---
title: "Hoe Backstage IT onzichtbaar AI-gebruik veranderde in een aantoonbare readiness-score voor 130+ developers"
description: "Hoe What's Next een AI Employee Scan bouwde die Backstage IT per developer, per team en bedrijfsbreed aantoonbare AI-gereedheid geeft."
canonical: "https://www.whatsnext-ai.com/nl/cases/backstage-it-ai-readiness-scan"
published: "2026-08-14T00:00:00.000Z"
updated: "2026-08-17T23:55:45.112Z"
client: "Backstage IT"
---

# Hoe Backstage IT onzichtbaar AI-gebruik veranderde in een aantoonbare readiness-score voor 130+ developers

Hoe What's Next een AI Employee Scan bouwde die Backstage IT per developer, per team en bedrijfsbreed aantoonbare AI-gereedheid geeft.

![Backstage IT developers at work in the Chișinău delivery office](https://fgzcpjbyiakhjifaciaj.supabase.co/storage/v1/object/public/media/backstage-it-ai-readiness-scan-hero.jpg)

## Overview

Backstage IT is een Nederlands nearshoringbedrijf met het hoofdkantoor in Zutphen en de delivery-operatie in Chișinău, een van de grootste IT-werkgevers van Moldavië, met klanten door heel Europa. Met 130+ developers verdeeld over meerdere klanten was er geen schaalbare manier om te zien wie AI echt gebruikte, en hoe goed. What's Next bouwde een AI-readiness assessment dat dat met data beantwoordt.

## Details

- Industry: IT nearshoring & software development
- Region: Netherlands & Moldova
- Company size: 130+ developers
- Timeline: 6 weeks

## Challenge

Backstage IT verkoopt developmentteams op de kwaliteit van hun mensen. Maar met 130+ developers verdeeld over meerdere klanten was er geen schaalbare manier om te zien wie AI echt gebruikte, en hoe goed.

De enige manier om AI-gebruik handmatig in kaart te brengen was elke developer een voor een interviewen. Meer dan honderd gesprekken. En tegen de tijd dat het laatste gesprek was uitgewerkt, waren de eerste alweer verouderd.

Daardoor kon de leiding een paar simpele vragen niet beantwoorden. Welke teams gebruiken AI echt in hun werk, en welke experimenteren alleen? Waar zitten de champions die de rest kunnen meetrekken, en waar zitten de echte hiaten? Kunnen we een klant met bewijs laten zien dat onze developers AI-klaar zijn, of blijft het bij een bewering?

Zonder die antwoorden bleef de AI-uitrol een gok in plaats van een plan. En de zin 'onze developers zijn AI-ready' bleef precies dat, een zin in een salesgesprek zonder iets eronder.

## Approach

We begonnen niet bij de vraag 'meten we AI-gebruik', maar bij een lastigere: hoe meet je het zo dat het overeind blijft als een klant erop doorvraagt.

Stap 1, de verkeerde meting uitsluiten. Een zelfrapportage-enquête is snel en vrijwel waardeloos. Mensen overschatten hun eigen AI-niveau, en een cijfer dat iemand zichzelf geeft is voor een klant geen bewijs. De meting moest gaan over wat iemand daadwerkelijk doet, niet over wat hij zegt te kunnen.

Stap 2, het scoremodel verankeren in bestaande frameworks. In plaats van een eigen mening bouwden we een verdedigbare 0 tot 5 volwassenheidsladder (Unaware, Aware, Pockets, Structured, AI-Native), met de productiedrempel bewust op Pockets. Die ladder loopt gelijk met vijf onafhankelijke modellen (CMMI, MIT CISR, Gartner, Microsoft, Google Cloud), die allemaal op dezelfde vorm uitkomen. Het uitgangspunt: geen vibes, elke score te herleiden tot een bron.

Stap 3, scenario-gebaseerd scoren, niet zelfrapportage. Elke medewerker wordt gescoord op vijf dimensies: AI-competentie, sentiment en veranderbereidheid (op de Prosci ADKAR-ruggengraat), huidig gebruik, automatiseringspotentieel en data-readiness. De competentie wordt getoetst met een concreet scenario, niet met een zelfcijfer. Het gat tussen competentie en potentieel is precies het ROI-signaal.

Stap 4, de doorrol ontwerpen. Eén scorecard per persoon, met directe citaten uit het gesprek als onderbouwing, rolt op naar een afdelingsbeeld (composietscore plus de zwakste ADKAR-letter als goedkoopste hefboom) en naar een bedrijfsbreed rapport met een cross-department heatmap en een geprioriteerd plan.

De methodologie was niet optioneel. Het is de reden dat elke score in het eindrapport te herleiden is tot een bron in plaats van een mening, en dat is precies het verschil tussen een cijfer dat een klant gelooft en een cijfer dat hij wegwuift.

## Solution

We bouwden de AI Employee Scan: een platform dat een volledige organisatie in kaart brengt zonder dat iemand honderd interviews hoeft af te nemen.

Een eigen agent per medewerker: elke developer krijgt zijn eigen gepersonaliseerde agent die hem live door een reeks AI-vragen leidt en de antwoorden ter plekke scoort. Het is geen statisch formulier en geen enquête. De agent past de vragen aan en beoordeelt op basis van scenario's, en dat is wat scenario-scoring op de schaal van 130+ mensen mogelijk maakt. De scan werkt in elke taal, zodat elke developer wordt geïnterviewd in zijn eigen moedertaal, waar zijn antwoorden het scherpst zijn en de scoring leest wat hij echt bedoelt in plaats van zijn tweedetaalformulering.

Vijf dimensies, verankerd in bewijs: elk gesprek levert scores op vijf assen op. Data-readiness wordt daarbij niet met een zachte definitie beoordeeld, maar tegen een concrete checklist. Elke vlag wordt geclassificeerd naar de vier risicotiers van de EU AI Act en getagd op AVG-zorg, zodat een datavlag de regel en de remediatie noemt, geen handgebaar. De scan houdt zichzelf aan diezelfde norm: een ingebouwde PII-check loopt over de interviewdata, zodat persoonsgegevens worden herkend en bewust worden behandeld en nooit ongecontroleerd worden doorgegeven.

Van persoon naar afdeling naar bedrijf: dezelfde vijf dimensies rollen op over drie niveaus. Elk niveau schrijft één keer en voedt het volgende, zodat het bedrijfsrapport tot op individueel citaatniveau onderbouwd is.

Het geheel handmatig opleveren kost weken en is verouderd zodra het af is. De scan doet dezelfde dekking anders:

AspectHandmatig, een voor eenAI Employee ScanHoe elke developer beoordeeld wordtApart interview van circa een half uur plus uitwerking, één persoon tegelijkEigen agent-sessie, live gescoord, alle 130+ parallelTijd om 130+ developers te dekkenWeken, en verouderd tegen de tijd dat de laatste is uitgewerktDagen, en actueel op het moment dat het klaar isKosten per beoordeelde developerOngeveer een uur senior tijd per persoonEen fractie daarvan, op conservatieve schatting ruwweg 80x lagerVolgend kwartaal opnieuw doenDe hele exercitie, vanaf nulOpnieuw draaien tegen bijna geen marginale kosten, en de curve zien bewegen

Het diepere punt is niet de kostprijs, maar het eigenaarschap. De scan is geen abonnement dat tegen Backstage opschaalt, maar een herbruikbaar data-asset dat ze bezitten.

De mens blijft daarbij bewust in de lus. De agent-geleide gesprekken zijn geen versimpeling maar een keuze: ze maken de scenario-gebaseerde beoordeling betrouwbaar op schaal, iets wat een massa-enquête nooit had gekund. En omdat de scan herhaalbaar is, wordt elke nieuwe run een meetpunt, geen momentopname maar een curve.

## Outcome

Voor het eerst heeft Backstage IT een manier om te zien, in plaats van aan te nemen, waar de organisatie staat. Elk van de 130+ developers kan individueel worden gescoord en opgerold per persoon, per afdeling en bedrijfsbreed, waarmee de champions en de hiaten in beeld komen in plaats van giswerk te blijven.

Operationeel verandert dat hoe Backstage zijn AI-uitrol kan aanpakken. In plaats van iedereen tegelijk op gevoel te trainen, kan de training precies naar de teams en de zwakste ADKAR-letter waar de meeste winst zit. De uitrol wordt een plan in plaats van een gok.

Strategisch is de verschuiving groter. AI-gereedheid was een bewering in een salesgesprek en is nu een herhaalbare AI-volwassenheidsmeting die Backstage kan neerleggen, kan gebruiken om zijn developers te positioneren als aantoonbaar AI-sterke engineers, en opnieuw kan draaien om te laten zien dat de curve stijgt. Het onderwerp is van een gespreksonderwerp een onderscheidend voordeel geworden.

De discovery en de bouw waren beide even essentieel. Zonder het verankerde scoremodel was de scan een snelle enquête geweest, en zonder de bouw was het model een PDF gebleven. Samen leveren ze Backstage een meetinstrument op dat blijft werken, ver nadat de eerste run is afgerond.

## Results

- **130+** developers, elk beoordeeld door hun eigen agent in dagen in plaats van de weken van een-op-een interviews
- **3 niveaus** score per persoon, per afdeling en bedrijfsbreed, elke score herleidbaar tot een bron
- **80x lager** kosten per beoordeelde developer t.o.v. een-op-een interviews, op een conservatieve schatting

## Quote

> AI-gereedheid was voor ons altijd een verhaal dat we vertelden. Nu is het een cijfer dat we kunnen laten zien, per developer en per team, en dat we elk kwartaal opnieuw kunnen meten. Dat verandert het gesprek met een klant volledig.
> — Sander Geels, Co-founder & CEO, Backstage IT