De ontwikkeling is al zichtbaar. In 2025 gebruikte 20% van de EU-ondernemingen met minstens tien medewerkers AI, tegenover 13,5% in 2024 en 8% in 2023. Tekstanalyse en tekstgeneratie groeien het snelst. Grote CRM-platformen bieden inmiddels AI-agents voor klantonderzoek, kwalificatie, benadering, meetingvoorbereiding en CRM-acties. Deze functies markeren de stap van hulp bij losse taken naar actief meewerken in het salesproces.

Voor de periode tot 2031 zijn drie fasen relevant:

• 2023 – 2025 – AI helpt: de verkoper gebruikt AI voor losse taken en houdt zelf de volledige regie.
• 2026 – 2028 – AI werkt mee: AI zit in CRM, e-mail, meetings, offertes, prijsstelling en klantbehouden groei en stelt concrete acties voor.
• 2029 – 2031 – AI voert standaardwerk uit: gespecialiseerde AI-agents volgen markten en klanten, handelen binnen afgesproken grenzen en leren van resultaten.

De meeste waarde ontstaat de komende twee jaar in voorbereiding, opvolging en kwaliteitscontrole. AI versnelt klantonderzoek, meetingvoorbereiding, CRM-registratie, samenvattingen, eerste voorstellen, tenderchecks en risicosignalen. Teams houden prijs, contract, gevoelige klantcommunicatie en belangrijke klantbeloften onder menselijke controle. Onderzoek buiten sales laat zien dat AI vooral minder ervaren medewerkers sneller productief maakt. De kwaliteit van de kennis en de controle door professionals bepalen het resultaat.

Ook de klant verandert. Inkoop- en business-teams gebruiken AI voor leveranciersverkenning, vergelijking, eisen, businesscases en contractvoorbereiding. De verkoper wordt daardoor minder een primaire informatiebron en meer een validator, probleemverkenner en regisseur van besluitvorming en verandering. Het aanbod moet inhoudelijk sterk, consistent en controleerbaar zijn voor zowel mensen als AI-systemen aan klantzijde.

Vier structurele krachten

1. Technologische versnelling. 86% van de werkgevers in het onderzoek van het World Economic Forum verwacht dat AI en informatieverwerking hun organisatie richting 2030 veranderen. Deze verwachting versnelt investeringen in technologie, vaardigheden en organisatie. 
2. Snelle bedrijfsadoptie. Eurostat registreerde een stijging van AI-gebruik in EU-ondernemingen van 8% in 2023 naar 20% in 2025. Grote organisaties en digitaal sterke sectoren lopen voorop. 
3. Verandering van taken. De ILO schat dat wereldwijd ongeveer een kwart van de banen met generatieve AI te maken krijgt. De ILO verwacht vooral dat taken veranderen. Ook salesfuncties verdelen werk en verantwoordelijkheid opnieuw. 
4. Eigen data en ervaring maken het verschil. Een algemeen taalmodel is breed beschikbaar. Organisaties bouwen voorsprong op met actuele klantinformatie, historische resultaten, sterke voorbeelden en feedback over succesvolle aanpakken en verbeterpunten.

Van informatievoorsprong naar betere klantacties

Salesprofessionals vinden steeds sneller informatie over organisaties, personen, marktontwikkelingen en producten. Het verschil ontstaat daarom in vier stappen: een signaal goed begrijpen, het echte klantprobleem scherp krijgen, de juiste mensen betrekken en een passende actie kiezen.

Menselijke vaardigheden worden hierdoor waardevoller. Klanten verwachten oordeel, nieuwsgierigheid, kennis van belangen, sterke gesprekken, eerlijke afwegingen en verantwoordelijkheid. Onderzoek laat zien dat AI vooral kennis en goede werkwijzen verspreidt naar minder ervaren medewerkers. Ervaren professionals boeken vaak kleinere tijdwinst en herkennen sneller wanneer een AI-advies tekortschiet.

De klant verandert mee: AI in inkoop en bedrijfsvoering

AI verandert niet alleen hoe leveranciers verkopen, maar ook hoe klanten oriënteren, inkopen en hun eigen werk organiseren. Inkoop, finance, IT, juridische teams en gebruikers kunnen AI inzetten voor leveranciersverkenning, eisen, vergelijkingen, businesscases, contractanalyse en risicocontrole. Tegelijk verandert AI de taken, processen en soms het verdienmodel van de klant. Een aanbod wordt daardoor steeds vaker op twee niveaus beoordeeld: lost het een concreet probleem op en past het veilig en uitvoerbaar in data, processen, rollen en governance?

In een Gartner-enquête onder 645 B2B-kopers gebruikte 45% generatieve AI bij een recente aankoop; 69% wilde AI-gegenereerde inzichten met een verkoper valideren. McKinsey rapporteert daarnaast dat B2B-kopers gemiddeld tien kanalen gebruiken en leveranciers afrekenen op inconsistente informatie en gebrekkige toegang tot deskundige mensen. AI maakt de koopreis dus zelfstandiger, maar vergroot tegelijk de behoefte aan betrouwbare bronnen, context en menselijke bevestiging.

Brede platformen en gespecialiseerde aanbieders

Grote platformen combineren CRM, e-mail, agenda, klantgesprekken en documenten. Microsoft biedt een AI-agent voor sales die deze informatie gebruikt voor klantinzicht, voorbereiding, analyse en acties. Salesforce biedt een AI-agent voor eerste klantbenadering, antwoorden en afsprakenplanning. HubSpot combineert CRM-activiteit, koopsignalen, contactdata en benadering.

Gespecialiseerde aanbieders leveren vooral waarde met een combinatie van vakkennis, historische data, een bewezen werkwijze en AI. Zij kunnen daardoor een volledig salesproces versterken, bijvoorbeeld bij prijsstelling, omzetprognoses, gespreksanalyse, marktontwikkeling of aanbestedingen. De organisatie koopt dan meer dan software: zij krijgt direct toegang tot ervaring en vergelijkingsmateriaal die intern nog ontbreken.

Wanneer een gespecialiseerde partner structureel waarde toevoegt

Een gespecialiseerde partner versnelt de commerciële ontwikkeling wanneer de organisatie zelf nog onvoldoende data, vakkennis of ervaring heeft. De partner levert dan direct een bewezen aanpak, vergelijkingsmateriaal en specialistische capaciteit voor een belangrijk salesproces, zoals tenders, prijsstelling, omzetprognoses of marktontwikkeling.

De grootste waarde ontstaat wanneer de partner vakkennis combineert met historische data en AI. Die combinatie maakt patronen zichtbaar, verbetert de voorbereiding en ondersteunt betere keuzes. Bij tenders kan een partner bijvoorbeeld de uitvraag analyseren, een winstrategie formuleren, het proces structureren, bewijs organiseren en met AI eerste teksten opstellen en verbeteren.

De organisatie blijft eigenaar van de klantrelatie, de strategie, de prijs en de beloften. De partner werkt als verlengstuk van het team en draagt kennis, data en werkwijzen over. Voor organisaties die deze basis intern nog opbouwen, kan zo’n samenwerking essentieel zijn om nu al professioneel mee te dingen. Naarmate de eigen kennis en databasis groeien, verschuift de partnerrol naar specialistisch advies, kwaliteitscontrole en gezamenlijke ontwikkeling.

Van hulpmiddel naar digitale collega

AI-systemen gaan steeds vaker zelf plannen en handelen. Microsoft beschrijft een agent die leads onderzoekt, potentiële klanten benadert en gekwalificeerde leads overdraagt. Salesforce en HubSpot bieden vergelijkbare functies voor eerste e-mails, opvolging en afsprakenplanning. Organisaties starten met controle voor verzending en geven pas meer vrijheid wanneer kwaliteit, veiligheid en klantreactie aantoonbaar goed zijn. [7][8][9]

Vijf praktische keuzes

• Welke klantinformatie en praktijkkennis willen we zelf bezitten, en waar levert een specialist aantoonbaar meer waarde?
• Welke bron gebruiken we wanneer CRM, e-mail, gespreksverslagen, servicegegevens en contractdata elkaar tegenspreken?
• Welke acties mag AI zelfstandig uitvoeren en voor welke acties moet een medewerker eerst akkoord geven?
• Welke afspraken maken we met leveranciers over klantdata, gemaakte content, feedback, beveiliging en het gebruik van onze gegevens voor training?
• Hoe houden we toegang tot onze data en werkwijze wanneer we van leverancier wisselen?

Bij markt- en klantonderzoek maakt AI van losse informatie een voorstel voor een volgende stap. Een daling in productgebruik, een nieuwe beslisser en een naderende contractdatum kunnen samen op risico wijzen. De accountmanager controleert de betekenis, kiest de actie en legt de uitkomst vast. Zo leert het systeem van de praktijk.

Bij prospecting verschuift de aandacht van lange lijsten naar relevante situaties. AI gebruikt koopsignalen, CRM-activiteit en externe informatie om kansrijke organisaties en een passende eerste benadering voor te stellen. Medewerkers controleren gevoelige of belangrijke berichten voordat AI ze verstuurt.

AI ondersteunt klantgesprekken voor, tijdens en na het contact. Een Microsoft-onderzoek beschrijft een systeem dat binnen enkele seconden relevante verkoopinformatie uit een grote kennisbank aanbeveelt. De professional blijft verantwoordelijk voor luisteren, doorvragen, timing en de kwaliteit van de relatie.

De klantkant van dezelfde workflow

Aan klantzijde kan AI marktinformatie verzamelen, eisen voorbereiden, leveranciers en voorstellen vergelijken, afwijkingen signaleren, businesscases doorrekenen en contractvoorwaarden analyseren. De OECD ziet bij publieke inkoop kansen voor verbonden processen en datagedreven beslissingen, maar ook beperkingen door versnipperde systemen, verouderde infrastructuur, beperkte digitale vaardigheden en weerstand tegen verandering. Dezelfde balans geldt breder in B2B: snelheid ontstaat pas wanneer brondata, bevoegdheden, vaardigheden en controle op orde zijn.

Voor sales betekent dit dat invloed eerder begint bij de probleemdefinitie, criteria en businesscase en later doorloopt in implementatie en waarderealisatie. De leverancier moet niet alleen overtuigen, maar ook informatie leveren die een klantteam en diens AI kunnen toetsen, hergebruiken en verantwoorden.

De accountmanager legt vóór publicatie de basis met relaties, referenties, partners en bewijs. De bidmanager vertaalt die basis samen met interne experts en eventuele partners naar een helder, haalbaar en onderscheidend voorstel. Transparantie, gelijke behandeling, eerlijke toegang en passende eisen blijven leidend.

Wat structureel verandert in het dagelijkse werk

• Van periodiek naar continu: AI houdt klant-, pipeline- en waardesignalen steeds actueel.

• Van handmatig vastleggen naar automatisch bijhouden: AI verwerkt gesprekken en activiteiten in CRM.
• Van één standaardproces naar passende vrijheid: AI voert laag-risicowerk uit; mensen behandelen uitzonderingen en belangrijke klanten.
• Van aantallen naar kwaliteit: teams meten relevante klantacties, klantreactie, marge en gerealiseerde waarde.
• Van losse verbeteringen naar leren van elke uitkomst: teams koppelen advies, actie, correctie en resultaat aan elkaar.

Werken met AI als collega

Op korte termijn werkt AI vooral als voorbereidingsteam. Het verzamelt klantinformatie, bereidt een klantgesprek voor, vat gesprekken samen, werkt CRM bij, zoekt bewijs voor een voorstel en signaleert risico’s. De verkoper controleert de uitkomst en kiest wat naar de klant gaat.

Na bewezen kwaliteit kan AI ook standaardacties uitvoeren, zoals een opvolgmail opstellen en versturen, afspraken plannen of ontbrekende informatie opvragen. Prijsafspraken, contractvoorwaarden, gevoelige communicatie en tenderbeloften blijven onder menselijke verantwoordelijkheid.

Verkopen aan een AI-ondersteunde klantorganisatie

De salesprofessional werkt niet alleen met de eigen AI, maar krijgt ook te maken met AI in het koopteam. Klanten laten AI samenvatten, vergelijken, vragen voorbereiden, bewijs controleren en businesscases toetsen. Sales moet daarom bronnen, actualiteit, voorwaarden en uitzonderingen helder structureren, AI-aannames samen met de klant valideren, de businesscase verbinden met veranderingen in werk en organisatie en mensen betrekken bij onzekerheid en bindende toezeggingen.

Forrester beschrijft generatieve AI in 2026 vaak als startpunt van de koopreis, terwijl interne en externe netwerken nodig blijven om besluiten te rechtvaardigen en risico te verkleinen. Sales verkoopt dus niet aan een machine, maar beïnvloedt een gemengd systeem van mensen, data, regels en AI.

Hoe starters het vak blijven leren

AI neemt veel traditionele oefentaken van starters over, zoals research, notuleren, CRM, eenvoudige prospecting en eerste versies. Starters leveren daardoor sneller output, maar oefenen minder vaak zelf. Tegelijk kan AI goede werkwijzen sneller verspreiden. Onderzoek in customer support vond de grootste productiviteitswinst bij minder ervaren medewerkers. 

Organisaties moeten het leren daarom bewust organiseren. Starters observeren ervaren collega’s, analyseren cases eerst zelf, oefenen gesprekken, controleren bronnen, zoeken fouten in AI-output en krijgen stap voor stap meer verantwoordelijkheid. Zo groeit vakmanschap mee met de productiviteit.

Wat managers voortaan meten

• Salesmanager: kwaliteit van klantacties, fouten, ontwikkeling van mens en AI en forecastbetrouwbaarheid.
• Accountmanager: klantwaarde, beslissersbereik, probleemdefinitie en tijdige risicoaanpak.
• Businessdeveloper: kwaliteit van nieuwe kansen, signaal-naar-probleem en pipelinewaarde.
• Bidmanager: winstpercentage, bewijs, afwijkingen na gunning, marge en haalbaarheid.
• Commerciële operatie: datakwaliteit, AI-kwaliteit en gebruik, doorlooptijd, fouten en leren.

Wie organiseert data, processen en AI?

Veel organisaties leggen deze taak bij een team voor commerciële operatie, soms RevOps genoemd. Dit team verbindt sales, marketing, finance, IT, HR en risicobeheer. Het bewaakt definities, datakwaliteit, werkprocessen, AI-afspraken, metingen en leveranciers. Zo voorkomt de organisatie dat ieder team eigen tools, cijfers en werkwijzen ontwikkelt.

Leiderschap: geef richting aan mensen én AI

Salesleiders bepalen waar het team waarde creëert, welke taken AI uitvoert, wanneer een mens beslist en hoe medewerkers en systemen leren van resultaten. Zij verdelen tijd en aandacht over klanten, medewerkers, AI en externe specialisten. Dashboards leveren signalen; leiders blijven verantwoordelijk voor de keuze en de gevolgen.

Artikel 4 van de Europese AI-verordening verplicht aanbieders en organisaties die AI gebruiken om naar beste vermogen voldoende AI-kennis bij medewerkers te organiseren. De meeste regels gelden vanaf 2 augustus 2026; de regels over verboden toepassingen en AI-kennis gelden sinds 2 februari 2025.

Aanpak voor 2026 – 2028

Begin met één duidelijk salesprobleem en richt het werk daarna stap voor stap opnieuw in:

1. Breng het echte werk én het koopproces van de klant in kaart. Meet tijd, wachttijd, herstelwerk, overdrachten, fouten en beslismomenten per rol en bepaal waar klantmedewerkers en klant-AI informatie verzamelen, toetsen en besluiten.
2. Kies een probleem met meetbare waarde. Denk aan klantbehoud, leadkwalificatie, tenderkwaliteit of een schonere pipeline.
3. Leer van iedere uitkomst. Koppel informatie, AI-advies, menselijke correctie, actie en resultaat.
4. Spreek af wie wat mag beslissen. Laat AI eerst signaleren en adviseren en geef pas meer vrijheid na bewezen kwaliteit.
5. Pas rollen, doelen en leerpaden aan. Verminder administratieve targets en bescherm het leerpad van starters.
6. Ontwikkel managers en ondersteunende teams samen. Zij moeten AI-adviezen kunnen beoordelen, uitzonderingen herkennen en leveranciers aansturen.
7. Kies bewust tussen een breed platform en een specialist. Gebruik een partner waar unieke data, vakkennis en een bewezen werkwijze aantoonbaar verschil maken, en organiseer kennisoverdracht vanaf de start.

Vragen voor directie, sales en HR

• Welke vijf salesbeslissingen moeten in 2028 aantoonbaar beter zijn dan nu?
• Hoe verandert AI het werk, de processen en het verdienmodel van onze klanten, en welke nieuwe koopcriteria ontstaan daardoor?
• Welke klantdata, voorbeelden en feedback bezitten we al, en welke kennis of data ontbreken?
• Welke klantacties mag AI uitvoeren, en welke vragen altijd om menselijk oordeel?
• Welke rollen verliezen taken, en hoe verschuiven we tijd naar klantwaarde en ontwikkeling?
• Hoe leren starters het vak wanneer AI research, administratie en eerste versies overneemt?
• Hoe zetten we tijdwinst om in betere klantbesluiten, een hogere marge en duurzamere klantwaarde?

Wat fundamenteel verandert

• AI houdt klantinformatie en commerciële signalen continu actueel en beschikbaar voor het hele team.
• Klanten gebruiken AI voor oriëntatie, vergelijking, inkoop en businesscases; salesinformatie moet daarom consistent, controleerbaar en bruikbaar zijn voor zowel mensen als AI-systemen.
• Salesprofessionals besteden minder tijd aan zoeken en vastleggen en meer tijd aan beoordelen, kiezen en klantcontact.
• SalesTech ontwikkelt zich van administratie naar actieve ondersteuning en uitvoering door AI-agents.
• Menselijke waarde groeit in probleemverkenning, besluitvorming, relatie, onderhandeling en verantwoordelijkheid.
• Duidelijke werkafspraken, goede data, leiderschap en ontwikkeling bepalen of AI werkelijk resultaat oplevert.

Wat zeker lijkt en wat nog onzeker is

Vijf ontwikkelingen zetten door: tekst en analyse worden goedkoper, AI komt standaard in CRM, inkoop en kantoorsoftware, klanten gebruiken AI bij oriëntatie en besluitvorming, eigen data en ervaring worden waardevoller en organisaties moeten privacy, uitleg en AI-kennis goed regelen. Sales verschuift daardoor blijvend van administratie en informatieverstrekking naar oordeel, verificatie en regie.

Vier factoren bepalen het tempo: klantacceptatie van contact en transacties die AI zelfstandig afhandelt, de betrouwbaarheid van AI-leveranciers en klantagents, de kwaliteit van informatie aan beide zijden en het vermogen om van resultaten te leren. Het beeld voor 2031 geeft richting en laat ruimte voor verschillen per sector en organisatie.