Waarom je team dingen in ChatGPT blijft plakken in plaats van je officiële tools te gebruiken
De hoeveelheid kopiëren en plakken naar ChatGPT is vooral geen complianceprobleem dat je moet controleren. Het is gratis, eerlijk marktonderzoek over precies waar je officiële tools te traag zijn — als je bereid bent het zo te lezen.
Vraag een operationsleider bij een bureau van vijftig mensen waar het klantonderzoek écht wordt gedaan, en ze wijst naar een projectmanagementtool met een maandelijkse factuur en een rechtenoverzicht. Vraag waar het in de praktijk gebeurt, en het eerlijke antwoord is steeds vaker een browsertab met ChatGPT.
Dit is geen randgewoonte die beperkt blijft tot een paar regelschenders in het designteam. Het zit dicht bij de mediaan. De Work Trend Index 2024 van Microsoft en LinkedIn, gebaseerd op een enquête onder 31,000 werknemers in 31 landen, vond dat 78% van de medewerkers die generatieve AI op het werk gebruiken hun eigen AI-tools meenemen in plaats van de tools die hun werkgever heeft uitgegeven — een praktijk die het rapport BYOAI noemt. Bij kleine en middelgrote bedrijven stijgt dat cijfer naar 80%. Een apart Annual Report 2025 van 1Password, gebaseerd op 5,000 werknemers, vond een conservatiever cijfer: 27% gaf toe AI-tools te hebben gebruikt die hun bedrijf niet had goedgekeurd, terwijl een enquête van Cybernews onder meer dan 1,000 Amerikaanse werknemers in september 2025 het cijfer op 59% zette. De spreiding is groot omdat elke enquête een iets andere vraag stelt — "heb je ooit buiten de officiële kanalen naar AI gegrepen" tegenover "vertrouw je bewust op niet-goedgekeurde AI voor je belangrijkste werk" — maar elk van deze cijfers ligt ruim boven wat de meeste IT- en operationsleads zouden gokken als je het ze zonder voorbereiding vraagt.
De meeste gesprekken over dit feit beginnen met het woord "schaduw" en eindigen met een memo over beleid voor acceptabel gebruik. Dat instinct is begrijpelijk. Het is meestal ook de verkeerde eerste zet.
Wat het cijfer werkelijk meet
Begin met wat deze enquêtes niet vinden. Ze vinden niet dat medewerkers lui, roekeloos of bezig zijn het management te omzeilen. Het rapport van 1Password vroeg mensen rechtstreeks waarom ze naar niet-goedgekeurde AI-tools grijpen, en de twee belangrijkste antwoorden waren gemak (45%) en het gevoel productiever te zijn (43%) — niet "mijn manager controleert het niet" of "beleid interesseert me niet". Mensen verstoppen zich niet in ChatGPT omdat het verboden is. Ze verstoppen zich in ChatGPT omdat het sneller is dan wat ze eigenlijk hadden moeten gebruiken.
Dat onderscheid telt, want het betekent dat het kopieer-en-plakgedrag vooral geen disciplineprobleem is om te controleren. Het lijkt meer op een klant die het product van een concurrent verkiest boven het jouwe. Als een klant je checkout begint te omzeilen omdat die van een concurrent drie klikken korter is, reageer je niet door het verlaten van je checkout moeilijker te maken — je gaat uitzoeken wat er traag aan is. Dezelfde logica geldt binnen een bedrijf. Elke keer dat iemand ChatGPT opent in plaats van je taaktool, je berichtenapp of je interne wiki, brengt die persoon een eerlijke, ongevraagde stem uit over waar je officiële tools te traag zijn, te veel klikken diep zitten, of iets missen dat ze nú nodig hebben. Niemand vult een enquête in om je dit te vertellen. Ze doen het gewoon, keer op keer, op schaal — en precies dat maakt het betrouwbaarder dan de meeste feedback die je ooit expres zult verzamelen.
Het kopiëren en plakken naar ChatGPT is geen bewijs dat je team de tools die je hen gaf niet respecteert. Het is een live meting van precies waar die tools tekortschieten — automatisch vastgelegd, in volume, zonder enquêtevermoeidheid.
Waar dit past: processchuld die zichtbaar wordt
De productfilosofie van FabricLoop heeft een naam voor de onderliggende toestand die dit gedrag voortbrengt: processchuld — de opgebouwde, verborgen kosten van het aan elkaar naaien van tools die geen context delen, betaald in de munt van mensen die handmatig opnieuw typen, opnieuw uitleggen en informatie afstemmen die uit zichzelf had moeten doorstromen. Processchuld staat niet op een balans. Ze verschijnt als de tien minuten die iemand besteedt aan het kopiëren van een klantdraad uit e-mail naar een document, om die daarna met de hand samen te vatten, omdat de betrokken systemen niet met elkaar praten.
Generatieve AI heeft processchuld niet gecreëerd. Ze gaf iedereen alleen een veel snellere manier om die schuld te bedienen. Vóór ChatGPT had een medewerker die een gefragmenteerd, traag intern proces tegenkwam twee opties: erdoorheen bijten, of een informele omweg vinden — een persoonlijk spreadsheet, een zij-DM in Slack, een plakbriefje. Nu is er een derde optie die negen seconden duurt en een echt bruikbaar resultaat oplevert: plak de rommel in een chatbot en laat die het afstemmen doen. Het volume van mensen die die derde optie kiezen is een directe, realtime aflezing van hoeveel processchuld je organisatie meedraagt, workflow voor workflow. Een team dat voortdurend in ChatGPT plakt is niet ongedisciplineerd. Het is een team dat rente betaalt op processchuld, snel genoeg dat iedereen het voelt.
Dit is ook waarom het verbieden van de omweg, op zichzelf, zelden werkt. Een geblokkeerde website of een streng beleidsmemo lost de schuld niet af — het haalt alleen de snelste beschikbare manier weg om die te bedienen, waardoor mensen teruggaan naar tragere omwegen of naar een persoonlijke telefoon waar niemand nog kan zien wat ze doen. Als de onderliggende kloof die iemand in de eerste plaats naar ChatGPT stuurde er nog is, heeft het verbod het probleem minder zichtbaar gemaakt, niet kleiner.
Niets hiervan betekent dat het risico denkbeeldig is. Wanneer iemand een klantcontract, een set beoordelingsnotities of de accountgegevens van een klant in een persoonlijk ChatGPT-, Claude- of Gemini-account plakt, verlaat die data de controle van je bedrijf en belandt ze in de infrastructuur van een ander bedrijf, onder de servicevoorwaarden van dat andere bedrijf — vaak de gratisversie, die doorgaans de zwakste garanties voor gegevensverwerking heeft van alle aangeboden plannen. Dat is een echte blootstelling, en die verdient een echte, duidelijk geformuleerde waarschuwing in plaats van een voetnoot. De fout is om dit risico als het hele verhaal voorop te zetten, want angst is een slechte motivator voor gedragsverandering en een nog slechter diagnostisch instrument. Noem het risico één keer, neem het serieus, en ga dan uitzoeken wat het gedrag werkelijk drijft — want dat is het deel dat je kunt repareren.
Lees het als verloopdata, niet als een surveillancelog
De juiste reactie lijkt op hoe een productteam verloop bestudeert, niet op hoe een complianceteam een audit draait. Je hoeft de ChatGPT-geschiedenis van geen enkele medewerker te lezen, en dat moet je ook niet proberen — dat is surveillance, het tast vertrouwen sneller aan dan het inzicht oplevert, en in de meeste rechtsgebieden brengt het een eigen juridische blootstelling mee. Wat je zoekt is het geaggregeerde patroon: welke workflows, rollen en momenten in een proces betrouwbaar een omweg naar een externe AI-tool opleveren. Dat is een vraag die je kunt beantwoorden met een korte, anonieme pulsemeting, een paar openhartige gesprekken met teamleads, of — als je officiële tools überhaupt gebruiksanalyses hebben — door te kijken waar mensen een taak half afmaken en waar supporttickets clusteren rond "dit duurt te lang".
Over de enquêtes heen verklaart een klein aantal workflowcategorieën het meeste verkeer. De data van 1Password maakt dit concreet: 22% van de respondenten zei externe AI-tools te gebruiken om notities van klantgesprekken te transcriberen en samen te vatten, 21% gebruikt ze om klantdata te analyseren, en 16% gebruikt ze zowel voor analyse van bedrijfsdata als voor het opstellen van materiaal rond werving en beoordelingsgesprekken. Geen van die gevallen is exotisch. Het is het gewone bindweefsel van het runnen van een groeiend team of een bureauaccount — het moment net nadat een gesprek eindigt en voordat de notities ergens nuttig terechtkomen, het moment dat een manager een snelle lezing nodig heeft van een spreadsheet waar niemand een rapport voor heeft gebouwd, het moment dat iemand een stapel verspreide feedback tot een samenhangende beoordeling moet maken. In bijna elk geval is het onderliggende werk echt eenvoudig. Wat traag is, is het aantal tools dat iemand moet openen, en het aantal keren dat die de context opnieuw moet uitleggen die ergens in het bedrijf al bestaat, om het via het goedgekeurde pad gedaan te krijgen.
Maak het goedgekeurde pad sneller, niet de omweg moeilijker
Zodra je de twee of drie specifieke workflows kent die het meeste verkeer drijven, is de oplossing bijna nooit een nieuw beleid. Het is het dichten van de echte kloof. Concreet betekent dat voor een groeiend team of een bureaulead drie dingen, ruwweg in deze volgorde.
Ten eerste: benoem de workflows precies, niet generiek. "Mensen gebruiken ChatGPT voor klantendingen" is niet specifiek genoeg om op te handelen. "Accountmanagers vatten gespreksnotities samen in ChatGPT omdat onze taaktool geen snelle vastlegging vanuit een gesprek heeft, dus anders moeten ze drie aparte schermen openen" is specifiek genoeg om te repareren — en meestal zijn het een of twee van dit soort workflows die het meeste volume verklaren, niet een dozijn.
Ten tweede: meet de omweg tegen het goedgekeurde pad in de eenheden die er voor de persoon die het werk doet echt toe doen: aantal klikken, aantal app-wisselingen, en aantal keren dat die iets opnieuw moet typen dat elders al bestaat. Als de externe tool op alle drie met ruime marge wint, is dat je kloof, en die is meestal te dichten — een sneltoets voor snelle vastlegging, een sjabloon, een integratie die de relevante draad automatisch in de tool trekt in plaats van iemand te vragen die te gaan halen.
Ten derde: wanneer AI zelf echt het nuttige deel is — niet alleen snelheid, maar het samenvatten of opstellen zelf — breng een AI-mogelijkheid in het goedgekeurde oppervlak, in plaats van te doen alsof mensen zullen ophouden het te willen. Dit is het eigenlijke argument om AI in te bouwen in de tools waar je team al leeft, in plaats van het te laten stranden in een aparte consumentenapp zonder jouw context en zonder jouw controles.
Het antwoord van FabricLoop op deze kloof is Loop Agent, gebouwd op het Model Context Protocol zodat het kan handelen binnen dezelfde Groups waar je berichten, taken en notities al leven — een draad samenvatten, een taak opstellen vanuit een gesprek, of een notitie oproepen zonder dat iemand de app verlaat of context opnieuw uitlegt die er al is. Het punt is niet om ChatGPT te overtreffen in functies. Het is om het goedgekeurde pad minstens zo snel te maken als de omweg, met een auditspoor intact, zodat het gemak dat werk nu naar een extern account stuurt ergens heen kan binnen je eigen muren.
Hoe dit er volgende maandag echt uitziet
Niets hiervan vraagt om een werkgroep. Het vraagt een uur eerlijk kijken, een kort gesprek met de twee of drie rollen die het meest kopiëren en plakken, en de bereidheid om wat je vindt als nuttige informatie te behandelen in plaats van als een disciplinaire zaak. Vraag mensen rechtstreeks wat ze probeerden af te maken vlak voordat ze ChatGPT openden — de meesten zullen het je gewoon zeggen, omdat ze niets probeerden te verbergen, ze probeerden een taak af te maken. Vergelijk die taak daarna stap voor stap met hoe lang het duurt via je officiële tools. De kloof die je vindt is je echte productroadmap voor het volgende kwartaal, gratis aangereikt door de mensen die je systemen elke dag gebruiken.
De teams die dit verkeerd aanpakken behandelen het kopiëren en plakken als een integriteitskwestie en besteden een kwartaal aan het schrijven van een beleid dat niemand leest. De teams die het goed doen behandelen het als marktonderzoek waar niemand voor hoefde te betalen, en besteden datzelfde kwartaal aan het dichten van de twee of drie kloven die iedereen om de tools heen stuurden die ze al hadden.