Waarom je planner faalt (en wat AI wél overneemt)

ADHD & AI, artikel 1 van 5

1. Het kerkhof van goede bedoelingen

Herken je dit?

Je zoekt de perfecte productiviteitstool. Je vindt er een, installeert hem, richt hem in. De eerste dagen voelt het goed: eindelijk overzicht, eindelijk structuur. Een week later open je de app niet meer. Twee weken later staat hij naast de andere vier op je startscherm, in een mapje met de titel "productiviteit" dat je eigenlijk niet meer opent.

Het ligt niet aan jou. Het ligt aan hoe die tools zijn ontworpen.

De meeste productiviteitstools zijn gebouwd voor een neurotypisch brein. Ze gaan ervan uit dat je kunt plannen, tijd redelijk inschat en een systeem kunt onderhouden zonder dat het energie kost. Als je die dingen niet vanzelf doet, krijg je van de tool geen hulp maar huiswerk.

Ik heb ADHD. Ik heb dat kerkhof aangelegd. En ik heb ontdekt waarom die tools falen — en, net zo belangrijk, waar AI het probleem niet oplost.

2. Waarom traditionele tools falen: de EF-belasting

In je hersenen zit een interne manager: de prefrontale cortex. Die regelt plannen, prioriteren, initiëren, onthouden en schakelen. Bij ADHD werkt die manager anders — vooral bij het starten van de motor en het vasthouden van informatie onder afleiding.

Daar botst het met traditionele tools.

Elke handeling die een tool van je vraagt — een app openen, een categorie kiezen, een deadline invoeren, een taak verslepen — kost mentale energie. Dat heet de executieve functie-belasting, of kortweg de EF-tax. Hoe meer een tool van je vraagt, hoe meer belasting hij toevoegt.

Een typische to-do-app doet precies dat:

• je moet onthouden dat de app bestaat
• je moet hem openen
• je moet bedenken wat de prioriteit is
• je moet handmatig bijwerken wat je hebt gedaan
• je moet de lijst opschonen als hij te lang wordt

Vijf beslismomenten voordat je ook maar één taak hebt uitgevoerd.

Hier zit de kern, en het is een pijnlijk simpele zin: een planner vraagt als input precies wat hij zou moeten leveren. Hij wil dat je plant, tijd inschat en een systeem onderhoudt — en dat zijn nu net de dingen waarvoor je hem opende. Daarom faalt hij het hardst op de dagen waarvoor hij bedoeld was.

3. Het verschil in één tabel

De crux: een effectieve ADHD-tool is niet de tool met de meeste functies. Het is de tool die de meeste EF-belasting wegneemt.

4. Waar AI het overneemt — en waar niet

Voordat de tools komen, eerst de eerlijke grens. Want de belofte "AI neemt je executieve functies over" is te breed.

Als je de ADHD-taken op een rij zet, blijkt AI vooral de voorkant van de keten te dekken: vastleggen, opdelen, prioriteren, plannen, formuleren, samenvatten. Dat zijn allemaal taken waarbij iets buiten je hoofd geordend moet worden — en daar is een taalmodel goed in.

De achterkant is een ander verhaal: daadwerkelijk beginnen, volhouden als het saai wordt, doorgaan als de nieuwigheid eraf is. Geen enkele tool drukt op jouw startknop. Een AI die een perfecte planning maakt, heeft nog steeds niemand die om negen uur gaat zitten.

⚠️ Eén open vraag, en ik zet hem hier expres neer. In mijn eigen ervaring doet AI wél iets aan het afmaken — ik lever hoofdlijnen aan en krijg een afgerond product terug, en dáárdoor lever ik op in plaats van dat het blijft liggen in de fase 'bijna af'. Dat lijkt in tegenspraak met wat hierboven staat. Waarschijnlijk gebruiken we "afmaken" voor twee verschillende dingen: volhouden (dat blijft van mij) en uitwerken van hoofdlijn naar afgerond product (dat kan AI wel). Ik weet het niet zeker. Ik schrijf het op omdat het beter is dan doen alsof.

5. Suggesties per pijnpunt

Hieronder per gebied wat je zoekt in een tool, en welke namen je tegenkomt. Zie het als een landkaart, niet als een boodschappenlijst — je hoeft er hooguit één van te proberen.

Twee dingen vooraf. Ten eerste: voor veel hiervan heb je geen aparte tool nodig. De ChatGPT of Claude die je al hebt, dekt een verrassend groot deel. Ten tweede: de meeste tooloverzichten over ADHD zijn geschreven door partijen die zelf een tool verkopen, en ze eindigen opvallend vaak bij hun eigen product. De categorieën kloppen; het advies is gekleurd.

Chaos in je hoofd → dicteren

Wat je zoekt: iets waar je ongestructureerd tegen kunt praten en dat er ordening van maakt.

Dit is voor mij de belangrijkste toepassing die er is, en je hebt er niets speciaals voor nodig: ik open gewoon ChatGPT of Claude, praat alles eruit zonder volgorde, en vraag "maak hier een gestructureerd verhaal van." Geen mappen, geen tags, geen tussenstappen. Als je vandaag één ding probeert, is dit het — de drempel is nul.

Wie er een vaste plek voor wil, komt Saner.AI tegen, dat zich specifiek op ADHD richt en brain dumps omzet in een dagindeling. ⚠️ Het overzicht waarin die tool het prominentst staat, is een blog van Saner.AI zelf.

Taakverlamming → een taak laten opbreken

Wat je zoekt: iets dat een muur van een taak omzet in een eerste stap die geen weerstand oproept.

Goblin.tools is hier de bekendste, en gratis. De Magic ToDo-functie knipt een taak op in stappen, en je kunt de "spiciness" instellen: hoe fijner je hem zet, hoe kleiner de stapjes. Ook hier geldt: een LLM vragen om "breek dit op in stappen van vijf minuten" doet grotendeels hetzelfde.

Tijdblindheid en planning → tijd zichtbaar maken

Wat je zoekt: iets dat plant zónder dat jij elke dag opnieuw beslist, of dat tijd tastbaar maakt in plaats van abstract.

• Motion plant je taken automatisch in je agenda op basis van prioriteit en beschikbare tijd, en herschikt alles als een meeting uitloopt.
• Tiimo doet het omgekeerde: geen automatische planning maar een visuele tijdlijn met kleurblokken, expliciet neurodivergent-first ontworpen.
• Sunsama zit ertussenin, met een dagelijkse plansessie als vaste routine.

Welke werkt, hangt af van waar je vastloopt: bij beslissen wat wanneer moet (Motion) of bij voelen hoe lang iets duurt (Tiimo).

Meetings → laat het registreren aan iets anders over

Wat je zoekt: aanwezig kunnen zijn zonder te schrijven. Luisteren én notuleren is verdeelde aandacht, en verdeelde aandacht is precies wat niet lukt.

Dit is het gebied met de meeste keuze, en inmiddels ook het volwassenst:

• Fathom — wat ik zelf gebruik. Gratis tier, werkt met Zoom, Google Meet en Teams, en doet precies één ding goed.
• Fireflies.ai — uitgebreider, met meer integraties richting je andere systemen.
• Otter — een van de oudste, sterk op transcriptie.
• Notion AI Meeting Notes — sinds kort ingebouwd in Notion. Als je daar toch al werkt, scheelt dat een tool: de notulen komen direct naast je projecten te staan.
• Teams Intelligent Recap — zit in je bestaande M365-licentie. Geen extra abonnement, geen extra app.

Die laatste twee zijn het overwegen waard om een reden die niets met functies te maken heeft: ze leven op een plek waar je al bent. Zie regel 2 hieronder.

⚠️ En hier hoort een waarschuwing bij die ik in mijn trainingen ook geef. Een notetaker verwerkt gegevens van de ándere deelnemers, niet alleen van jou. Grondslag en informatieplicht regel je vóórdat je hem aanzet, niet erna. Dit is de meest gestelde AVG-vraag die ik tegenkom, en het antwoord is zelden "dat mag gewoon".

Mail en formuleren → hoofdlijnen erin, tekst eruit

Wat je zoekt: de startenergie voor een formele mail omlaag brengen.

Ook hier: geen aparte tool nodig. Ik typ steekwoorden in de volgorde die in mijn hoofd zit — bijna nooit lineair — en laat er een complete mail van maken. Controleren, versturen. Werk je in Outlook, dan doet Copilot hetzelfde zonder dat je hoeft te wisselen.

Het effect is trouwens niet tijdwinst. Het is dat de mail überhaupt verstuurd wordt in plaats van dat hij blijft liggen tot hij urgent wordt.

Projecten → beschrijven in plaats van uitdenken

Wat je zoekt: iets dat een project van jou overneemt op het moment dat de nieuwigheid eraf is.

Ik beschrijf een project in een paar zinnen en laat de stappen genereren — meestal completer dan ik ze zelf zou bedenken. Notion, Asana en Todoist hebben dit inmiddels ingebouwd. De winst zit niet in het genereren maar in het bijhouden: als je kunt dicteren in plaats van typen, is de drempel laag genoeg om het ook echt te doen.

Bijwerken en administratie → laat AI in de tool zelf werken

Wat je zoekt: niet iets dat je helpt nadenken, maar iets dat de handeling voor je uitvoert in het systeem waar het werk staat.

Dit is de categorie die het snelst aan het veranderen is, en hij verdient apart aandacht — want hier zit voor mij de grootste winst.

Genereren is één ding; het probleem bij ADHD is meestal het bijwerken. Je project staat in Asana, je administratie in Moneybird of Exact, en de handeling zelf is klein: een taak afvinken, een status wijzigen, een betaling koppelen. Klein, saai, en precies daarom blijft het liggen tot het een berg is.

Wat er nu gebeurt, is dat die systemen koppelingen krijgen — via MCP, het protocol dat een AI toegang geeft tot een externe applicatie, of via de connectors die kant-en-klaar in ChatGPT en Claude zitten. Het effect: je hoeft de tool niet meer open te doen. Je vraagt in je chatvenster "welke klanten hebben een betalingsachterstand?" of "wat waren de jaaromzetten?", en je krijgt antwoord uit je eigen administratie.

Dit gaat op dit moment hard. Asana heeft een kant-en-klare connector: aanzetten en gebruiken, je hoeft niet te weten wat MCP is. Exact en Moneybird hebben inmiddels een eigen AI-koppeling. Bij Moneybird kies je bij het instellen zelfs expliciet tussen een read-only en een read-write variant, en verwijderen kan sowieso niet.

Dat laatste is het opmerken waard: de leverancier bouwt de belangrijkste veiligheidsregel gewoon in. Waar je een jaar geleden nog zelf moest bedenken hoe ver je een AI in je boekhouding liet, is het nu een keuzeknop.

Bouw je zelf iets, dan is er nog de route via de CLI of de API rechtstreeks. Moneybirds eigen argument daarvoor vind ik interessant: dan komt alleen de informatie die je nodig hebt in het model terecht — dat scheelt tokens en het is beter voor de privacy.

Onthoud vooral de scheidslijn eronder: lezen is bijna gratis, schrijven is een andere klasse.

Dat is een fundamenteel ander soort hulp dan de rest van dit artikel. Overal hierboven helpt AI je denken. Hier neemt het de handeling over — het deel waar de EF-belasting het hoogst is en de beloning het laagst.

En het draait regel 2 hieronder om. Je hoeft niet langer te kiezen voor tools die leven waar jij al bent; de tool komt naar jou toe.

Voor het zwaarste stuk — een bankafschrift uploaden en daarmee betalingen en achterstanden laten verwerken — heb ik zelf een skill gebouwd: de werkwijze zit in de skill, de koppeling doet het werk, en ik lever alleen het afschrift aan. Dat is de kern van hoe dit voor niet-programmeurs werkbaar wordt: de koppeling levert de toegang, de skill levert de werkwijze. Zonder de een is de ander waardeloos.

En toen liet ik mijn klanten twee keer betalen

Want hier hoort een verhaal bij dat ik liever niet zou vertellen.

Mijn eerste opzet was zo geprogrammeerd dat hij bestaande betalingen opnieuw toevoegde. Resultaat: dubbele betalingen in mijn administratie.

Er zat geen fout in de koppeling en geen fout in het model. De handeling deed exact wat ik had opgeschreven. Wat ontbrak, was het besef dat diezelfde handeling al een keer was uitgevoerd. Een AI die een bankafschrift leest, ziet een betaling — hij ziet niet dat hij die vorige week ook al gezien heeft.

Dat is het wezenlijke verschil tussen lezen en schrijven, en het is de moeite waard om het één keer goed te laten bezinken: een vraag twee keer stellen is gratis. Een handeling twee keer uitvoeren is dat niet.

De oplossing is geen betere prompt maar een guardrail:

1. Houd een log bij van wat er verwerkt is. Laat je AI vastleggen welke handelingen zijn uitgevoerd, zodat de volgende ronde weet wat er al gedaan is. Zonder geheugen tussen twee runs is elke run de eerste.
2. Dedupliceer op de juiste sleutel. Een klant kán echt twee keer betalen — maar vrijwel nooit op dezelfde dag. Dus: zelfde bedrag, zelfde klant, zelfde datum = duplicaat. Zelfde bedrag, zelfde klant, andere datum = waarschijnlijk een echte tweede betaling, en die moet je niet weggooien.

Die tweede regel is het soort detail dat in geen enkele handleiding staat. Dedupliceer je te grof, dan gooi je legitieme betalingen weg. Dedupliceer je niet, dan boek je dubbel. De datum is wat het onderscheid maakt.

Drie dingen om te regelen voordat je dit aanzet

1. Begin read-only. Laat de koppeling eerst alleen lézen — overzicht opvragen, achterstanden samenvatten. Dat levert al veel op en kan niets kapotmaken. Pas als je vertrouwt wat je ziet, geef je schrijfrechten. Bij Moneybird is dit letterlijk een keuze bij het instellen; maak hem bewust.
2. Laat de goedkeuring per handeling aan staan. Een goede host vraagt om akkoord vóór elke actie, met de gegevens erbij. Er zit vrijwel altijd een "altijd goedkeuren"-knop bij. Gebruik hem niet — zeker niet bij geld. Als ik die aan had gehad, was mijn dubbele-betalingenverhaal een stuk langer geweest.
3. Kijk wat er in het systeem staat. Projecttools bevatten klantnamen en opdrachtinhoud; je boekhouding bevat financiële gegevens en gegevens van derden die daar zelf nooit toestemming voor hebben gegeven. Een koppeling betekent dat een AI-leverancier daarbij kan. Dat is een AVG-afweging, geen instelling.

Ik gebruik dit zelf en ik ben er enthousiast over. Ik ben er ook voorzichtiger mee dan met alles hierboven, en dat is niet tegenstrijdig — het is wat er gebeurt als je één keer je eigen boekhouding hebt moeten terugdraaien.

6. Drie regels die voorkomen dat dit artikel zelf op het kerkhof belandt

Dit zijn vuistregels uit de praktijk en uit het bronmateriaal — geen gemeten normen. Ze zijn nuttig omdat ze de goede vraag stellen, niet omdat er onderzoek onder ligt.

Regel 1 — maximaal drie tools. Eén voor capture (opvangen), één voor executie (uitvoeren), één voor geheugen (terugvinden). Alles daarboven is ruis.

Regel 2 — de "waar ben ik al?"-check. Kies tools die leven op plekken waar je al bent: je inbox, je agenda, je chat. Elk nieuw dashboard voegt een geheugenstap toe, en geheugen is het eerste dat verdwijnt onder druk. (Koppelingen zoals hierboven zijn de uitzondering die de regel bevestigt: daar komt de tool naar jou.)

Regel 3 — de setup-test. Een tool mag wat setup kosten, mits hij daarna nul dagelijks onderhoud vraagt. Alles wat dagelijkse handmatige input eist, is geen tool maar een extra taak.

En de belangrijkste valkuil: de Notion-val. Uren besteden aan het perfecte dashboard, de ideale workflow, de net iets betere automatisering — dat is geen productiviteit, dat is uitstelgedrag in een designerjasje. Het venijnige is dat het voelt als werk, omdat het systeemdenken zelf beloning oplevert.

De AI-versie daarvan bestaat inmiddels ook: eerst nog even de perfecte prompt schrijven. Daar gaat artikel 4 over.

7. Conclusie: stop met managen, begin met uitbesteden

De effectiviteit van een ADHD-tool wordt niet gemeten aan het aantal functies, maar aan hoeveel executieve functie hij kan overnemen.

AI werkt niet omdat het slimmer is dan jij. Het werkt omdat het niet moe wordt, niet afgeleid raakt en nooit vergeet — precies de drie dingen waar een ADHD-brein dagelijks tegenaan loopt.

Maar het lost het beginnen niet op. Dat blijft van jou.

Wat kun je morgen doen? Kies één pijnpunt. Niet drie, niet een heel systeem. Eén.

Mijn advies: begin met dicteren. Open je favoriete LLM, vertel wat er door je hoofd gaat, en vraag om structuur. Dat is de laagste drempel die ik ken, hij kost je niets, en je hebt binnen vijf minuten door of het voor jou werkt.

Dit is artikel 1 van 5 in de serie ADHD & AI. Volgende keer: AI is mijn externe brein — een persoonlijk verhaal over hoe AI mijn manier van werken veranderde.