AI maakt jouw verkopers slordiger, niet scherper.

AI zou verkopers scherper maken. In plaats daarvan maakt het de meesten slordiger.

Sterker nog: dezelfde teams die vorig jaar ChatGPT, Gong en een dozijn AI-gedreven salestools kochten, sluiten nu minder deals per verkoper dan daarvoor. En de deals die ze wel sluiten zijn kleiner, trager en minder voorspelbaar. Wat is er gebeurd?

De technologie werkt. Maar de mensen die hem gebruiken, zijn veranderd in hoe ze te werk gaan. AI-fouten in sales worden in 2026 stilletjes de grootste bedreiging voor commerciële discipline.

Want als AI het denkwerk doet, stop jij met denken.

De belofte versus de realiteit

Twee jaar geleden was de pitch simpel. AI zou de admin overnemen, e-mails opstellen, calls samenvatten, en jouw verkopers vrijmaken om meer tijd aan verkopen te besteden. De productiviteit zou daardoor de lucht in schieten.

En de rekensom klopte. Als een verkoper 40% van zijn tijd aan admin besteedde, en AI nam 80% daarvan over, dan zou je theoretisch 32% van de verkooptijd terugwinnen. Vermenigvuldig dat over een team van 10, en je voegt het equivalent van drie fulltime verkopers toe zonder iemand aan te nemen.

Maar zo liep het niet. In plaats daarvan gebruikten de meeste teams de teruggewonnen tijd om meer e-mails te versturen, meer demo's te draaien en meer deals aan de pipeline toe te voegen. Het resultaat: de kwaliteit daalde terwijl het volume steeg. Pipeline coverage ging omhoog. Win rates gingen omlaag.

De rekensom klopte dus wel. Het resultaat niet.

"Als AI het denkwerk doet, stop jij met denken. Dat is geen tool-probleem. Dat is een discipline-probleem."

De vier meest voorkomende AI-fouten in sales

Na een audit van AI-gebruik bij een dozijn B2B-salesteams in het afgelopen jaar, blijven vier patronen van AI-fouten steeds opnieuw opduiken. Geen enkele daarvan gaat over de tools zelf. Elke fout gaat over hoe verkopers en managers ze gebruiken.

Fout #1 - AI e-mails laten schrijven waar de verkoper zelf niet over heeft nagedacht

ChatGPT schrijft een goede prospecting-e-mail in 8 seconden. Het gevolg: de meeste verkopers sturen er nu 50 per dag. Maar de kwaliteitslat is naar de grond gezakt.

Zo werkt het patroon meestal. Een verkoper plakt een LinkedIn-profiel in ChatGPT. ChatGPT genereert vervolgens een "gepersonaliseerde" openingszin op basis van de recente post van het prospect. Daarna verstuurt de verkoper hem zonder hem goed te lezen. Het prospect krijgt zo een bericht dat technisch gepersonaliseerd is, maar precies aanvoelt als de andere 12 AI-gegenereerde berichten die hij die ochtend al kreeg.

Het resultaat is voorspelbaar. Open rates dalen. Reply rates dalen nog harder. En prospects beginnen iedereen te filteren wiens eerste bericht verwijst naar een recente LinkedIn-post, als standaardsignaal.

De fix is niet om te stoppen met AI voor het opstellen van e-mails. De fix is om verkopers te verplichten écht na te denken over het prospect voordat ze op verzenden klikken. AI schrijft de structuur. De verkoper voegt het inzicht toe dat het de moeite van het lezen waard maakt.

Fout #2 - AI-call-samenvattingen vertrouwen zonder de call te beluisteren

Tools zoals Gong, Fathom en Fireflies genereren automatisch transcripties en samenvattingen. Ze taggen ook actiepunten, sentiment en "belangrijke momenten" met indrukwekkende precisie. Managers zijn hier dol op.

Maar dit gebeurt eronder. Sales managers bekijken nu call-samenvattingen in plaats van de echte calls te beluisteren. Verkopers werken CRM-velden bij op basis van AI-gegenereerde actiepunten. En de hele coachingworkflow is verschoven van "wat zei de koper daadwerkelijk" naar "wat dacht de AI dat de koper zei."

AI-tools zijn uitstekend in oppervlakkige samenvattingen. Maar ze missen wat er echt toe doet. Aarzeling bij de koper. Verborgen bezwaren. De exacte bewoording die aangeeft dat een deal doodbloedt. Verkopers ontwikkelen daardoor geen patroonherkenning meer, omdat ze de patronen niet meer horen.

De fix is simpel. Managers moeten minstens één volledige call per verkoper per week beluisteren. AI-samenvattingen zijn een startpunt, geen vervanging van echt luisteren.

Fout #3 - AI-forecasting gebruiken in plaats van betere vragen stellen

AI-forecastingtools analyseren dealpatronen, reactietijden op e-mails en engagementsignalen om te voorspellen welke deals sluiten. De modellen zijn op geaggregeerd niveau verrassend nauwkeurig.

Maar op het niveau van de individuele deal vervangt AI-forecasting vaak discipline. Vroeger vroeg een verkoper: "Wie is er nog meer betrokken bij deze beslissing? Wat is de budgettimeline? Wat gebeurt er als je dit niet in Q3 oplost?" Nu checkt de verkoper de AI-forecastscore en rapporteert die terug aan de manager.

AI weet niet wat de koper niet heeft gezegd. Het weet alleen wat er in het systeem staat. Als verkopers stoppen met kwalificatievragen stellen omdat de AI "weet" wat de dealkans is, stoppen ze met leren. En de pipeline wordt over tijd minder gekwalificeerd, niet meer.

De fix is om AI-forecasting te behandelen als een sanity check, niet als vervanging van menselijke kwalificatie. De AI vertelt je wat de data suggereert. De verkoper moet nog steeds het werk doen. Want als verkopers stoppen met kwalificeren, wordt jouw pipeline een van de vier sales-lekken die elk B2B-bedrijf heeft.

Fout #4 - AI jouw follow-ups laten schrijven

Een verkoper rondt een discovery-gesprek af. De AI-tool genereert een follow-up e-mail met een samenvatting van de call, afgesproken next steps, en een duidelijke call-to-action. Daarna klikt de verkoper op verzenden.

Maar hier zit het probleem. AI-follow-ups klinken generiek omdat ze generiek zijn. Elke verkoper in elk team dat dezelfde tool gebruikt, stuurt vergelijkbare e-mails. De inbox van de koper raakt daardoor vol met AI-gegenereerde follow-ups van concurrenten die bijna hetzelfde zeggen.

Bovendien missen AI-follow-ups de strategische invalshoek. Een goede follow-up is geen samenvatting. Het is een interpretatie. Hij zegt: "op basis van wat je deelde, denk ik dat dit het echte probleem is" of "gegeven de beperkingen die je noemde, zijn hier twee wegen vooruit, en dit is waarom ik voor route A zou kiezen." Dat vraagt om denkwerk. Dus vraagt het om de verkoper, niet om de tool.

De fix is om AI te gebruiken voor de saaie delen van follow-up (plannen, gespreksnotities, samenvattingsbijlagen) maar nooit voor de strategische inhoud. De interpretatie moet van de mens komen.

Waarom AI-fouten in sales gebeuren

Geen van deze AI-fouten in sales wordt veroorzaakt door slechte tools. Ze worden veroorzaakt door mensen die tools verkeerd gebruiken. Waarom blijft dit gebeuren?

Drie redenen. Ten eerste verlaagt AI de drempel om actie te ondernemen. Verkopers handelen daardoor sneller maar denken minder. Ten tweede zien AI-output er gepolijst uit. Managers gaan er daarom van uit dat het van hoge kwaliteit is. Ten derde heeft nog niemand sales-discipline rond AI-gebruik gebouwd. De meeste teams implementeren de tool, maar definiëren nooit hoe hij gebruikt moet worden.

Dit is echter oplosbaar. Want dezelfde teams die het meest worstelen met AI-fouten in sales zijn ook de teams die nooit duidelijke grenzen hebben gesteld. Geen minimale inspanningsnormen. Geen AI-gebruiksbeleid. Geen definitie van waar AI helpt versus waar het schaadt.

Discipline verslaat tools. Elke keer weer.

Een snelle zelfcheck

Wil je weten of jouw team is afgegleden naar AI-fouten in sales? Hier zijn acht snelle checks.

Herken je er drie of meer? Dan maakt AI jouw team slordiger, niet scherper.

De fix is niet minder AI

Voor alle duidelijkheid: de fix is niet om AI los te laten. Want AI-tools verbeteren de sales-productiviteit écht als ze goed gebruikt worden. De fix is om discipline terug te brengen in hoe AI gebruikt wordt.

Zo ziet gedisciplineerd AI-gebruik eruit. Ten eerste schrijft AI de structuur van een e-mail. Dan voegt de verkoper het inzicht toe dat het de moeite waard maakt. Ten tweede vat AI de call samen. Daarna luistert de manager nog steeds minstens één volledige call per week. Ten derde signaleert AI forecast-risico's. De verkoper stelt nog steeds de kwalificatievragen die ertoe doen. Tot slot regelt AI de saaie delen van follow-up. De verkoper doet de strategische interpretatie.

Kortom, AI is een hefboom. Maar een hefboom zonder discipline versterkt alles wat je erin stopt. Breng je slordig denkwerk in, dan krijg je sneller slordig denkwerk. Breng je scherp denkwerk in, dan krijg je sneller scherp denkwerk.

De keuze ligt bij het team. Niet bij de tool.

The ODB Way

Bij ODB Growth maakt AI deel uit van elk commercieel team waarmee we werken. Maar het is nooit het startpunt. We starten met het proces, dan de discipline, dan pas de tooling.

We auditen bijvoorbeeld welke AI-tools het team gebruikt. Daarna kijken we waar het team gestopt is met nadenken. Vervolgens herontwerpen we de workflow zodat AI doet waar het goed in is, en mensen doen wat beoordelingsvermogen vereist. Tot slot stellen we duidelijke grenzen zodat het team weet waar AI helpt en waar het schaadt.

Teams gebruiken daardoor dezelfde tools die ze al hadden. Maar ze gebruiken ze met discipline. De outputkwaliteit stijgt. Win rates herstellen. En de pipeline wordt weer voorspelbaar.

Want AI vervangt geen goede sales-discipline. Het versterkt de discipline die er al is. Daarom vervangt automation geen verkopers, en dat zal het ook nooit doen.

Wil je weten hoe AI-native jouw team echt is? Doe de AI Integration Scan. En wil je de exacte stack die ODB Growth in 2026 draait? Lees dan de AI-stack achter ODB Growth.