechten?
11. Heb je een sandbox- of stagingomgeving om automatiseringen te testen voordat ze live records raken?
12. Weet je voor welke AI-functies je al een licentie hebt (CRM, gespreksopnames, sales engagement) en hoeveel mensen ze wekelijks gebruiken?

Is je team klaar voor AI?

13. Is er voor elke AI-use case één eigenaar uit de business (niet alleen IT) die je bij naam kunt noemen?
14. Hebben teammanagers een vaste routine om werk dat met hulp van AI is gedaan te beoordelen in pipeline reviews of één-op-ééngesprekken?
15. Hebben gebruikers per rol praktisch geoefend, en niet alleen een algemeen webinar gevolgd?
16. Is er ruimte om te veranderen, zoals vrijgemaakte tijd, een champion in elk team en een plek om slechte output te melden?

Is je governance klaar voor AI?

17. Heb je een overzicht van de AI-tools en use cases in het commerciële team, inclusief persoonlijke tools die medewerkers gebruiken?
18. Is er een regel voor welke data in welke AI-tool mag, beoordeeld door degene die verantwoordelijk is voor gegevensbescherming?
19. Heeft elke AI-output die een klant bereikt of een record wijzigt een vastgelegd moment van menselijke review?
20. Kun je de kwaliteit van de output in de tijd volgen (steekproeven, acceptatiegraad, foutenlog)?

Vragen 15 en 17 verdienen extra aandacht. Zet je AI in binnen de EU, dan verplicht artikel 4 van de AI Act gebruiksverantwoordelijken om maatregelen te nemen die de AI-geletterdheid van hun personeel ondersteunen. De Europese Commissie stelt dat artikel 4 sinds 2 februari 2025 van toepassing is en dat nationale markttoezichthouders vanaf 2 augustus 2026 toezicht houden op de regels en ze handhaven. Zie dit als een seintje om je compliance na te lopen, niet als juridisch advies, en check het bij je jurist.

Zo lees je je AI readiness-score

Totaal (max. 40)	Uitkomst	Wat je doet
0 tot 14	Eerst de basis	Koop of bouw nog geen AI. Breng eerst datadefinities, duplicaten en het eigenaarschap van processen op orde. Werk je met HubSpot, dan is onze CRM and GTM Health Check de juiste eerste stap.
15 tot 27	Klaar voor één afgebakende workflow	Kies één use case waarvan de benodigde velden een 2 scoren. Draai die met een nulmeting, een eigenaar die je bij naam kunt noemen en een reviewmoment.
28 tot 40	Klaar om op te schalen	Voeg workflows toe in volgorde van waarde. Investeer in adoptieroutines en kwaliteitsmonitoring, zodat het gebruik niet wegzakt.

Deze indeling gebruikt voorlopige drempels die we als startpunt voorstellen. Het is geen gevalideerde schaal en geen branchestandaard.

Kijk naar de scores per dimensie, niet alleen naar het totaal. Een team dat 7 scoort op tools en 2 op data, staat er anders voor dan een team dat overal een 4 scoort. De laagste dimensie bepaalt meestal het tempo, niet het gemiddelde. In onze klantgesprekken in 2026 komen steeds dezelfde blokkades terug, namelijk duplicaten en ontbrekende velden, onduidelijk eigenaarschap van accounts en leads, geen afgesproken definities van dealfases en tools die bovenop versnipperde workflows zijn gestapeld. Dat past bij de 38% uit ons onderzoek.

Wat je doet met een lage AI readiness-score

Een lage score is geen reden om te stoppen. Wel een reden om de juiste volgorde te kiezen.

Breng eerst de data op orde die één workflow nodig heeft

Je hebt geen perfect CRM nodig. Je hebt de vijf tot tien velden nodig waar één use case op leunt. Bij een scale-up waarmee we werkten, moesten de meeste verlengingsdeals met de hand worden opgeschoond voordat er ook maar enige analyse van verlengingen mogelijk was. Die opschoning was het echte eerste project.

Zie cijfers die te mooi lijken als waarschuwing

In een pipeline review die we deden, bleken een salescyclus van ongeveer een dag en een winrate die er uitstekend uitzag geen topprestatie. Een verkoper maakte deals pas aan als ze al gewonnen waren, waardoor de pipeline bijna geen live historie bevatte die een AI kon lezen of prioriteren.

Scoor kandidaat-workflows voordat je er een kiest

In onze Five Dots RevOps-kennisbank krijgt elke kandidaat een score op zes gewogen dimensies, namelijk volume en frequentie, tolerantie voor fouten, beschikbaarheid en kwaliteit van data, processtabiliteit, meetbaarheid en de vaardigheden die al in het team zitten. Boven 7 op 10 ga je door naar een pilot. Tussen 5 en 7 verbeter je eerst de zwakste dimensie, meestal data of processtabiliteit. Onder 5 begin je niet, want dan zit het probleem in het proces, en AI op een instabiel proces levert een instabiel proces op dat lastiger te debuggen is.

Leg een nulmeting vast voordat je iets verandert

Vraag 8 is de vraag waar de meeste teams op zakken. Zonder nulmeting kan later niemand een verbetering aantonen, en bij de volgende review wordt het AI-budget geschrapt.

Ga na of de workflow wel een AI-probleem is

Soms is het gat op te lossen met een procesfix of gewone automatisering. Een goed assessment zegt dat ook, en bespaart je een licentie.

Trek de grens bij klantcontact

Onze Five Dots-richtlijnen voor guardrails van agents bepalen hoeveel autonomie een agent krijgt op basis van de gevolgen en hoe omkeerbaar die zijn. Concepten en intern leeswerk mogen zonder toezicht draaien, maar contact met een klant vraagt per keer om menselijke goedkeuring, totdat er een vastgesteld foutpercentage is. Een zelfverzekerde, verkeerde uitspraak die op grote schaal naar klanten gaat, is namelijk een commercieel en soms juridisch probleem. Leer mensen die regel voordat je ze meer over prompten leert.

Kies bij voorkeur workflows waarin een mens betrokken blijft

Het salesonderzoek van Gartner uit 2026 liet zien dat salesorganisaties die verkopers next best actions op basis van AI gaven 2,6 keer meer kans hadden op commerciële groei, en dat organisaties die voorrang gaven aan AI-bijscholing 2,4 keer meer kans hadden op sterke omzetgroei (onderzoek onder 227 chief sales officers, augustus tot en met september 2025). Dit zijn verbanden en geen bewijs van oorzaak, maar ze pleiten voor ondersteunde workflows en enablement boven volledige autonomie.

Wat je na het assessment doet, lees je in onze stapsgewijze gids over AI-implementatie in sales en RevOps en in het AI-playbook voor sales en RevOps. Heeft iemand een AI-agent voorgesteld in plaats van het proces te repareren, dan laat onze vergelijking van Revenue Wizards en AI-agents zien waar elk van de twee past.

Het AI readiness assessment zelf uitvoeren of samen met ons

Je kunt deze scorecard in een middag invullen met je RevOps-lead, een salesmanager en degene die verantwoordelijk is voor gegevensbescherming. Wees streng met de regel dat alles aantoonbaar moet zijn. De meest gemaakte fout is scoren op wat je gelooft.

Het zwakke punt van een zelfevaluatie is dat de mensen die het CRM hebben gebouwd, het ook scoren. Het AI Revenue Readiness Assessment van Revenue Wizards leest de data in je eigen HubSpot of Salesforce, in plaats van in een workshop. Elke kandidaat-workflow krijgt een oordeel over de data (beschikbaar, af te leiden of afwezig), met de velden en objecten bij naam. Je krijgt een gerangschikte lijst van wat je eerst bouwt, wat je repareert voordat je bouwt en wat je niet automatiseert. Heeft een workflow een procesfix nodig in plaats van AI, dan zeggen we dat.

Plan een gesprek over een AI Revenue Readiness Assessment.

FAQ over AI readiness assessments

Wat is een AI readiness assessment?

Het is een gestructureerde check of je data, processen, tools, mensen en governance AI in een commercieel team kunnen dragen. Het levert een gerangschikte lijst van gaten op en de één of twee workflows die je het eerst zou moeten bouwen.

Hoe lang duurt een AI readiness assessment?

Een versie die je zelf scoort, zoals die hierboven, kost een paar uur. Een assessment op systeemniveau dat je CRM-data leest, duurt een paar weken, afhankelijk van het aantal workflows in scope.

Welke data hebben we nodig voordat we AI in sales gebruiken?

Je hebt schone, consistent gedefinieerde velden nodig voor de specifieke use case, plus een betrouwbare manier om CRM-records te koppelen aan de andere bronnen die de use case nodig heeft. Een perfect CRM heb je niet nodig. Begin met de vijf tot tien velden die één workflow leest.

Wie moet eigenaar zijn van het AI readiness assessment?

Laat het uitvoeren door iemand die RevOps of GTM operations leidt, met een commerciële leider als sponsor. Betrek IT en legal bij de onderdelen over tools en governance. IT moet het niet alleen dragen, want de uitkomst is een omzetresultaat.

Wat is een goede AI readiness-score?

Boven 27 van de 40 op deze scorecard kun je voorzichtig opschalen. Tussen 15 en 27 begin je met één workflow. Onder 15 breng je eerst de basis op orde. Dit zijn voorlopige drempels, geen branchestandaarden.

Is een AI readiness assessment hetzelfde als een CRM-audit?

Nee, maar ze overlappen. Een CRM-audit kijkt naar de gezondheid van het systeem. Een AI readiness assessment kijkt of specifieke workflows veilig op die data kunnen draaien en wat het resultaat waard zou zijn.