De discovery call zijn de 45 minuten met de meeste hefboomwerking in het hele verkoopproces — en ook de slechtst geïnstrumenteerde. Een oprichter of senior consultant leidt het gesprek, maakt handmatig aantekeningen of luistert half terwijl hij typt, en loopt weg met een indruk van wat de klant wil. Drie weken later, bij het scopen van de deal, is de helft van wat er in dat gesprek is gezegd verdwenen — niet door een slecht geheugen, maar omdat het nooit is vastgelegd als iets duurzamers dan een vaag gevoel van "ze noemden iets over een legacysysteem."
Dit is geen notitieprobleem. Het is een inputprobleem, en het staat aan de basis van elke commerciële fout die een dienstverlener maakt: onderprijzing, scope creep, offertes die missen wat de klant eigenlijk vroeg. Los de input op bij de discovery-fase en de rest van de pipeline wordt eenvoudiger. Laat het kapot en geen enkele scoping- of schattingsvaardigheid kan informatie herstellen die nooit is vastgelegd.
Waar discovery calls echt waarde lekken
Het gesprek levert indrukken op, geen eisen
Vraag een consultant wat er gebeurde in een discovery call en je krijgt een verhaal: "Ze zijn gefrustreerd over hun huidige proces, willen iets sneller, budget is krap." Vraag naar de werkelijke eisen — de specifieke deliverables, de randvoorwaarden, de stakeholders, de deadline-drivers — en het antwoord wordt snel vaag. Die kloof tussen verhaal en eis is waar het echte risico van de deal zit, want scoping moet ergens tegen afgezet worden, en als het gesprek alleen een verhaal opleverde, gebeurt scoping tegen een gok.
Senior tijd gaat naar transcriptie, niet naar oordeel
De persoon die het best geplaatst is om een discovery call te leiden — senior genoeg om tussen de regels te lezen, de scherpe vervolgvraag te stellen, het echte probleem achter het genoemde probleem te herkennen — is vaak ook degene die vastzit met realtime notities typen. Elke minuut aan transcriberen is een minuut niet besteed aan luisteren naar wat de klant niet helemaal direct zei. Dit is precies verkeerd om: senior tijd is de schaarste hulpbron van het bureau, en discovery calls verbranden die aan een taak die een machine beter doet.
Vervolgvragen worden laat verstuurd, of helemaal niet
Elke discovery call eindigt met dingen die nog onbekend zijn — een stakeholder die niet in de kamer was, een systeemintegratie die gecheckt moet worden, een budgetrange die werd gesuggereerd maar niet bevestigd. De waarde van een openstaande vraag vervalt snel. Binnen een dag na het gesprek gesteld, komt het grondig over. Drie weken later tijdens scoping gesteld, komt het ongeorganiseerd over — en de klant is dan vaak al overgestapt naar andere aanbieders die het beter voor elkaar leken te hebben. De meeste bureaus hebben geen systematische manier om de lijst met openstaande vragen überhaupt vast te leggen — die leeft in iemands hoofd, en gaat verloren.
Meerdere gesprekken, meerdere notulisten, geen enkele waarheidsbron
Grotere opportunities sluiten zelden na één gesprek. Er is het introgesprek, de technische deep-dive, het gesprek met de tweede stakeholder in een andere tijdzone. Elk heeft zijn eigen notities, in zijn eigen formaat, van wie er ook bij was. Tegen de tijd dat scoping begint, betekent het reconstrueren van "wat hebben we eigenlijk geleerd over alle drie gesprekken" het herlezen van drie verschillende notitiesets met drie verschillende detailniveaus — en de eisen die maar één keer naar voren kwamen, in het gesprek waar de scopende persoon niet bij was, verdwijnen stilletjes.
De AI-workflow: vastleggen → structureren → naar boven halen → overdragen
1. Vastleggen — elk gesprek opnemen en transcriberen
De basisoplossing is onspectaculair: neem het gesprek op (gemeld, zoals de meeste platforms inmiddels standaard doen) en transcribeer het. Dit alleen al wint alles terug wat senior tijd nu aan notities besteedt, en zorgt dat niets wat gezegd is afhankelijk is van het geheugen of typsnelheid van één persoon.
2. Structureren — eisen, randvoorwaarden en stakeholders extraheren
Het transcript alleen is niet het eindresultaat — een tekstmuur van 40 minuten is niet nuttiger dan slechte notities, alleen langer. De structureringsstap zet het ruwe transcript om in precies de vorm die een scoping-fase nodig heeft: wat wordt er gevraagd, welke randvoorwaarden zijn genoemd (budgetsignalen, planning, bestaande systemen, compliance-eisen), wie zijn de stakeholders en wat is voor elk belangrijk. Dit is de stap die "ze noemden iets over een legacysysteem" verandert in een benoemde eis waarmee een scoping-fase iets kan doen.
3. Naar boven halen — automatisch de lijst met openstaande vragen genereren
Naast de eisen produceert diezelfde stap de lijst van wat het gesprek niet heeft opgelost. Dit is de meest waardevolle output van de hele workflow: elke openstaande vraag die hier naar boven komt, is een vraag die je deze week aan de klant stelt — geen wijzigingsverzoek dat drie maanden later gratis wordt opgeslokt tijdens de uitvoering. (We hebben eerder geschreven over hoe [ongestructureerde discovery het eerste pre-sale faalpunt achter scope creep is](/blog/how-to-prevent-scope-creep-before-the-project-starts) — dit lost het bij de bron op.)
4. Overdragen — scoping voeden met gestructureerde input, geen ruwe notities
De output van discovery — eisen, randvoorwaarden, stakeholders, openstaande vragen — wordt de directe input voor de scoping-fase, in plaats van een samenvatting die iemand handmatig moet herlezen en overtypen in een scope-document. Over meerdere gesprekken over dezelfde opportunity smelten de gestructureerde outputs samen tot één doorlopend beeld, zodat niets uit de technische deep-dive verloren gaat alleen omdat de scopende persoon er niet bij was.
Waarom de mens het gesprek toch blijft leiden
Niets hiervan vervangt de persoon die de discovery call leidt. De aarzeling van een klant lezen, beslissen welke vervolgvraag het meest telt, het echte probleem achter het genoemde probleem aanvoelen — dat is oordeel, en precies waar senior tijd aan besteed zou moeten worden. De workflow haalt het typen, het notitie-afstemmen en de vertraagde follow-upmail weg, zodat de persoon in het gesprek volledig aanwezig kan zijn in het gesprek in plaats van half aanwezig en half aan het transcriberen. AI doet het volume — vastleggen, structureren, vragen genereren. Een mens leidt het gesprek, controleert de output en beslist wat teruggaat naar de klant.
Conclusie
Discovery calls zijn de plek waar de werkelijke eisen van een deal ofwel worden vastgelegd, ofwel verloren gaan — een derde optie bestaat niet, want niet-vastgelegde indrukken vervallen binnen dagen. De beste AI-workflow voor discovery calls behandelt het gesprek als de eerste fase van dezelfde pipeline die de scope, de schatting en de offerte oplevert: leg het gesprek vast, structureer het in eisen en openstaande vragen, haal naar boven wat nog onbekend is terwijl het nog goedkoop is om te vragen, en draag gestructureerde input over in plaats van ruwe notities.
Dit is de voorkant van wat [Proposal OS](/proposal-os) draait op elke deal — van discovery tot delivery, met menselijke review op elke stap. Wil je zien wat je laatste discovery call had opgeleverd via deze pipeline, boek dan een gratis discovery call en breng een recente mee.
Wat is de beste AI-workflow voor discovery calls in consulting?+
Neem het gesprek op en transcribeer het, en laat het transcript vervolgens door een structureringsstap lopen die eisen, randvoorwaarden en stakeholders extraheert, en apart elke openstaande vraag oplijst die het gesprek niet beantwoordde. Stuur die gestructureerde output — geen ruwe notities — door naar scoping. De workflow zorgt ervoor dat niets uit het gesprek alleen in het hoofd blijft zitten van wie het snelst kon typen.
Levert het opnemen van klantgesprekken geen juridische of vertrouwensproblemen op?+
Meld het gewoon. De meeste klanten verwachten het inmiddels en veel platforms doen het standaard. Het grotere vertrouwensprobleem is het omgekeerde: een klant herhaalt in maand twee iets dat al in de discovery call is gezegd, en het bureau lijkt niet geluisterd te hebben. Gestructureerde vastlegging voorkomt precies dat.
Wat is het verschil met gewoon een AI-notulist gebruiken?+
Een notulist levert een samenvattende alinea. Dat is niet hetzelfde als gestructureerde eisen plus een expliciete lijst openstaande vragen die rechtstreeks naar een scoping-fase gaat. De meeste notulist-output moet nog steeds handmatig herlezen en overgetypt worden in een scope-document — precies de stap die onder deadlinedruk wordt overgeslagen, en precies de stap die deze workflow automatiseert.
Wie moet de AI-gegenereerde discovery-samenvatting reviewen?+
Wie de deal eigenaar is — de persoon wiens naam uiteindelijk op de offerte komt te staan. De AI doet het volume: transcriberen, extraheren, follow-upvragen opstellen. Een mens controleert wat het model verkeerd las of miste, en beslist welke openstaande vragen dealkritisch zijn voordat ze teruggaan naar de klant. AI doet het volume; de mens het oordeel.
Hoe hangt dit samen met scoping en prijsstelling?+
Rechtstreeks — het is de eerste fase van dezelfde pipeline. Gestructureerde discovery-output voedt scoping (deliverables, grenzen, uitsluitingen, aannames), dat voedt de schatting, die voedt de offerte. Een discovery call die schone gestructureerde input oplevert, maakt elke volgende fase sneller en nauwkeuriger; een die alleen indrukken oplevert, dwingt scoping tot gokken.
Gerelateerde service
Wil je dat we deze workflow voor je implementeren?