Hoe Ramp een AI-besturingssysteem voor schaalbaar werk ontwikkelde

Ben Levik heeft ontdekt wat de slechtste strategie is om AI in te zetten: wachten tot het makkelijker wordt.

Momenteel geeft hij leiding aan de operationele en AI-productteams bij Ramp, waar het afgelopen jaar is gewerkt aan de ontwikkeling van een 'AI-besturingssysteem' voor het hele bedrijf. De missie is ambitieus maar eenvoudig: het meest productieve bedrijf ter wereld worden.

Ben heeft zijn kennis opgedaan door na te gaan hoe verschillende teams reageren op de invoering van AI. Zoals hij tijdens zijn 'Make with Notion'-sessie vertelde, vervallen de meesten in voorspelbare patronen: afwachten, hopen dat tools alles zullen oplossen, of bang zijn om te worden vervangen.

Ramp koos voor een andere weg.

Er zijn vier archetypen die beschrijven wat mensen momenteel van AI vinden.

Doomers zijn van mening dat AI hun baan zal overnemen, dus waarom zouden ze AI uitproberen? Zoomers daarentegen hopen dat binnen enkele maanden één knop alles voor hen zal regelen. Boomers zijn voorzichtig optimistisch en willen nog een jaar of twee wachten totdat iemand de 'juiste' manier vindt om met AI om te gaan.

En dan zijn er nog de bouwers: mensen die beseffen dat werk ingrijpend aan het veranderen is en een kans zien om hun functie opnieuw vorm te geven.

En het zijn de bouwers die echt het verschil maken. Ze nemen het heft in handen en wachten niet op de perfecte AI-tool. Ze zijn nu al aan het leren, oefenen en bijsturen om te bouwen wat voor hen het beste werkt.

De aanpak van Ramp om een bouwer te worden bestaat uit drie fasen: Prompt, kennis en workflow. Elke fase bouwt voort op de vorige, van 'Wat wil ik dat AI doet' naar 'Hoe zorg ik ervoor dat dit automatisch gebeurt'.

In de afgelopen jaren hebben we geleerd dat je resultaten krijgt als je een paar woorden intypt in Google. Je scrolt, klikt en vindt uiteindelijk wat je zoekt. Ben noemt dit de 'epidemie van vaagheid', waarbij je een paar niet-specifieke woorden opgeeft in een zoekopdracht en antwoorden krijgt. Maar AI vereist juist het tegenovergestelde: je hebt precisie, context en detail nodig om er het maximale uit te halen.

Ramp gaf zijn werknemers altijd en overal toegang tot AI-tools en maakte van het gebruik van prompts een dagelijkse gewoonte. Nu maakt ongeveer 90% van de 1.200 werknemers maandelijks gebruik van Notion AI. Toegang alleen is echter niet genoeg. De echte doorbraak komt pas wanneer je AI inzet om beter te worden in AI.

Dat werkt als volgt: Begin met een vage prompt, maar druk nog niet op Enter. Vraag AI om jou vragen te stellen zodat deze beter kan werken. Beantwoord die vragen en laat AI vervolgens je prompt herschrijven op basis van wat je hebt gedeeld. Blijf dit herhalen totdat je krijgt wat je nodig hebt.

Het is een eenvoudig patroon dat volgens Ben de manier waarop mensen met AI omgaan volledig heeft veranderd. In plaats van je te ergeren aan matige resultaten kun je AI, en jezelf, leren om bij elke interactie nauwkeuriger te werk te gaan.

Het lijkt erop dat de meeste teams tegenwoordig voor een vergelijkbare uitdaging staan: hun kennis is verspreid over te veel tools. Hier een Slack-gesprek, daar een document op Google Drive en ergens anders weer een GitHub-gesprek. Alles wordt beheerd door een tiental verschillende teams en niets loopt in de pas. Giet er wat AI overheen en deze zal vol vertrouwen verouderde informatie verstrekken.

Ben pakte dit probleem aan door kennis te bundelen in één centrale bron van waarheid in Notion en die bron vervolgens te koppelen aan de rest van de tool stack. Maar wat ervoor zorgde dat dit op grote schaal werkte, was het opzetten van feedbackcyclussen om kennis accuraat en actueel te houden.

Terwijl teams bij Ramp de kennisbank gebruiken, geven ze aan wat er ontbreekt of niet klopt. AI stelt oplossingen voor en mensen keuren deze goed. Stel dat iemand Notion AI iets vraagt over een beleid maar zich realiseert dat het antwoord verouderd is. Die persoon meldt dat via een database voor feedback, waarna aangepaste agents een correctie opstellen. Vervolgens evalueert een kennismanager de wijziging en publiceert deze. Het hele proces duurt slechts enkele minuten in plaats van dat je twee weken in een ticketwachtrij staat.

Een goede prompt opstellen is één ding. Om de juiste input te krijgen – gesprekken uit Slack, gegevens uit Salesforce, verbindingen tussen verschillende systemen – was in het verleden aanzienlijke technische hulp nodig. Dankzij AI-agents en connectors is het nu mogelijk om workflows op te schalen met weinig tot geen technische support.

De aanpak van Ramp is eenvoudig. Er wordt informatie ingevoerd, AI doet het werk en de output komt op een nuttige plek terecht. Productteams ontvangen wekelijks automatisch samengevatte updates van de projectvoortgang afkomstig van vijf verschillende bronnen die vervolgens op Slack worden gepubliceerd. De verkoopafdeling maakt gebruik van workflows voor grondig onderzoek naar prospects en stelt vervolgens e-mails op die in de outbox worden gezet, klaar om te worden gereviewd en verzonden.

De manier waarop teams bij Ramp werken is veranderd omdat zoveel onderdelen van hun workflows nu parallel aan andere werkzaamheden kunnen plaatsvinden. In de eerste helft van 2025 konden ze 270 functionaliteiten opleveren: meer dan in heel 2024. Het knelpunt ligt niet in de uitvoering, maar in het bepalen wat de volgende automatisering gaat worden.

De kernboodschap is niet ingewikkeld: creëer nauwkeurige prompts, breng je kennissystemen op orde en ontwikkel vervolgens workflows waarmee alles schaalbaar wordt.

Maar de belangrijkste les gaat over timing. Je kunt niet wachten tot AI makkelijker wordt. De tools worden niet vanzelf eenvoudiger, en wachten betekent achterop raken. De teams die nu aan hun vaardigheden werken, door te oefenen, fouten te maken en bij te schaven, zullen in het voordeel zijn naarmate AI steeds beter wordt.

De tools zijn er. Hoe ga je jouw toekomst vormgeven?

Klaar om te beginnen met bouwen? Bekijk ons webinar en ontdek hoe je kennis kunt centraliseren en schalen met AI.