Figuur 1 - Data, BI en AI-toepassingen die value streams verbeteren
De klant koopt geen geoptimaliseerde afdelingen
Een value stream omvat alle activiteiten die samen nodig zijn om een betekenisvol resultaat voor een klant te realiseren. Denk aan catering tijdens een vlucht, het bevoorraden van een retailer, het plannen van zorg of het afhandelen van autoschade.
De klant beoordeelt niet iedere afdeling afzonderlijk. Een leverancier kan zijn voorraad uitstekend beheren, terwijl de klant bij de retailer voor een leeg schap staat. Een zorgorganisatie kan de bezetting per afdeling optimaliseren, terwijl patiënten onnodig lang op een behandelplan wachten. Iedere afdeling kan de eigen doelstellingen behalen, terwijl de value stream als geheel ondermaats presteert.
Daarom moet leiderschap verder kijken dan de tijdwinst die AI binnen een functie oplevert. De relevante vraag is of AI de prestaties van de volledige value stream verbetert. Krijgt de klant wat hij nodig heeft, op het juiste moment en met zo min mogelijk onzekerheid? Dat zijn de resultaten waarvoor value streams bestaan.
AI kan een bottleneck verwijderen en tegelijk een nieuwe creëren
AI maakt het mogelijk om afzonderlijke activiteiten sneller uit te voeren. Een agent voorspelt de vraag, controleert dossiers, vat documenten samen, stelt planningen voor en signaleert uitzonderingen. Dat levert indrukwekkende lokale resultaten op. Maar snelheid in één processtap betekent niet automatisch een betere flow.
Stel dat een verzekeraar AI inzet om schadeclaims binnen enkele minuten te classificeren. Dat klinkt als vooruitgang. Maar wanneer complexe dossiers vervolgens langer bij schade-experts blijven liggen, verplaatst de bottleneck zich alleen.
Hetzelfde geldt voor zorgplanning. AI stelt sneller behandelopties voor, maar zonder inzicht in de beschikbaarheid van mensen, apparatuur en locaties ontstaan vooral voorstellen die niet uitvoerbaar zijn. Ook een nauwkeurigere vraagvoorspelling levert weinig op als productie, voorraad, transport en winkelbevoorrading daar niet op aansluiten.
AI verwijdert dus niet vanzelf de beperkingen in een value stream. Zonder integrale regie verplaatst AI bottlenecks soms zelfs sneller. De echte winst ontstaat pas wanneer de hele keten beter samenwerkt én de organisatie financieel beter presteert.
Ketenoptimalisatie is het kantelpunt
Daarom is ketenoptimalisatie in figuur 1 geen tussenstap die organisaties op weg naar AI-automatisering kunnen overslaan. Het is het kantelpunt.
Vóór ketenoptimalisatie verbeteren organisaties vooral afzonderlijke onderdelen. Ze moderniseren systemen, ontsluiten data en maken activiteiten efficiënter. Dat levert waarde op, maar de bestaande structuur van functies, budgetten, applicaties en lokale prestatie-indicatoren blijft intact.
Bij ketenoptimalisatie verandert het uitgangspunt. Niet de afzonderlijke taak, afdeling of applicatie staat centraal, maar de volledige stroom waarin klantwaarde ontstaat.
Dat vraagt om andere vragen:
-
Welk concreet resultaat moet de value stream leveren?
-
Waar ontstaan wachttijden, herstelwerk, overdrachten en uitzonderingen?
-
Welke informatie komt te laat beschikbaar?
-
Waar worden beslissingen zonder voldoende context genomen?
-
Welke lokale doelstellingen verslechteren het resultaat van de totale stroom?
-
Welke combinatie van mensen, data, systemen en AI-agents verbetert de flow
-
Wie is verantwoordelijk voor de transformatie én het resultaat?
Pas wanneer organisaties deze vragen beantwoorden, creëert AI-automatisering structureel waarde. Anders automatiseren ze vooral de bestaande fragmentatie.
Value streams vragen om echt eigenaarschap
De meeste organisaties zijn verticaal georganiseerd. Sales, operations, finance, IT, risk en HR hebben eigen budgetten, systemen, verantwoordelijkheden en managementstructuren. Een value stream loopt vrijwel altijd horizontaal door deze functies heen.
Daar ontstaat een fundamentele spanning. Iedere functie handelt vanuit de eigen verantwoordelijkheid, terwijl de totale stroom onvoldoende presteert.
Bij het bevoorraden van een retailer wil sales voldoende beschikbaarheid, finance een lagere voorraad en logistiek efficiënte ritten. Alle belangen zijn afzonderlijk verdedigbaar. Maar iemand moet bepalen welke afweging het beste resultaat voor de volledige value stream oplevert.
Daarvoor is meer nodig dan een procesmanager die alleen coördineert. De value stream heeft een eigenaar nodig met mandaat over functieoverstijgende prioriteiten, investeringen en verbeteringen. Deze eigenaar is verantwoordelijk voor de integrale prestaties: klantresultaat, kwaliteit, snelheid, kosten, opbrengsten, risico en aanpassingsvermogen.
Zonder dat eigenaarschap blijven AI-initiatieven projecten van afzonderlijke functies. Ze leveren lokaal resultaat op, maar groeien zelden uit tot één schaalbaar operating model.
AI-agents worden deelnemers in de value stream
De komst van AI-agents maakt deze leiderschapsvraag urgenter. Zodra een agent informatie interpreteert, een planning opstelt, een vervolgstap kiest, een systeem aanroept of een handeling uitvoert, neemt die agent deel aan de value stream. De agent is dan niet alleen een technisch hulpmiddel, maar digitale capaciteit met een operationele rol.
Bij de afhandeling van autoschade controleert een agent bijvoorbeeld documenten, classificeert deze schade en stelt een reparatieroute voor. Bij zorgplanning combineert een agent de vraag, urgentie, beschikbaarheid en onderlinge afhankelijkheden.
Voor iedere rol moet duidelijk zijn welke informatie de agent mag gebruiken, welke beslissingen hij voorbereidt en welke handelingen hij zelfstandig uitvoert. Ook moet vaststaan wanneer menselijke beoordeling nodig is en wie verantwoordelijk blijft voor het resultaat.
Dit zijn geen technische details voor een projectteam. Het zijn ontwerpkeuzes voor de value stream en daarmee voor het operating model.
Ook de menselijke bijdrage verandert
Wanneer AI-agents meer herhaalbaar werk uitvoeren, verandert ook de bijdrage van mensen. Medewerkers hoeven niet langer te concurreren met digitale capaciteit op snelheid en volume. Hun waarde verschuift naar het beoordelen van uitzonderingen, het afwegen van belangen, het inschatten van risico's en het verbeteren van de volledige stroom.
De beste medewerker is dan niet noodzakelijk degene die de meeste claims verwerkt of planningen maakt. Het is degene die terugkerende problemen helpt voorkomen, agents betere voorstellen laat doen en de value stream structureel verbetert.
Dat vraagt om andere prestatie-indicatoren en manieren van waarderen en belonen. Wie medewerkers uitsluitend afrekent op aantallen afgehandelde taken, stimuleert lokale productie. Wie beloont voor minder herstelwerk, betere flow en hogere leverbetrouwbaarheid, stimuleert structurele verbetering.
De managementinformatie moet de stroom volgen
Ook managementinformatie moet veranderen. Veel dashboards tonen vooral prestaties per afdeling: kosten, capaciteit, bezetting, output en productiviteit. Een value-streamdashboard laat iets anders zien. Het maakt zichtbaar hoeveel tijd nodig is om het volledige resultaat te leveren, waar werk wacht, hoeveel overdrachten plaatsvinden en hoe vaak herstel nodig is. Ook verbindt het operationele prestaties aan klantwaarde en financiële resultaten.
Bij de afhandeling van autoschade kijk je bijvoorbeeld naar de tijd tot herstel, het percentage dossiers zonder menselijke tussenkomst en de totale kosten per afgeronde claim. Bij retail en zorg liggen de accenten anders. Denk aan beschikbaarheid, leverbetrouwbaarheid, toegangstijd en het gebruik van schaarse capaciteit.
AI helpt deze prestaties te verbeteren. Maar AI bepaalt niet welk resultaat strategisch het belangrijkst is. Ook maakt AI niet zelfstandig de afwegingen die daarvoor nodig zijn. Dat blijft een leiderschapsverantwoordelijkheid.
Innovatie begint bij een andere manier van waarde leveren
Aan het einde van figuur 1 staat innovatie: nieuwe proposities, producten, ecosystemen en bedrijfsmodellen. Die innovatie ontstaat niet doordat organisaties simpelweg meer AI inzetten. Ze ontstaat wanneer organisaties de volledige value stream anders ontwerpen en besturen.
Een verzekeraar kan bijvoorbeeld verschuiven van schade herstellen naar schade voorkomen. Een retailer en leverancier kunnen overstappen van periodieke bestellingen naar continue, vraaggestuurde bevoorrading. Een zorgorganisatie kan complete zorgpaden dynamisch aanpassen aan de situatie van een patiënt.
Dat zijn geen losse AI-use cases. Het zijn nieuwe manieren om waarde te leveren.
De vraag voor leiders
Figuur 1 is daarom geen technologisch groeipad, maar een leiderschapsagenda. De route van systeemoptimalisatie naar innovatie vraagt om betere data en technologie. Maar ook om expliciete keuzes over eigenaarschap, besluitvorming, menselijke rollen, digitale autonomie, governance en prestatiemeting.
Naarmate AI-agents meer verantwoordelijkheid krijgen, wordt het steeds belangrijker om de volledige value stream als één samenhangend systeem te ontwerpen.
De belangrijkste vraag voor leiders is daarom niet:
"Waar kunnen we AI inzetten?"
De betere vraag is:
"Welke value stream moet aantoonbaar beter presteren, waar loopt de flow nu vast en wie krijgt het mandaat om mensen, AI-agents, data en systemen rond het integrale resultaat te organiseren?"
Pas wanneer organisaties die vraag beantwoorden, verandert AI het operating model doelgericht. Tot die tijd maken ze vooral afzonderlijke activiteiten sneller. Ze presenteren lokale productiviteitswinst, vieren succesvolle pilots en verplaatsen bottlenecks naar de volgende processtap.
Maar de value stream levert nog steeds niet wat AI écht mogelijk maakt. Juist daar liggen de grootste kansen.
