Nederland heeft geen AI-probleem. We hebben een executieprobleem

De afgelopen jaren hebben we bij Dutch IT flink wat technologische hypes voorbij zien komen. Blockchain zou complete industrieën veranderen. De metaverse zou de volgende digitale wereld worden. De verwachtingen liepen vaak veel sneller op dan de daadwerkelijke toepassing. Maar als we kijken wat er nu gebeurt met AI, lijkt dat anders.

AI is geen technologie waarvan we ons nog moeten afvragen óf deze doorbreekt. De technologie is er, de investeringen zijn enorm en vrijwel iedere grote technologieleverancier bouwt AI inmiddels in zijn portfolio. Ook bij organisaties ontbreekt het niet aan ambitie. Driekwart wil AI breed inzetten om processen te optimaliseren en concurrentievoordeel te creëren. De intentie is er dus. Maar intentie is nog geen executie.

AI is overal. Transformatie nog lang niet

Kijk naar het dagelijks gebruik en AI lijkt razendsnel door te breken. Veel bedrijven gebruiken inmiddels Copilot, ChatGPT of vergelijkbare toepassingen, of hun medewerkers doen dat in ieder geval. Er draaien pilots met generatieve AI, softwareleveranciers voegen AI-functionaliteit toe aan bestaande applicaties en de eerste AI-agents doen hun intrede.

Maar gebruik is nog geen transformatie. Een medewerker die ChatGPT inzet om een tekst samen te vatten, verandert daarmee nog geen bedrijfsproces. Een Copilot-licentie uitrollen evenmin. En tien succesvolle pilots betekenen niet automatisch dat een organisatie AI op schaal kan toepassen.

De AI gap

De kloof tussen intentie en executie wordt alleen maar groter. Dat is interessant omdat toegang tot technologie steeds minder onderscheidend wordt. Iedere Nederlandse onderneming heeft toegang tot grotendeels dezelfde modellen en AI-functionaliteit. Cloudplatforms, LLM’s en AI-tools zijn breed beschikbaar.

Toch levert dezelfde technologie niet dezelfde resultaten op. Waarom lukt het sommige organisaties wél om AI van experiment naar toepassing te brengen, terwijl andere blijven hangen in pilots? Dezelfde technologie is voor iedereen beschikbaar. Het concurrentievoordeel verschuift daarmee volledig van toegang tot de techniek naar de executie.

Wat doen frontrunners dan wél anders?

Als toegang tot AI niet langer het onderscheid maakt, wat dan wel? Waarom lukt het sommige organisaties om AI daadwerkelijk onderdeel te maken van hun bedrijfsvoering, terwijl andere blijven steken in pilots, werkgroepen en goede bedoelingen? Ik zie vier verschillen. En die hebben opvallend weinig met de technologie zelf te maken.

1. Ownership

AI heeft binnen veel organisaties inmiddels opvallend veel eigenaren. De CIO gaat over de technologie, de CISO over de risico's, Legal over compliance, HR over de impact op medewerkers en de business over de toepassingen. Dat klinkt verstandig. Maar het heeft ook een risico: als iedereen verantwoordelijk is voor een stukje AI, is uiteindelijk niemand verantwoordelijk voor het resultaat.

Juist daar zie je verschil bij frontrunners. Er is duidelijk eigenaarschap, op voldoende hoog niveau, met mandaat om keuzes te maken en de organisatie in beweging te krijgen. Dat raakt misschien ook wel aan iets typisch Nederlands. Het poldermodel heeft ons veel gebracht. We zoeken draagvlak, wegen belangen af en willen iedereen aan tafel hebben. Maar bij een technologie die zich in maanden in plaats van jaren ontwikkelt, zal eindeloos afstemmen een rem worden.

2. Kennis

Aan AI-technologie is geen gebrek. Iedere grote softwareleverancier heeft inmiddels een AI-verhaal en vrijwel iedere bestaande applicatie krijgt een bepaalde intelligentielaag. De verleiding is daardoor groot om AI vooral in te kopen. Maar wie onvoldoende kennis in huis heeft, besteedt daarmee ongemerkt ook een deel van zijn strategie uit. Want hoe bepaal je welke toepassingen relevant zijn? Wanneer een leverancier vooral zijn eigen roadmap verkoopt? Of waar AI daadwerkelijk iets toevoegt aan jouw organisatie?

Frontrunners hoeven niet alles zelf te bouwen. Maar ze bouwen wel voldoende eigen kennis op om zelf keuzes te kunnen maken. Dat onderscheid wordt belangrijker naarmate AI meer verweven raakt met de bedrijfsvoering.

3. Focus

Misschien is dit wel het meest onderschatte onderdeel van executie. Twintig AI-pilots, een innovation lab en een lange lijst met use cases ogen ambitieus. Maar ze kunnen ook iets anders betekenen: dat een organisatie nog niet heeft besloten waar AI écht het verschil moet maken.

Frontrunners durven die keuze wel te maken. Ze identificeren een beperkt aantal processen waar AI aantoonbaar waarde kan creëren en zetten daar mensen, kennis en middelen achter. Niet een beetje AI door de hele organisatie, maar gericht veranderen waar de impact het grootst kan zijn of op zijn minst een volgorderlijkheid bepalen. Dat betekent automatisch dat andere ideeën moeten wachten of helemaal niet worden uitgevoerd. En precies dat maakt executie lastig. Strategie is niet bepalen wat je allemaal zou kúnnen doen. Strategie begint wanneer je besluit wat je níét doet.

4. Meetbaarheid

En dan misschien de belangrijkste. We meten AI momenteel vooral aan de hand van activiteit. Hoeveel licenties zijn uitgerold? Hoeveel medewerkers gebruiken Copilot? Hoeveel pilots draaien er? Hoeveel use cases staan op de roadmap? Interessante cijfers. Maar ze zeggen weinig over resultaat. De echte vragen zijn lastiger. Is een proces daadwerkelijk sneller geworden? Zijn de kosten gedaald? Is de kwaliteit verbeterd? Wordt een klant beter geholpen? En als AI steeds autonomer gaat handelen: kunnen we eigenlijk nog zien waarom systemen bepaalde beslissingen nemen en wat daarvan de impact is? En vergeet niet de oud-Hollandse kosten/batenanalyse.

Naast meten wordt de bredere observability interessant. Niet als technisch dashboard voor de IT-afdeling, maar als voorwaarde om grip te houden op een steeds complexere en autonomere digitale omgeving. Je kunt tenslotte niet sturen op wat je niet kunt zien Uiteindelijk is dát misschien wel het duidelijkste verschil tussen experimenteren en executeren. Frontrunners meten niet hoeveel AI ze hebben. Ze meten wat AI verandert.

De AI Gap wordt nu bepaald

De komende jaren wordt de AI gap niet bepaald door wie toegang heeft tot de beste technologie. Die technologie wordt steeds breder beschikbaar. Het verschil ontstaat bij organisaties die erin slagen om AI daadwerkelijk onderdeel te maken van hun bedrijfsvoering. En precies daar ligt wat mij betreft de uitdaging voor Nederland. We zijn goed in experimenteren, overleggen en risico's zorgvuldig afwegen. Maar AI ontwikkelt zich in een tempo waarin afwachten óók een keuze is. Terwijl de ene organisatie nog discussieert over governance, verantwoordelijkheden en de volgende pilot, bouwt de andere kennis op, past processen aan en leert iedere dag van echte toepassing. Die voorsprong is straks niet zomaar ingehaald met een nieuw model of een extra licentie.

Daarom moeten we misschien stoppen met de vraag wat AI allemaal mogelijk maakt. Dat weten we inmiddels wel. De vragen voor leiders zijn nu veel concreter: wie is bij ons eigenaar? Hebben we de kennis in huis? Durven we onze processen daadwerkelijk te veranderen? En kunnen we meten wat AI ons oplevert? Als het antwoord op die vragen niet duidelijk is, hebben we geen AI-probleem. Dan hebben we een executieprobleem. En precies daar ontstaat de gap.

Door: Peter Reyneveld (foto), Managing Director van DutchIT.com