De AI-productiviteitsmythe

Dit heeft waarschijnlijk te maken met de AI-productiviteitsmythe: organisaties geloven dat de implementatie van AI op zichzelf direct waarde creëert. Maar bedrijven moeten verder kijken dan snelheid alleen en beginnen bij de vraag: bouwen we met AI een nieuwe, betere organisatie? Of gewoon een snellere versie van de oude?

Fundament op orde

Organisaties die de meeste waarde halen uit AI, zijn de organisaties die zich richten op de manier waarop werk rondom AI wordt georganiseerd. Uit de AI Maturity Index blijkt dat AI slechts zo krachtig is als het fundament waarop het is gebouwd. Toch blijven veel organisaties geavanceerde AI bouwen op niet-verbonden werkprocessen en verouderde operationele modellen. Daardoor stuiten ze op dezelfde organisatorische problemen waarvan ze hoopten dat AI ze zou oplossen.

'Pas als oude systemen zijn afgebouwd, ontstaat een basis waarop automatisering kan opschalen'

Bedrijven moeten opnieuw nadenken over hoe ze werken en hoe ze beslissingen nemen. Het simpelweg toevoegen van AI aan bestaande structuren maakt de huidige inefficiënties alleen maar groter. Pas als verouderde systemen zijn afgebouwd en er gemeenschappelijke werkprocessen zijn, ontstaat een basis waarop automatisering in de hele organisatie kan opschalen.

Infrastructuur is verouderd

Veel Nederlandse organisaties hebben dit stadium nog niet bereikt: slechts 13% heeft hun gefragmenteerde, verouderde systemen grotendeels vervangen. Dat betekent dat verouderde infrastructuur de meeste AI-initiatieven in de weg staat. Werknemers in heel Europa erkennen deze uitdaging: 39% noemt datasilo's als een van de grootste fouten die hun organisatie maakt bij de implementatie van AI.

Als de benodigde gegevens verspreid zijn over afzonderlijke systemen, versnelt AI maar een deel van het proces en moeten werknemers de gaten dichten. Daardoor levert AI geen waarde op voor de héle organisatie.

Misvattingen ontkrachten

Databeheer wordt vaak gezien als iets dat de adoptie van AI vertraagt: het beperkt experimenten, creëert meer werk en vereist meer toezicht. Succes zou echter afgemeten moeten worden aan de vraag of AI op een verantwoorde, consistente en schaalbare manier kan worden ingezet – en niet alleen aan de snelheid waarmee het wordt geïmplementeerd.

Governance biedt kaders en stelt organisaties in staat om AI verder te schalen dan afzonderlijke pilots. Het legt vast wie verantwoordelijk is voor AI-gestuurde beslissingen en biedt de normen en het toezicht om AI verantwoord te beheren. In plaats van innovatie af te remmen, geeft governance organisaties het vertrouwen om AI zonder risico’s in kritieke processen in te zetten.

Ondanks groeiende investeringen heeft slechts 19% van de organisaties volwaardige AI-governance ingericht. Bij de rest ontbreekt de basis nog.

Nieuw leiderschap

Succesvolle AI is niet langer de verantwoordelijkheid van één afdeling. Er is cross-functioneel leiderschap nodig om adoptie en schaalvergroting te stimuleren. Dat betekent dat verantwoordelijkheden opnieuw bepaald moeten worden. Zo hoort het ontwikkelen van AI-skills niet meer alleen bij HR, en governance niet alleen bij de juridische afdeling of compliance.

Niet de technologie, maar leiderschap en organisatiekracht zijn de grootste obstakels voor AI-adoptie geworden. In de volgende fase van AI-transformatie hangt succes minder af van geavanceerdere technologie en meer van leiders die hun organisatie kunnen hervormen.