Na vier jaar begint het me steeds meer tegen te staan hoe weinig er echt in organisaties is veranderd. Herken je dat? Iedereen roept wat er allemaal kan en hoe je het dan moet implementeren, maar hoe zit dat in de praktijk?
Goed om te weten: ik schrijf nu in Frankrijk aan mijn tweede boek, dus misschien heb ik te veel tijd om na te denken en ben ik daarom wat sceptisch. Maar als ik je vraag: wat doe jij, je team of zelfs je organisatie nu echt anders dan een jaar geleden? Wees eens eerlijk…
We hebben geen tekort aan AI-experimenten, maar aan besluiten
We zijn heel goed in AI-activiteiten: inspireren, trainen, experimenteren, het testen van nog meer toepassingen en het starten van nieuwe werkgroepen. En vooral: een nieuwe pilot starten. Ik vraag me steeds vaker af of we onze manier van werken wel echt willen en kunnen veranderen. Of dat we vooral een nieuwe hobby hebben ontwikkeld om onszelf aan het werk te houden.
Als je recente onderzoeken van McKinsey, Deloitte en BCG naast elkaar legt, ontstaat grofweg dit beeld:
Circa 90 procent gebruikt AI in ten minste één bedrijfsfunctie (McKinsey).
In Nederland ligt het officiële CBS-cijfer op 33 procent van bedrijven met minimaal tien werknemers. Onder grote Nederlandse bedrijven is dat inmiddels 66 procent en onder bedrijven met minimaal 500 werknemers bijna 75 procent.
30 tot 40 procent herontwerpt belangrijke processen of workflows rond AI (Deloitte/Boston Consulting Group).
5 procent realiseert aantoonbare AI-waarde op schaal (Boston Consulting Group).
Dit zijn geen opeenvolgende groepen uit één onderzoek, maar samen laten de studies een duidelijke kloof zien tussen het gebruiken van AI en het werk daadwerkelijk anders organiseren en daar op schaal waarde mee realiseren.
Lees ook: Je team gaat pas écht met AI werken als jij als leidinggevende deze simpele stappen zet
We hebben geen tekort aan experimenten
Wat mij zo opvalt, is dat we ons suf experimenteren. Laat ik vooropstellen: ik ben helemaal voor experimenten. Je moet met AI klooien om te begrijpen wat het kan. Je moet fouten maken. Toepassingen testen. Ontdekken waar kwaliteit tegenvalt en waar ineens iets mogelijk blijkt wat drie maanden eerder nog niet werkte. Maar een experiment heeft alleen waarde als het ergens toe leidt. En precies daar begint mijn scepsis. We hebben geen tekort aan AI-ideeën en experimenten, maar een chronisch tekort aan besluiten.
Pilots zijn zo lekker veilig
Misschien zijn we daarom wel verslaafd geraakt aan pilots. Een pilot is overzichtelijk. Tijdelijk. Relatief onschuldig. Je mag onderzoeken zonder meteen te kiezen. En als de resultaten tegenvallen, heet dat gewoon ‘leren’.
Het probleem ontstaat wanneer de pilot geen tussenfase meer is, maar een permanente toestand. Dan blijven organisaties experimenteren zonder ooit de vraag te beantwoorden: ,,Wat gaan we vanaf nu anders doen?” Of: ,,Wat gaan we niet meer doen?”
Experimenteren zonder beslissen is geen innovatie. Druk die maar op een tegel en beplak de directiekamer ermee.
Lees ook: Management heeft hoge AI-ambities, maar op de werkvloer verloopt het stroef: zo dicht je de kloof.
Misschien verandert er juist weinig omdat er zoveel kan
Bij een nieuw salarissysteem of CRM is de veranderopgave relatief duidelijk. Het oude systeem gaat eruit. Het nieuwe komt ervoor in de plaats. AI is overal en nergens tegelijk. De mogelijkheden zijn bijna onbeperkt. En juist daardoor ontstaat een vreemd probleem: misschien verandert er zo weinig omdat er zóveel kan veranderen.
Ik ben daardoor mijn eigen werk anders gaan doen
Deze constateringen raken ook mijn eigen vak. Ik begeleid organisaties om beter met AI samen te werken. Maar wat mij opvalt, is dat veel organisaties nog steeds vragen om een ‘eenmalige interventie’. Een inspiratiesessie, een training of een middag begeleiding van het managementteam.
Dat kan natuurlijk een mooi begin zijn, maar daarna moet je doorpakken. En dat laatste gebeurt dus vaak niet, want dan komt die vervelende waan van de dag weer. Als er niets verandert en er ook geen prikkels zijn om dat te doen, waarom zou je dan? Dan blijven we lekker massaal hangen in die pilotfase.
Daarom begeleid ik teams liever iets langer. Desnoods met een paar korte online check-ins. Niet om weer vijf nieuwe toepassingen toe te voegen. Juist om vervelend te doen over de vorige vijf. ‘We’ moeten als AI-experts organisaties helpen om vaker te kiezen. Niet altijd zo glinsteren met wat er nieuw is en wat allemaal kan. Juist als buitenstaander kun je daar wat harder in zijn.
Lees ook: 10 kostbare AI-bloopers van bedrijven (en hoe jij ze voorkomt)
Hoeveel pilots hebben we eigenlijk nodig?
Op een gegeven moment weet je genoeg om iets te besluiten. Of om ergens mee te stoppen. Dus voordat je de volgende AI-pilot start, pak je eerst de pilots van de afgelopen drie maanden erbij:
Welke pilot heeft geleid tot een definitieve keuze?
Wat doen jullie daardoor structureel anders?
Als daar weinig uitkomt, heb je niet nóg een pilot nodig. Dan heb je een besluit nodig.
Ontvang elke week het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in:
