Marelle van Beerschoten: 'De grote kans van AI zit in vernieuwing, niet in efficiëntie'

Afgelopen maand reisde ik met een groep directieleden door Nederland. We bezochten organisaties die al volop met AI werken en spraken met de mensen die de verandering van dichtbij vormgeven. Hun verhalen lieten zien hoe voorlopers zich voorbereiden op wat komt: een tijdperk waarin technologie niet alleen ondersteunt, maar ook zelfstandig kan handelen en samenwerken.

Veel organisaties experimenteren inmiddels met generatieve AI, maar voorlopers bouwen al aan wat volgt: AI die autonoom kan handelen en taken uitvoeren. Waar generatieve AI vooral content creëert op basis van input, kan Agentic AI binnen duidelijke kaders zelf stappen zetten om doelen te bereiken.

Een groot Nederlands familiebedrijf liet zien hoe dat eruit kan zien. De CIO benadrukte dat AI geen IT-project is, maar een strategisch thema dat leiderschap en cultuur raakt. Vanuit een centraal team wordt de organisatie ondersteund met data, technologie en opleidingen, terwijl ideeën en experimenten juist uit de business zelf komen. De ambitie: het creëren van een AI-first organisatie.

De komende periode ga ik in een reeks blogs dieper in op de thema's die bepalend zijn voor een succesvolle AI-transformatie. Thema's die laten zien wat er van leiders wordt gevraagd bij het vormgeven van strategie, organisatie en vaardigheden in een tijd waarin AI ons werk sterk verandert. In dit eerste blog staat centraal hoe voorlopers de balans vinden tussen optimaliseren en innoveren.

Met AI kun je optimaliseren én innoveren

Voor veel organisaties begint het werken met AI bij productiviteitswinst. Dat is begrijpelijk: de impact is snel zichtbaar, de businesscase is eenvoudiger te berekenen en de risico's zijn beperkt. Toch zie je in de praktijk dat, hoewel er met efficiëntie en effectiviteit veel te winnen valt, de grootste waarde vaak pas ontstaat als er ook ruimte is voor vernieuwing. In een grafiek die vaker genoemd is door voorlopers, wordt dat duidelijk zichtbaar. Door efficiënter te werken kun je van 100 naar 0 toewerken, maar er is een duidelijke ondergrens: verder onder 0 ga je niet. Innovatie kent die grens niet. Daarmee kun je van 0 naar 100, 200 of zelfs 1000. Dáár ligt de kans voor ongelimiteerde groei.

Om die kans te benutten moeten organisaties actief sturen op experimenteren met AI voor innovatie. Waar optimalisatie draait om verbeteren wat er al is, vraagt innovatie om proberen, leren en bijsturen op iets wat er nog niet is. De businesscase is vooraf niet altijd helder, maar dat mag geen reden zijn om stil te blijven staan. De voorlopers die we spraken kiezen ervoor om te starten met een ambitie, waarbij zowel proces als resultaat nog niet duidelijk zijn. Diepe zakken zijn hierbij niet altijd nodig, deze experimenten hoeven niet direct veel investering te vragen. Zo heb ik verschillende roadmaps met honderd ideeën gezien en een investeringsbehoefte van minder dan een miljoen.

Lees ook: Van datafrustratie naar inzichten met Agentic Analytics

Kleine stappen, overzichtelijke investering

Bij veel van de organisaties die we bezochten komt dezelfde balans terug: ongeveer 70 procent van hun inspanningen richt zich op AI die efficiëntie verhoogt, 30 procent op AI die nieuwe waarde creëert. Die 30 procent richt zich vaak op het verbeteren, verbreden of vernieuwen van kernactiviteiten. Om succes te kunnen bepalen wordt het effect op specifieke metrics bekeken, zoals klanttevredenheid, marktaandeel of prijsstelling, zonder vooraf een duidelijke doelstelling vast te stellen. Zulke indicatoren helpen om te begrijpen wat werkt en waar kansen liggen, ook als de uiteindelijke financiële opbrengst nog niet vaststaat. Juist door snelheid en kleine stappen te behouden, kunnen investeringen beperkt blijven als iets geen effect blijkt te hebben. Waar wel muziek in zit kan verder uitgebouwd worden en uiteindelijk stap voor stap breder uitgerold worden.

De meest ambitieuze organisaties gaan verder en kiezen bewust voor een AI-first benadering, waarbij wordt uitgegaan van het herontwerpen van de hele organisatie. Ze bouwen aan een schaalbare en adaptieve AI-architectuur en ontwikkelen de vaardigheden en governance die dat mogelijk maken. Zo ontstaat ruimte voor re-imagination: het herontwerpen van bijvoorbeeld processen, klantreizen of besluitvorming. Ze experimenteren bijvoorbeeld volop met het inzetten van AI-agents om binnen heldere kaders zelfstandig taken afronden. Ze veranderen de klantbenadering, boren anderen markten aan, en werken zeer actief aan AI-geletterdheid in de volledige organisatie. Rollen veranderen en verantwoordelijkheid wordt verspreid in de organisatie. Maar daarover meer in een ander blog.

Lees ook: Hoe implementeer je een succesvolle AI-strategie in je bedrijf?

Richting en ritme zijn belangrijker dan omvang

Een van de belangrijkste lessen is dat de waarde van AI niet ontstaat in één groot project, maar in de combinatie van experimenteren en opschalen. Het vermogen van een organisatie om voortdurend te leren, te verbeteren en kansen te vertalen naar nieuwe vormen van waarde. In mijn volgende artikel bespreek ik wat dit vraagt van leiders in deze organisaties. Zo kun jij al de eerste stappen zetten:

• Zoek de balans. Reserveer een deel van je capaciteit voor innovatiegerichte toepassingen van AI, ook als de uitkomst nog niet vaststaat.

• Begin klein en doelgericht. Richt een experiment op één concreet vraagstuk binnen de organisatie en koppel er een duidelijke doelstelling aan.

• Maak voortgang zichtbaar. Gebruik eenvoudige indicatoren zoals klant- of medewerkerstevredenheid om te leren wat werkt en waar waarde ontstaat.

• Reflecteer op wat je probeert. Leg resultaten vast, bespreek ze met andere teams en deel inzichten in de organisatie om volgende stappen te bepalen.

• Laat je inspireren door anderen. Kijk binnen en buiten de organisatie hoe anderen met AI werken, welke keuzes ze maken en wat je daarvan kunt leren.

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