AI-gedreven organisaties

AI versnelt het werk, maar organisatiebrede verandering blijft vaak uit 

AI heeft in korte tijd een grotere plek gekregen in het werk van Europese organisaties. Dat levert direct resultaat op: werk gaat sneller, processen worden slimmer en medewerkers krijgen betere ondersteuning. Kijk je verder, dan zie je iets anders. Uit ons onderzoek naar de digitale realiteit van Europese organisaties blijkt dat die ontwikkeling zich nog lang niet altijd vertaalt naar een fundamenteel andere manier van werken.

Volgens Bastiaan Sjardin, AI Officer bij Conclusion Intelligence, ligt de verklaring niet in de technologie alléén, maar vooral in hoe organisaties die inzetten: “AI inzetten op bestaande processen versnelt het werk, maar het laat de manier van werken intact.”

De meeste organisaties zetten AI nu vooral in om bestaande taken te versnellen: facturen verwerken, e-mails samenvatten, informatie uit documenten halen. Dat levert tijdwinst op, maar de manier waarop we werken blijft in de kern onveranderd. En efficiënter doen wat je gisteren al deed, is geen strategie voor morgen. Echte AI-transformatie gaat niet alleen over efficiënter werken, maar ook over het heruitvinden van je kerndiensten. Wie dat durft, blijft onderscheidend in de markt.

De eerste fase van AI-adoptie is duidelijk zichtbaar: organisaties gebruiken AI om sneller en efficiënter te worden. Dat is ook logisch, want het is relatief eenvoudig om AI toe te voegen aan bestaande workflows. De stap daarna is lastiger. Dan gaat het niet meer over tools, maar over keuzes.

"Fundamenteel anders werken vraagt dat je processen herontwerpt, besluitvorming anders organiseert, eigenaarschap duidelijk belegt en scherp bepaalt waar menselijk oordeel cruciaal blijft," zegt Bastiaan. "Dat raakt direct aan hoe je organisatie is ingericht. En dáár ontstaat de frictie."

Denk aan processen waarin AI niet alleen ondersteunt, maar ook meebeslist of werk overneemt zoals het automatisch inlezen en betalen van facturen of het direct goedkeuren van standaard claims. Opeens is de vraag: wie grijpt er in als het misgaat? Dat vraagt om wezenlijk andere processen, verantwoordelijkheden en sturing.

In de meeste organisaties leeft het besef dat AI meer kan zijn dan een efficiëntietool. Maar dat besef leidt nog niet altijd tot scherpe keuzes. De techniek speelt daarin een reële rol: veel organisaties moeten hun cloud- en datafundament nog geschikt maken voor GenAI en agents. En waar de techniek wél kan, volgt vaak een andere drempel: de bereidheid om processen, verantwoordelijkheden en besturing aan te passen.

Bastiaan: “De blokkade is zelden de beschikbaarheid van technologie en kennis op zich. De vraag is of je bereid bent je organisatie erop aan te passen. Dat is mede een bestuurlijke vraag.”

Het is dus geen kwestie van techniek óf organisatie; ze versterken elkaar. Zonder samenhang tussen data, governance, mensen en sturing ontstaat geen structurele impact. Dat zie je terug in de praktijk: veel organisaties rollen een AI-oplossing uit en vinken die af, zonder dat actief wordt gevolgd of de beloofde waarde ook echt in het dagelijks werk wordt gerealiseerd.

Wat structureel wordt onderschat, is wat nodig is om AI écht onderdeel van het werk te maken: architectuur, data, koppelingen met operationele systemen, MCP en agent-to-agent-communicatie, maar ook legal, privacy, security, compliance en menselijk toezicht. AI moet uiteindelijk landen in echte processen, systemen en besluiten. Dáár ontstaat blijvende waarde. Zo'n volwassen AI-lifecycle hoeft niet vanaf dag één volledig te staan; wat telt is een werkbare roadmap en een duidelijk framework om er stap voor stap naartoe te groeien.

Of AI daadwerkelijk leidt tot andere manieren van werken, hangt in hoge mate af van leiderschap, en dan met name van het nemen van richtinggevende keuzes én het beschikbaar stellen van de middelen om die waar te maken.

“Organisaties die verder komen, maken expliciet wat ze met AI willen bereiken én richten daar hun organisatie op in,” zegt Bastiaan. “Het verschil zit in het bewaken van de samenhang tussen technologie, team-inrichting, governance en de businessdomeinen. Waar dat ontbreekt blijft AI een hulpmiddel: het helpt wel, maar verandert niets fundamenteels.”

Daarbij wordt AI-geletterdheid in de boardroom steeds belangrijker. Niet om technologie te beheersen, maar om betere keuzes te maken over richting, risico en afhankelijkheid. Zonder voldoende begrip verschuift het gesprek al snel naar tools of hype, terwijl de echte bestuursvragen gaan over governance, concurrentiekracht en de manier waarop technologie, processen, vaardigheden en besturing op elkaar ingrijpen. Juist daar maakt de board het verschil: AI raakt de hele organisatie en vraagt daarom regie vanuit directie en senior management. Is die regie scherp en wordt ze ondersteund met de juiste middelen, dan groeit AI van experiment naar structureel onderdeel van het werk.

Een veelgemaakte denkfout is dat organisatiebrede adoptie vanzelf ontstaat als je AI breed beschikbaar maakt. Medewerkers sneller laten werken met AI-tools kan snel meetbaar effect hebben, maar je kerndienstverlening verbetert pas echt als ook het fundament op orde is: processen, verantwoordelijkheden en governance. Die twee versterken elkaar: brede inzet van tools levert use cases op die het fundament aanscherpen, en een sterk fundament maakt die tools pas echt waardevol.

Bastiaan: “Adoptie ontstaat niet alleen doordat iedereen een tool kan gebruiken. Het ontstaat doordat je processen, verantwoordelijkheden en afspraken rondom kwaliteit en controle goed inricht.”

Daar hoort ook de buy-or-build-keuze bij. Een standaardtool zoals Copilot breed uitrollen of zelf bouwen op eigen data en processen zijn geen losse beslissingen, maar onderdelen van dezelfde strategie. Standaardtooling ondersteunt het dagelijks werk; eigen ontwikkeling versterkt je onderscheidend vermogen. De meeste waarde ontstaat als beide vanuit één richting, governance en architectuur worden gestuurd.

De echte opbrengst van AI zit niet alleen in de eerste toepassing, maar juist in wat een organisatie daarna kan: sneller nieuwe use cases ontwikkelen, beter samenwerken tussen business en technologie. “De eerste use case levert zichtbare waarde op,” zegt Bastiaan, “maar de echte winst zit in het vermogen dat je daarna opbouwt.”

Begin dus gericht. Laat in een paar bedrijfskritische processen overtuigend zien hoe AI onderdeel wordt van het werk. Denk aan factuurverwerking met menselijke controle op uitzonderingen, of aan AI-assisted programming met duidelijke kwaliteits- en securityrichtlijnen in de deliveryketen. Zo groeit AI van losse pilots naar schaalbare toepassing. Zonder dat vermogen blijft AI versnipperd; met dat vermogen wordt het schaalbaar.

Een aspect dat steeds belangrijker wordt, is controle. Veel AI-toepassingen bouwen op LLM's van grote vendors. Dat biedt snelheid en schaal, maar introduceert in kernprocessen ook risico's: rate limits, prijswijzigingen, latency, performanceverschillen tussen modelversies, veranderende licentievoorwaarden en het uitfaseren van API's.

Volgens Bastiaan gaat het niet om het vermijden van afhankelijkheid, maar om het bewust maken van keuzes: “Je bent altijd ergens afhankelijk. De bestuurlijke keuze is waar je dat accepteert, en waar je meer grip wilt houden.”

Voor veel organisaties zijn de krachtigste foundation models vandaag nog te groot of te kostbaar om zelf te hosten. Externe LLM-infrastructuur bij Amerikaanse partijen is daarom vaak een logische keuze, maar niet vrijblijvend. Zeker in processen die je dienstverlening dragen, moet je expliciet afwegen waar snelheid en schaal leidend zijn, en waar controle over modellen, data, architectuur en fallback-opties zwaarder weegt. Wie een kernproces op één externe model-API bouwt, legt een deel van de spelregels buiten de eigen organisatie. Dat is werkbaar, zolang die keuze bewust is, alternatieven beschikbaar zijn en de architectuur wendbaar genoeg blijft om later te wisselen.

Hoe reëel dat risico is, werd onlangs zichtbaar toen een Amerikaanse exportmaatregel de toegang tot Claude Fable, het topmodel van Anthropic, in één klap afsloot. De les: maak je oplossing modelagnostisch, zodat je snel kunt wisselen wanneer een API wegvalt, en bouw de capabilities in huis op om open-source LLM's productieklaar te houden als serieus alternatief. Zelf modellen draaien vraagt namelijk om eigen kennis van ML-engineering en MLOps. Wat vandaag het makkelijkst is, maakt je morgen het kwetsbaarst.

Die strategische keuzes spelen op meer dan één niveau. Bestuurders bepalen eerst waar AI waarde moet toevoegen: in productiviteit, besluitvorming, dienstverlening of nieuwe proposities. Daarna volgt de vraag welke AI-capabilities je inkoopt voor snelheid en schaal, en welke je zelf ontwikkelt omdat ze raken aan je onderscheidend vermogen, data of regie. Wie die keuzes niet expliciet maakt, maakt ze impliciet, met alle risico's van lock-in of verlies van strategisch eigenaarschap van dien.

Een realistische eerste stap is meestal niet een breed AI-programma, maar het kiezen van één of twee bedrijfskritische domeinen waarin snelheid, kwaliteit en besluitvorming samenkomen. Juist daar kun je AI gericht inzetten, mits je tegelijk de business case, architectuurrichtlijnen, menselijke controle en procesinrichting expliciet maakt.

Het helpt om vroeg onderscheid te maken tussen laag-risico toepassingen en kritische toepassingen met zwaardere eisen rond data, context en compliance. Daarmee voorkom je dat veelbelovende initiatieven later alsnog vastlopen op governance- of architectuurvragen.

De technologie is er en de eerste resultaten zijn zichtbaar. De moeilijkere vraag ligt daaronder: wat betekent AI straks voor je core dienstverlening? Wat gaat je klant verwachten, en hoe verandert het concurrentielandschap? In steeds meer sectoren verschuift waar klantwaarde ontstaat en waarin organisaties zich onderscheiden. Wie AI alleen inzet om bestaande processen te versnellen, optimaliseert het heden terwijl de markt verder beweegt.

Er zijn volgens Bastiaan twee sporen: je huidige werk efficiënter maken, én je dienstverlening opnieuw ontwerpen voordat de markt dat voor je doet. “De tools zijn er,” vat hij samen, “wat ontbreekt is de bereidheid om processen, besluitvorming en verantwoordelijkheden er echt op aan te passen.”

Daarmee is AI niet alleen een technologievraag, maar ook een strategische keuze over je positie in de markt. Organisaties die de stap wél zetten, onderscheiden zich niet door betere tools, maar doordat ze het onderliggende werkproces durven herinrichten, en doordat ze AI niet als losse toepassing behandelen maar als onderdeel van hun architectuur, governance en manier van sturen. De vraag voor bestuurders is dan ook niet langer wat AI voor ze kan doen, maar wat ze bereid zijn te veranderen om die waarde te realiseren. Hoe ziet je kernaanbod eruit als AI de norm wordt? Welke rol wil je voor je klant spelen? En bouw je daar nu al gericht naartoe?