AI-Native tijdperk rust op modernisering, cultuur en aanpassingsvermogen

Van zandkastelen naar schepen: een verandering in mentaliteit

Danny Brian vergeleek de huidige uitdagingen met het bouwen van een zandkasteel aan de rand van de oceaan. Net wanneer je denkt dat het af is, spoelt een nieuwe golf – zoals generatieve AI, 'agentic AI' of 'multi-agent systems' – het weg. De cruciale vraag is niet langer hoe je iets moois bouwt voor vandaag, maar hoe je een schip bouwt dat de steeds sterker wordende golven kan trotseren en ermee mee kan bewegen. In het AI-native tijdperk worden de fundamenten van een organisatie belangrijker dan de functionaliteiten van de applicaties.

De analisten beschreven een luxejacht dat symbool staat voor een moderne organisatie met geavanceerde kernsystemen, een sterke bedrijfscultuur en een wendbaar werkdek. Dit in tegenstelling tot een log, roestig vrachtschip, dat de realiteit van veel bedrijven vertegenwoordigt: logge, verouderde kernsystemen en een toren aan overbodige applicaties. De hoop schuilt erin dat zelfs deze 'vrachtschepen' hun koers kunnen wijzigen door de fundamenten te versterken.

De drie pijlers van het AI-Native tijdperk

1. Modernisering: verandering, niet alleen verplaatsing Veel moderniseringsprojecten stranden omdat ze zich richten op het verplaatsen van verouderde applicaties naar de cloud, zonder de onderliggende architectuur te herzien. Dit leidt tot een 'Frankie stack' – een fragiele mix van legacy-systemen met nieuwe AI-tools, die met 'digitale ducttape' bijeengehouden wordt. Echte modernisering gaat niet over technologieadoptie, maar over het herdefiniëren van bedrijfswaarde.

Een voorbeeld van een geslaagde aanpak komt van American Express, dat een verantwoorde AI-strategie hanteerde. In plaats van alles tegelijkertijd te willen doen, richtte het bedrijf zich op het creëren van AI-ready data, het prioriteren van de meest waardevolle toepassingen en het wegnemen van angst bij medewerkers. Dit laat zien dat modernisering een continu proces is dat gebaseerd is op een duidelijke visie en verantwoordelijkheid.

2. Cultuur: van scepsis naar samenwerking Angst voor AI is een reëel risico. Mensen vrezen dat AI hun baan zal overnemen, wat kan leiden tot een afwijzende houding. Organisaties moeten hun werknemers opleiden in 'AI-geletterdheid': het vermogen om met en rond AI te werken. Dit betekent niet dat iedereen een expert hoeft te worden, maar dat teams de kritische denkvaardigheden ontwikkelen om de output van AI te beoordelen en te corrigeren. Max Goss gaf een voorbeeld van een medisch bedrijf waar een AI-tool notities van consultaties samenvat, waardoor artsen zich volledig kunnen richten op de patiënt en tegelijkertijd een betere klantervaring creëren. Door een tastbaar probleem op te lossen, wordt vertrouwen opgebouwd en werknemers aangemoedigd om zelf te experimenteren.

3. Aanpassingsvermogen: van controle naar begeleiding De grootste barrière voor de implementatie van AI is bezorgdheid over beveiliging en 'governance'. Danny Brian vergeleek een strikte, afschermende aanpak met het bouwen van een muur om een zandkasteel te beschermen tegen de zee: de zee vindt altijd een weg eromheen. Evenzo zullen werknemers, als ze worden geblokkeerd, 'schaduw-AI' gaan gebruiken, wat een nog groter risico vormt. De oplossing ligt in een adaptief 'governance'-model. Hoe hoger het risico van een taak, des te meer controle is er nodig. Voor taken met een laag risico kan er een 'zelf-gereguleerde' veilige zone worden gecreëerd. Dit moedigt werknemers aan om met AI te experimenteren binnen duidelijke kaders, waardoor aanpassingsvermogen en innovatie worden bevorderd.

Door: Witold Kepinski