11 mensen, 11 lessen. Wat ik leerde in elk stadium van onze groei.

Een AI-bedrijf runnen is ironisch genoeg het meest menselijke dat ik ooit heb gedaan.

Vorige week tekende onze 11e medewerker zijn contract. Ik stond in de keuken van ons kantoor in Amsterdam en realiseerde me iets geks: twee jaar geleden zat ik alleen achter een bureau. Nu zitten er 11 mensen die elke dag opstaan om hetzelfde doel na te jagen.

Dat klinkt als een succesverhaal.

Maar de waarheid is ingewikkelder.

Want wat ik vooraf niet begreep over groeien als startup founder, is dat elke nieuwe medewerker niet alleen capaciteit toevoegt. Elke nieuwe medewerker voegt ook twijfel toe, verantwoordelijkheid, en slapeloze nachten.

Dit is geen bescheiden opschepperij. Dit is het eerlijke verhaal van wat ik leerde. Per fase, per persoon, per blunder.

I – Alleen (1 persoon): Je bent niet zo goed als je denkt

"The only real test of intelligence is if you get what you want out of life." — Naval Ravikant

In het begin deed ik alles zelf. Sales, development, marketing, boekhouding, koffiezetten.

En ik dacht dat ik het goed deed.

Dat was de eerste illusie.

Als solo founder heb je namelijk geen spiegel. Niemand die zegt: "Olaf, die offerte is rommelig." Niemand die zegt: "Die klant past niet bij ons." Je bevestigt jezelf de hele dag en noemt het 'ondernemerschap'.

De les: je hebt mensen nodig, niet omdat je het niet alleen kan, maar omdat je alleen niet ziet wat je mist.

II – De eerste medewerker (2-3 personen): Hire for what you suck at

Mijn eerste hire was een developer. Het was iemand die iets had wat het verst van mij af stond. Een development achtergrond. Keiharde code.

Daarna volgde de structuur.

Want ik ben chaotisch. Creatief, ja. Energiek, zeker. Maar structuur? Daar scoor ik een 3 op een schaal van 10 (oké misschien een 2).

De meeste founders maken dezelfde fout: ze nemen iemand aan die op hen lijkt. Dat voelt fijn. Maar het lost niks op.

McKinsey's onderzoek naar succesvolle scale-ups bevestigt dit: teams die complementair zijn presteren 2,3x beter dan homogene teams. Niet een beetje beter. Meer dan het dubbele.

De les: je eerste hire moet je tegenpool zijn. Niet je kloon.

III – Het development team (4-6 personen): Bouw wat klanten nodig hebben

Met drie developers, waarvan twee een Master in AI op zak, konden we opeens dingen bouwen die ik alleen nooit had gekund. Mensen dus die een echte kunstmatige intelligentie achtergrond hebben.

En toen kwam de verleiding.

We wilden de coolste AI agents bouwen. De meest geavanceerde automations. De technologie die ons op conferenties zou laten opvallen.

Maar onze klanten wilden iets anders. Ze wilden dat hun veiligheidsdocumentatie sneller gecontroleerd werd. Ze wilden dat hun klantenservice 24/7 bereikbaar was zonder extra personeel. Ze wilden 32 uur per week terug.

Niet spectaculair. Niet sexy. Wel: ongelooflijk waardevol.

Harvard Business School schreef het recent treffend: "AI is no longer the experiment on the side; it's rewiring how work gets done." En dat 'rewiring' gebeurt niet met moonshot-projecten. Het gebeurt met processen die je elke dag tegenkomt.

De les: de beste AI-oplossing is degene die je klant binnen 4 weken kan testen. Niet degene die jou op het podium zet.

IV – De groeipijn (7-8 personen): Cultuur eet strategie als ontbijt

Peter Drucker zei het. Ik geloofde het niet. Tot medewerker 7 en 8.

Opeens waren er gesprekken die ik niet meer hoorde. Beslissingen die zonder mij werden genomen. Klantcontact dat ik niet meer zelf deed.

En sommige van die beslissingen waren... niet goed.

Niet omdat de mensen slecht waren. Maar omdat we nooit hadden vastgelegd hoe we beslissingen nemen. Wat onze standaarden zijn. Wat we wel en niet accepteren. Ik moest leren dat een startup zonder expliciet uitgesproken cultuur simpelweg de cultuur krijgt die toevallig ontstaat. En toeval is geen strategie.

De les: schrijf op waar je voor staat. Niet omdat het leuk is voor op de muur. Maar omdat je team het nodig heeft als jij er niet bij bent.

V – De schaalvraag (9-10 personen): Systemen versus talent

Dit is waar de meeste startups vastlopen. KPMG's nieuwste AI Pulse Survey laat zien dat 67% van de bedrijven hun AI-investeringen vasthouden, zelfs bij een recessie. Maar slechts 24% slaagt erin om van pilot naar productie te schalen.

Wij liepen tegen hetzelfde aan. We hadden talent. We hadden klanten. Maar we hadden geen systemen.

Elke klant werd anders behandeld. Elke AI agent werd anders gebouwd. Elk project had zijn eigen structuur, of eigenlijk: gebrek daaraan.

De doorbraak kwam toen we besloten om modulair te bouwen. Eén architectuur. Eén methodiek. Eén manier van testen.

Klinkt saai. Is het ook. Maar het is de reden dat we nog steeds al onze klanten binnen 4 tot 16 weken een werkende POC kunnen presenteren. Niet na 6 maanden. Niet na een jaar. Al vaak na 4 weken.

De les: systemen zijn niet het tegenovergestelde van creativiteit. Ze zijn de voorwaarde.

VI – De elfde (11 personen): Je grootste angst is niet falen — het is slagen

En nu echt even persoonlijk.

Toen ik medewerker 11 aannam, bekroop me het gevoel "Olaf, weet je wel wat je doet?" Eerlijk antwoord: niet helemaal.

Want groeien boven de 10 mensen als AI-startup in Nederland (zonder VC-geld, zonder groot fonds) is een keuze die elke maand opnieuw moet kloppen.

Paul Graham, oprichter van Y Combinator, heeft het over 'default alive' versus 'default dead'. De vraag is simpel: ga je bij huidig groeitempo en huidige kosten winstgevend zijn voordat je geld opraakt?

Wij zijn default alive. Net.

Maar wat me meer bezig hield dan de cijfers, was een ander gevoel.

Angst om te slagen.

Want als dit werkt, als we echt de AI-partner van Nederland worden, dan kan ik niet meer terug naar 'klein en veilig'. Dan groeit het team door, worden de projecten groter. Dan verliezen we misschien wel een deel van onze experimentele cultuur. Dan is het echt.

De les: groei confronteert je niet met je zwaktes. Groei confronteert je met wie je bereid bent te worden.

VII – De 11 lessen op een rij

Ik wil ze even bij elkaar zetten. Eén les per fase.

Wat ik hiervan leer over AI-implementatie

Het grappige is: alles wat ik leerde over het schalen van een team, geldt ook voor het schalen van AI in een organisatie.

Bedrijven die AI implementeren maken dezelfde fouten die ik maakte als founder.

Ze beginnen zonder spiegel (geen duidelijke metrics). Ze huren klonen in (alleen technisch talent, geen change management). Ze bouwen wat cool is in plaats van wat nodig is. Ze hebben geen cultuur rondom AI (geen governance, geen afspraken). Ze missen systemen (elke afdeling doet het anders).

MIT Sloan schrijft dat AI agents in 2026 de 'trough of disillusionment' ingaan. Dat verbaast me niks. Niet omdat de technologie niet werkt. Maar omdat organisaties nog niet geleerd hebben hoe ze ermee moeten schalen.

En schalen is altijd — altijd — een menselijk probleem.

De toekomst

Ik sta nog elke ochtend op met hetzelfde gevoel als twee jaar geleden.

Dat we pas begonnen zijn.

Dat het beste nog moet komen.

En dat een AI-bedrijf runnen ironisch genoeg het meest menselijke is dat ik ooit heb gedaan.