AI verandert meer dan technologie: waarom leiderschap, data en verdienmodellen mee moeten bewegen

Wat verkoop je als je met AI dezelfde opdracht in veel minder tijd kan uitvoeren? Die vraag raakt iedere dienstverlener die zijn omzet verdient met gewerkte uren. Klanten verwachten voordeel van de versnelling, terwijl leveranciers fors moeten investeren in technologie, opleiding en nieuwe rollen en processen. Bij Conclusion staat dit vraagstuk centraal in een breed AI-programma.

Mons ziet enorme kansen, maar ook een bedreiging voor bedrijven die te langzaam veranderen. „We willen in ieder geval sneller bewegen, leren en aanpassen dan dat de markt om ons heen verandert. Want alles wat je nu bedenkt kan over een half jaar weer achterhaald zijn.”

Van uren verkopen naar waarde leveren

AI maakt het moeilijker om omzetgroei uitsluitend te koppelen aan het aantal medewerkers en hun declarabele uren, zo legt Mons uit. Dat raakt volgens hem zakelijke dienstverleners in uiteenlopende sectoren, van IT tot advocatuur.

Conclusion werkt daarom steeds meer met andere modellen, zoals vaste prijzen. Door opdrachten vooraf goed te analyseren en AI slim toe te passen, kan het bedrijf beter inschatten wat de uitvoering kost. De uitdaging: een aantrekkelijk aanbod voor de klant combineren met voldoende marge.

Daarnaast onderzoekt Conclusion afspraken waarbij de vergoeding samenhangt met de waarde die een opdracht oplevert. Welke opbrengst realiseert de klant, en kan de dienstverlener daarin meedelen? Interessant, vindt Mons, al staan klanten daar nog niet altijd voor open. Ook wordt er steeds meer gewerkt met abonnementen en diensten met terugkerende inkomsten. Mons: „We gaan fte-groei en omzetgroei steeds meer loskoppelen van elkaar.”

Een geslaagde demo is nog geen beter bedrijfsproces

Bij klanten ziet Mons zowel AI-koplopers als organisaties die nog afwachten. Enthousiasme is er volop: medewerkers bouwen oplossingen en teams experimenteren. Maar een toepassing structureel inzetten is een volgende stap. Hij legt uit: „Want iets in productie brengen en daadwerkelijk verbetering daarmee realiseren, dat is nog andere koek.”

Dan moeten kernprocessen worden aangepast, systemen gekoppeld en medewerkers opgeleid. Ook de data en verantwoordelijkheden moeten kloppen. „Dus de belofte van AI is heel groot, maar er zijn echt nog niet zo heel veel partijen die op schaal waarde weten te genereren.”

Die waarde gaat verder dan kostenbesparing. Denk aan klanten sneller en beter helpen. Mons adviseert daarom ook kritisch te kijken naar bestaande dienstverlening: hoe gemakkelijk krijgt een klant iemand te spreken en hoe bruikbaar is het antwoord? Hoe kan je daar met slimme inzet van AI verbetering realiseren?

Prioriteer vervolgens gericht welke processen je vernieuwt. Conclusion werkt vaak met business cases per proces: hoe haalbaar is de verandering en wat kost deze, wat levert die naar verwachting op en welke uitvoering is daarvoor nodig?

Stuur op kosten én opbrengsten

Een medewerker die veel waarde genereert met AI, mag volgens Mons best enkele honderden euro’s per maand extra kosten. Het probleem ontstaat wanneer veel gebruik weinig oplevert. „Het ergste is eigenlijk als mensen veel AI gebruiken, maar niet precies goed weten hoe ze dat moeten doen.”

Steeds opnieuw dezelfde opdracht uitvoeren met aangepaste instructies kost geld. Opleiding en bewustzijn zijn daarom net zo belangrijk als technische limieten.Ook de modelkeuze telt. Conclusion werkt aan zelf gehoste open source modellen naast geavanceerde modellen van externe aanbieders. Voor een eenvoudige taak is niet altijd het zwaarste model nodig. „Een loodgieter hoeft ook geen Latijn te kennen.”

Evenmin vraagt ieder proces om een agent. Voor vaste, herhaalbare stappen kan gewone software efficiënter zijn. „Dus soms moet je gewoon software bouwen. Die kan je overigens ook weer geheel of gedeeltelijk met AI bouwen.”

Organisaties moeten bovendien wel rekening houden met groeiend gebruik. „Dan kunnen de kosten per token wel dalen, maar de totale kosten niet.”

Wacht niet op een perfecte datahuishouding

AI maakt bestaande dataproblemen zichtbaar: verouderde informatie, ontoegankelijke systemen en onduidelijk eigenaarschap. „Je wil keihard vooruit met AI. Maar AI is doorgaans niet de beperking, maar je data wel.”

Toch hoeft een organisatie niet eerst alle data op orde te brengen. Kies een afgebakend proces en bepaal welke gegevens daarvoor nodig zijn. Conclusion noemt die gegevensvoorziening een dataproduct, zo legt Mons uit. „Je hoeft niet voor elke agent alle data in de organisatie te ontsluiten. En je kan ook niet alle agents tegelijkertijd bouwen. Ontwikkel de toepassing en het dataproduct parallel, met duidelijke afspraken over kwaliteit, toegang en eigenaarschap. Soms is een goed dashboard daarbij al een waardevolle eerste stap.”

Deel kennis en blijf toezicht houden

Conclusion ontwikkelde een eigen AI-platform om kennis, toepassingen en bouwstenen tussen zijn bedrijven te delen. Dat moet dubbel werk beperken, kosten inzichtelijk maken en veilig gebruik ondersteunen. „Het heeft geen zin om vierhonderd keer het wiel uit te vinden.”

Het platform moet ook flexibiliteit bieden om van model of leverancier te wisselen. Een aanbieder die vandaag voorop loopt, kan later worden ingehaald. Bij agents blijft toezicht noodzakelijk. Vooraf testen en grenzen stellen alleen is onvoldoende als niemand vervolgens controleert wat er gebeurt. „Je moet wel blijven meekijken wat er gebeurt en bijsturen als het fout gaat.”

Leid medewerkers op voor veranderend werk

Conclusion gebruikt vier medewerkersprofielen en drie vaardigheidsniveaus: beginner, gevorderde en expert. Een scan helpt om een passend opleidingstraject te bepalen. Naast zelfstudie begeleiden AI-coaches medewerkers in projecten. „Je leert natuurlijk het meeste door gewoon je werk te doen en je werk te veranderen.”

AI zet vooral gestandaardiseerd werk onder druk, benadrukt Mons. Dat is geen simpel onderscheid tussen jong en oud. Jonge mensen blijven nodig, maar hun ontwikkeling roept nieuwe vragen op. „Dus hoe gaan de juniors van nu de seniors van de toekomst dan worden? Dat is nog wel een uitdaging.”

Mons verwacht dat de traditionele organisatiepiramide verandert in „een diamant op een platform van agents”, met een andere verdeling van menselijke taken en verantwoordelijkheden. „We willen graag zoveel mogelijk van onze mensen doorontwikkelen en behouden”, zegt hij. „Ik denk dat heel veel van onze mensen ook helemaal niet bang hoeven te zijn voor hun baan. Als ze maar wel zichzelf ontwikkelen.”

Vijf AI-tips voor directeuren

1. 1.

   Gebruik AI zelf. Pas de technologie toe op je eigen werk. „Want wij geloven dat je alleen leiding kan geven aan een AI transformatie als je zelf, laten we zeggen, zeker voor 40 procent expert bent op dat gebied.”

2. 2.

   Zoek begeleiding. Maak tijd voor praktische opleidingen en zoek coaching van een expert binnen je organisatie.

3. 3.

   Maak concrete keuzes. Veranker AI heel concreet in de strategie en bepaal welke processen voorrang krijgen.

4. 4.

   Toets je aanbod. Onderzoek welke producten en diensten over één of twee jaar nog relevant zijn en definieer waar portfolio vernieuwing noodzakelijk is.

5. 5.

   Verbind medewerkers en directie. Koppel initiatief vanuit teams aan een gezamenlijke koers, met tijd, ondersteuning en middelen voor de uitvoering.

Ontvang elke week het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in: