Vraag tien cultuurmarketeers wat ze met AI doen, en negen keer krijg je hetzelfde rijtje: teksten laten schrijven, een nieuwsbrief samenvatten, een beeld genereren, een campagne-idee laten brainstormen. Allemaal nuttig. En allemaal dezelfde laag.
Want dit is AI gebruiken. Je stelt een vraag, je krijgt een antwoord. De tool is een slimme stagiair die je elke keer opnieuw instructies geeft. Handig, maar de winst is beperkt tot de tijd die je bespaart op één taak, op dat ene moment.
Er zit een wereld van verschil tussen AI gebruiken en er echt mee werken.
De laag daaronder
Ermee werken betekent iets anders: AI ín je manier van werken bouwen, op je eigen data, zodat het werk overneemt dat anders bleef liggen. Niet een tool die je opent als je iets nodig hebt, maar een systeem dat meedraait. Elke dag. Op de achtergrond. Het doet het uitzoekwerk, zodat jij en je team tijd overhouden voor het publiek.
Neem een voorbeeld dat in bijna elk AI-artikel voor de sector langskomt: "met AI kun je je publieksdata analyseren." Klopt. Maar tussen die zin en een systeem dat élke ochtend zegt wélke voorstelling achterblijft in de verkoop, zit precies die wereld van verschil. Het een is een belofte. Het ander is iets dat draait.
Van één nieuwsbrief naar precisie
Bij de Schuur in Haarlem begon het met een simpele frustratie: waarom sturen we 14.000 mensen dezelfde nieuwsbrief? De trouwe filmliefhebber, de ouder die één keer per jaar naar een familievoorstelling komt, de theaterfan die nooit een film boekt: allemaal dezelfde mail. Iedereen krijgt alles, dus niemand voelt zich aangesproken.
Wat daar nu draait, is geen tool die je opent. Het is een systeem dat op onze eigen server, op onze eigen data, het werk doet:
- Het vindt per voorstelling de bezoekers voor wie die voorstelling écht relevant is, in plaats van de hele lijst.
- Het signaleert welke voorstelling achterblijft in de verkoop. Op tijd, niet als de zaal al half leeg is.
- Het geeft bezoekers persoonlijke suggesties op basis van wat ze eerder zagen en mooi vonden.
Niemand hoeft daarvoor een prompt te tikken. Het rekenwerk gebeurt vanzelf. Wat overblijft is de tijd en de aandacht die naar het publiek gaan, en naar het werk dat mensenwerk moet blijven.
Waarom de tips je hier niet brengen
De meeste AI-content voor de sector stopt bij "welke tool" en "welke prompt". Dat is nuttig om te beginnen, maar het brengt je niet naar die tweede laag. Want die laag gaat niet over een handigere tool. Hij gaat over structuur: jouw data, jouw werkproces, en het inbouwen van AI daar waar de herhaling zit.
Dat gat sluit zich niet vanzelf door nog een webinar te volgen. Het sluit zich door het te bouwen, op maat van hoe jullie werken. En dat is precies waarom zoveel organisaties het gevoel hebben dat ze "iets met AI doen" en tegelijk voelen dat de echte winst nog ergens buiten bereik ligt.
Verantwoord is geen bijzin
Nog een reden waarom die tweede laag anders is: hij dwingt je om na te denken over de kaders. Wiens data gebruik je, waar staat die, en wie houdt de regie? Bij de Schuur draait alles op de eigen server, op de eigen data. Geen black box, geen gegevens die zomaar de deur uit gaan.
En belangrijker nog: het gaat niet om mensen vervangen. Het gaat om het saaie, herhalende deel weghalen, zodat de tijd terug kan naar waar cultuur om draait, het publiek en het verhaal. Dat is de enige vorm van AI die in deze sector standhoudt.
Waar je echt begint
Niet bij een tool. Bij een vraag: waar in ons werk gaat de meeste tijd naar herhaling? Welke klus doen we elke week opnieuw met de hand? Daar zit je eerste winst, en daar begint de tweede laag.
Klein starten mag. Op je eigen data, in je eigen tempo, met heldere kaders. Maar begin bij het werk, niet bij de tool. Dan ontdek je vanzelf het verschil tussen AI gebruiken en er echt mee werken.