Inzet van AI-agents maakt jouw fondsenwerving toekomstbestendig

2026-03-31T11:31:05Z

Twee organisaties, twee routes

Als het gaat om werken met AI-agents is de volgende stap: digitale assistenten die niet reageren op losse vragen, maar zelfstandig taken uitvoeren binnen duidelijke kaders. Niet als vervanging van de fondsenwerver, maar als ondersteuning van het werkproces. In dit artikel kijken we daarom niet alleen naar de theorie, maar vooral naar de praktijk. Wat betekent werken met AI-agents concreet? En welke keuzes maken organisaties die hier al ervaring mee hebben?

Wat is een GPT of AI-agent?

GPT staat voor Generative Pre-trained Transformer. Het is een getrainde digitale assistent met een duidelijke opdracht.

Een agent:

werkt met vaste instructies (doel, toon, grenzen);
kan meerdere stappen uitvoeren (zoals lezen, analyseren, samenvatten en creëren);
kan informatie ophalen uit documenten of datasets.

Twee organisaties gingen hier ieder op hun eigen manier mee aan de slag: Mission Aviation Fellowship (MAF) en Wycliffe Bijbelvertalers. Hun ervaringen laten zien dat er niet één juiste route is om AI-agents te introduceren, maar wel duidelijke lessen voor fondsenwervende organisaties.

MAF: zelf ontwikkelen om regie en kwaliteit te houden

MAF koos er bewust voor om AI-agents zelf te ontwikkelen. Niet vanuit tooling, maar vanuit kennis. ‘We zijn niet begonnen met een tool kiezen,’ vertelt Arjen Goedhart van MAF. ‘We zijn begonnen met leren begrijpen wat AI is, hoe het werkt en waar de grenzen liggen.’ Daarom volgden medewerkers uit verschillende afdelingen eerst een training. Doel was niet om iedereen technisch expert te maken, maar om een gedeeld begrip te creëren van wat AI wel en niet kan, waar de risico’s liggen en hoe je er verantwoord mee werkt.

Die keuze bleek strategisch. Door intern te ontwikkelen houdt MAF regie over data, werkwijze en toepassing. Tegelijkertijd bouwt de organisatie kennis op die breed inzetbaar is. Medewerkers worden niet verplicht om met AI te werken; per afdeling wordt gekeken welke toepassingen passen bij het werk. Goedhart: ‘Mensen snappen wat ze gebruiken en waarom. Dat voorkomt zowel overschatting als weerstand.’

AI-agents als vaste collega’s

Binnen marketing en communicatie werkt MAF inmiddels met meerdere gespecialiseerde GPT’s (generative pre-trained transformers, red.), elk met een afgebakende taak. Sommige agents zijn relatief eenvoudig, zoals een assistent die overleggen voorbereidt of actiepunten structureert. Andere ondersteunen bij adressenselecties of helpen om callsto-action scherper te formuleren binnen campagnes.

Op campagneniveau worden AI-agents ingezet nadat doel en boodschap door het team zijn bepaald. Agents helpen vervolgens bij het uitwerken van varianten die passen bij doelgroep en kanaal. Daarmee versnellen ze het proces, maar bepalen ze niet de richting. Dat onderscheid is voor MAF essentieel. ‘We starten altijd met het team,’ benadrukt Goedhart. ‘Pas daarna gebruiken we AI om ideeën sterker te maken. Als je begint met een algemene AI-prompt, verval je snel in clichés.’

Minder tijdwinst, meer kwaliteitswinst

Opvallend is dat MAF niet primair spreekt over tijdsbesparing. Het trainen en onderhouden van agents kost ook tijd. De grootste winst zit in kwaliteit en scherpte. AI dwingt teams om expliciet te maken wat het doel is, welke doelgroep ze bedoelen en wat zij onder kwaliteit verstaan. ‘Onze agents zijn vaak gestructureerder dan wijzelf,’ zegt Goedhart. ‘Ze maken blinde vlekken zichtbaar en helpen om niets te vergeten.’

De grootste winst zit voor MAF in kwaliteit en scherpte

Dat leidt tot betere samenhang tussen online- en offlinecampagnes en tot scherpere keuzes. Soms levert het ook verrassende inzichten op. Zo bleek een campagne die als direct mail matig presteerde, tijdens evenementen juist uitzonderlijk goed te werken. ‘Daar leer je van,’ aldus Goedhart.

AI ondersteunend, nooit leidend

Voor MAF is het uitgangspunt helder: AI ondersteunt het werk, maar neemt het niet over. Zeker in fondsenwerving blijven vertrouwen, betrokkenheid en authenticiteit centraal staan. Een klachten-GPT kan helpen om context te verzamelen of patronen te signaleren, maar het contact met de donateur blijft altijd persoonlijk.

Internationaal werkt MAF inmiddels aan een eigen AIomgeving op eigen servers, gevoed met interne documentatie. Daarmee verwacht de organisatie op termijn grotere tijdsbesparingen te realiseren, ook buiten marketing, bijvoorbeeld voor HR of operationele teams.

Arjen Goedhart (MAF): ‘Onze agents zijn vaak gestructureerder dan wijzelf’

Wat leren we van MAF?

De ervaring van MAF laat zien dat zelf ontwikkelen werkt wanneer een organisatie bereid is te investeren in kennis, AI ziet als leerproces en bewust kiest wat mensenwerk blijft. AI-agents worden zo geen vervanging, maar een kritische sparringpartner die kwaliteit verhoogt en denken aanscherpt.

Wycliffe: klein beginnen met een veilige pilot

Wycliffe Bijbelvertalers koos een andere route. Niet zelf bouwen, maar starten met een afgebakende pilot in samenwerking met een bureau. Beperkte tijd en voorkennis speelden daarbij een rol, maar ook het besef dat zorgvuldigheid cruciaal is in een internationale en cultureel gevoelige context. ‘We zien de kansen van AI,’ vertelt Laura Girgis van Wycliffe Bijbelvertalers, ‘maar de ontwikkelingen gaan enorm snel. Daarom wilden we eerst veilig leren.’

De pilot richtte zich op één duidelijke taak: het ondersteunen bij projectrapportages uit het buitenland. Rapportages zijn vaak omvangrijk en bevatten zowel tekst als tabellen, soms in andere talen. Waar medewerkers eerder veel tijd kwijt waren aan het doorgronden en samenvatten ervan, helpt de agent nu bij het structureren van informatie en het maken van een eerste samenvatting.

Menselijke controle blijft hierbij nadrukkelijk onderdeel van het proces. Medewerkers controleren de inhoud, brengen nuance aan en zorgen dat de toon past bij de waarden van Wycliffe. In gevoelige situaties wordt de agent bewust niet ingezet, bijvoorbeeld bij rapportages over landen waar het christelijk geloof verboden is. ‘We willen geen enkel risico nemen,’ zegt Girgis daarover.

Rust, focus en kwaliteit

De winst voor Wycliffe zit niet alleen in tijdsbesparing, maar vooral in rust en focus. Medewerkers besteden minder tijd aan voorwerk en meer aan inhoudelijke beoordeling en duiding. ‘Onze medewerkers kunnen zich richten op inhoudelijke controle en verbetering,’ zegt Girgis. ‘Precies daar waar hun expertise het meeste waarde toevoegt.’ Een bijkomend effect is dat de agent soms nieuwe invalshoeken aandraagt die het team zelf niet direct had overwogen. Na afloop van de pilot volgt een evaluatie. Pas dan wordt besloten of en hoe AI-agents breder worden ingezet. Girgis: ‘We willen leren voordat we opschalen.’

Laura Girgis (Wycliffe Bijbelvertalers): 'We willen leren voordat we opschalen'

Reflectie: twee routes, één gemene deler

MAF en Wycliffe kozen verschillende routes: zelf ontwikkelen versus samenwerken, breed experimenteren versus klein beginnen. Toch delen ze een aantal fundamentele inzichten. AI-agents werken alleen goed als taken scherp zijn afgebakend. Kwaliteit wint het van snelheid, menselijke beoordeling blijft onmisbaar en zonder draagvlak en duidelijke keuzes mislukt automatisering. Het gaat uiteindelijk niet om tools, maar om hoe je werk wilt organiseren.

In vijf stappen een eenvoudige GPT bouwen

Een AI-agent hoeft niet complex te zijn. Veel organisaties beginnen met een eenvoudige GPT voor één taak.

Kies één duidelijke taak (bijvoorbeeld: tekstschrijven).
Beschrijf het doel, de doelgroep en de gewenste toon.
Leg vast wat de GPT wel en niet mag doen.
Voeg voorbeeldinput en gewenste output toe.
Test, verbeter en borg menselijke controle.

Welke route past bij jouw organisatie?

De ervaringen van MAF en Wycliffe maken duidelijk dat er niet één juiste manier is om met AI-agents te starten. Welke route past, hangt sterk af van context en capaciteit. Zelf ontwikkelen loont wanneer je AI in meerdere processen wilt verankeren en bereid bent te investeren in kennisopbouw en gezamenlijke reflectie. Samenwerken met een bureau past juist bij organisaties die klein en gecontroleerd willen beginnen, met beperkte tijd of voorkennis.

Bouw altijd een menselijke eindcontrole in

Belangrijker dan de gekozen route is de onderliggende houding. In beide gevallen geldt: AI-agents versterken vakmanschap alleen wanneer ze bewust en begrensd worden ingezet, met duidelijke kaders en menselijke eindverantwoordelijkheid.

Samenwerken met digitale collega’s: de volgende stap voor fondsenwervers

Wie met AI-agents aan de slag wil, hoeft niet groot te beginnen. Begin met één proces dat tijd kost en weinig creativiteit vraagt, bijvoorbeeld tekstproducties. Zorg voor steun vanuit management of directie, benoem een eigenaar en bouw altijd een menselijke eindcontrole in. De praktijk bij MAF en Wycliffe laat zien waar dit naartoe kan groeien. Fondsenwervingsteams zullen steeds vaker bestaan uit menselijke collega’s en AI-agents die samenwerken binnen één campagneomgeving. Mensen bepalen richting en relatie; AI-agents ondersteunen met overzicht, consistentie en signalen voor bijsturing. Zo markeren AI-agents geen eindpunt, maar een volgende fase in de professionalisering van fondsenwerving.

Dit artikel stond eerder in Vakblad fondsenwerving, jaargang 28, nummer 1, dat in maart 2026 verscheen.

Labels: Tools & Tips, AI, Campagnes, Edwin Grootendorst, Vf 28-1, Automatisering, Arjen Goedhart, GPT, Laura Girgis, MAF, Mission Aviation Fellowship, Wycliffe Bijbelvertalers

Artikelen