Waar kunnen we AI toepassen? Deze vraag domineert de discussies in bestuurskamers, investeringsplannen en transformatieagenda’s. AI belooft snellere processen, lagere kosten en betere beslissingen. Daardoor wordt bijna elke zakelijke uitdaging inmiddels benaderd als een potentiële kans om AI te gebruiken.
Minstens zo interessant is echter een andere vraag, die de laatste tijd steeds vaker opkomt: waar willen we AI bewust niet inzetten? Die vraag wordt urgenter nu zelfs leiders van grote AI-bedrijven waarschuwen dat de ontwikkeling sneller gaat dan de veiligheidsmaatregelen en het toezicht kunnen bijhouden. Voor bestuurders onderstreept dat een bredere verantwoordelijkheid: niet alleen bepalen wat technisch mogelijk is, maar ook waar de risico’s, waarden of gevolgen vragen om begrenzing.
Meer AI betekent niet automatisch meer waarde
Naarmate AI toegankelijker en krachtiger wordt, maken organisaties er vanzelfsprekend meer gebruik van. Economen zagen een vergelijkbaar patroon al eerder bij andere technologieën. De paradox van Jevons beschrijft hoe grotere efficiëntie juist kan leiden tot méér gebruik. Denk bijvoorbeeld aan stoommachines die efficiënter met steenkool omgingen of zuinigere auto’s die mensen aanmoedigen om verder te rijden.
AI kan hetzelfde effect hebben. Lagere kosten leiden niet automatisch tot hogere productiviteit of een betere klantbeleving; ze kunnen simpelweg meer door AI gegenereerd werk opleveren. Toch meten organisaties vaak de acceptatiegraad, het aantal prompts of agents en het tokenverbruik, omdat deze cijfers relatief eenvoudig te meten zijn. Ze laten zien waar AI wordt gebruikt en in welke mate, maar niet welke waarde dit oplevert. Sterker nog: sturen op gebruik kan medewerkers vooral aanmoedigen om méér AI in te zetten, ook wanneer dat weinig toevoegt. Deze trend wordt ook wel tokenmaxxing genoemd: het maximaliseren van AI-gebruik om te voldoen aan tokenmetrics, in plaats van de toegevoegde waarde zou maximaliseren.
AI-volwassenheid vraagt daarom om een scherp beoordelingsvermogen. Organisaties moeten weloverwogen keuzes maken over waar de technologie de meeste waarde kan toevoegen en waar menselijke betrokkenheid de doorslaggevende factor blijft.
AI is een turbo, geen motor
Veel organisaties beschouwen AI als de motor van transformatie. In werkelijkheid lijkt AI meer op een turbo. De technologie kan de snelheid en het vermogen drastisch verhogen, maar bepaalt niet de richting.
Dat zie je overal online. Een matig idee wordt door AI niet ineens een goed idee. Het zorgt er vooral voor dat middelmatige content sneller en op grotere schaal wordt geproduceerd. Iets wat we allemaal wel hebben gezien in de opkomst van AI-gegenereerde rommel in onze feeds op sociale media, met name in afbeeldingen en video’s. Geef AI echter een sterk idee en het kan de uitvoering of uitwerking drastisch verbeteren.
Hetzelfde geldt voor bedrijfsprocessen en besluitvorming. Neem de schadeafhandeling bij een verzekeraar: als historische dossiers onvolledig zijn, schadeoorzaken verschillend worden geregistreerd en uitzonderingen vooral in het hoofd van ervaren medewerkers zitten, leert AI van een gebrekkige werkelijkheid. Het model kan claims dan sneller prioriteren of beoordelen, maar ook inconsistente beslissingen en onterechte afwijzingen op grotere schaal reproduceren.
AI maakt problemen in processen, data en governance daarmee niet kleiner, maar sneller zichtbaar én potentieel schadelijker. Voordat bestuurders beslissen waar en hoe ze AI gaan toepassen, moeten ze vooral ook bepalen waar ze dat niet willen doen. Daarbij verdienen drie gebieden bijzondere aandacht: vertrouwen, waarden en processen.
1. Vertrouwen: Niet alles moet worden geautomatiseerd
Stel je een arts voor die een levensveranderende diagnose bespreekt, een verzekeraar die een klant bijstaat na een ernstig ongeval of een pensioenuitvoerder die iemand begeleidt bij ingrijpende financiële beslissingen. In situaties waarin onzekerheid, kwetsbaarheid of levensveranderende beslissingen een rol spelen, zoeken mensen meer dan alleen informatie. Ze hebben behoefte aan empathie, geruststelling en iemand die verantwoordelijkheid neemt.
Vertrouwen is in zulke interacties geen bijproduct, maar een wezenlijk onderdeel van de dienstverlening. Organisaties die dergelijke interacties volledig automatiseren, kunnen ongetwijfeld lagere verwerkingskosten realiseren en de doorlooptijd verkorten. Tegelijkertijd lopen zij het risico operationele efficiëntie te verwarren met de waarde van hun dienstverlening.
Dat betekent niet dat AI hier geen rol speelt. AI is enorm geschikt om informatie voor te bereiden, relevant bewijsmateriaal te identificeren en de administratieve lasten te verlagen. De momenten die er het meest toe doen, moeten echter in menselijke handen blijven.
Een bruikbaar inrichtingsprincipe is daarom: laat AI voorbereiden en ondersteunen, maar laat mensen interpreteren, communiceren en verantwoordelijkheid dragen. En zorg ervoor dat er altijd een mens bij betrokken blijft. Human-in-the-loop gaat daarin verder dan controle, het is de basis voor vertrouwen.
2. Waarden: Niet alles moet worden gedelegeerd
AI kan veelbelovende klanten identificeren, risico’s inschatten en toekomstscenario’s modelleren. Het kan echter niet bepalen waar een organisatie voor wil staan.
Stel je een lokale verzekeringsadviseur voor met langdurige klantrelaties. Een AI-model kan adviseren telefoongesprekken te vervangen door digitale kanalen, omdat dat efficiënter is. De analyse kan cijfermatig kloppen, terwijl de uitkomst toch niet bij de organisatie past. Veel klanten hechten juist waarde aan de geruststelling die het biedt om rechtstreeks te spreken met iemand die ze kennen en vertrouwen. Die relatie is misschien niet zichtbaar in een dashboard, maar staat wel centraal in de propositie van de organisatie.
Medewerkers creëren bovendien niet alleen waarde door wat zij produceren, maar ook door wat zij voorkomen. Een mens herkent het wanneer een ogenschijnlijk overtuigende, door AI gegenereerde aanbeveling strategische context mist, feitelijke onjuistheden bevat of juridische, veiligheids- of reputatierisico’s met zich meebrengt. De waarde van menselijk oordeel blijft vaak onopgemerkt omdat dit erg onzichtbaar is.
Organisaties moeten er daarom voor zorgen dat de juiste mensen de bevoegdheid, expertise en het inzicht hebben om AI in twijfel te trekken, bij te sturen of te negeren. AI kan waardevolle input leveren, maar keuzes met gevolgen voor klanten, medewerkers en de koers van de organisatie vereisen menselijk inzicht en oordeel.
3. Processen: Niet alles moet worden versneld
Vertragingen, handmatig werk en operationele wrijving worden al snel gezien als aanleiding om AI in te zetten. Toch hebben veel van deze problemen weinig te maken met intelligentie. Ze vloeien voort uit gefragmenteerde workflows, dubbele activiteiten, onnodige goedkeuringen, slechte data of verouderd beleid.
Een slecht proces wordt door AI niet zomaar een goed proces. Vaker ontstaat een gebrekkig proces dat sneller en op grotere schaal fouten maakt. De technologie versnelt de uitvoering, terwijl de onderliggende inefficiënties intact blijven. Ook kan AI bestaande vooroordelen in besluitvorming versterken wanneer modellen leren van historische beslissingen waarin die al aanwezig waren, bijvoorbeeld in een wervingsproces.
De eerste stap is daarom om het proces goed te begrijpen. Ieder AI-initiatief zou moeten beginnen met twee vragen: welk probleem lossen we op en wat verwachten we precies dat AI doet? Daarbij is het overigens nog maar de vraag of een AI-toepassing de beste oplossing is.
AI kan geschikt zijn wanneer het knelpunt ligt bij het interpreteren van grote hoeveelheden informatie, het genereren van opties, het herkennen van patronen of het omgaan met verscheidenheid. Wanneer het werkelijke knelpunt ligt in onduidelijke verantwoordelijkheid, buitensporige controle, slechte data of dubbel werk, ligt een andere eerste stap meer voor de hand.
Te snel automatiseren kan bovendien leiden tot hele andere problemen. Een organisatie krijgt dan te maken met nieuwe agents, modellen, monitoring, uitzonderingsafhandeling, afhankelijkheid van leveranciers, documentatie en nalevingsverplichtingen bovenop een proces dat al geen solide basis heeft.
Verwijder daarom eerst onnodige stappen, verduidelijk de doelstelling, verbeter de data, wijs verantwoordelijkheid toe en definieer aanvaardbare, meetbare resultaten. Pas dan kan worden vastgesteld of er nog steeds een probleem overblijft waarvoor AI daadwerkelijk het juiste instrument is.
Weten wanneer je nee moet zeggen
AI-volwassenheid wordt niet bepaald door het aantal pilots, agents, use cases of geïmplementeerde modellen, maar door het vermogen om echte waarde te onderscheiden van technologisch enthousiasme.
Soms is AI het juiste antwoord. Maar net zo vaak ligt het antwoord in vereenvoudiging, beter bestuur, schonere data of een managementbeslissing die al jaren wordt uitgesteld. Toch wordt AI maar al te vaak verward met digitalisering, en digitalisering met transformatie. Daardoor worden AI-roadmaps technologische plannen die zich voordoen als bedrijfsstrategie.
Organisaties die blijvende waarde willen creëren, beginnen bij het bedrijfsprobleem. Ze maken eerst de organisatorische keuzes die daarvoor nodig zijn en bepalen vervolgens welke rol technologie kan spelen. Daarbij hoort ook de lastigste vraag: waar zeggen we bewust nee tegen AI?
Dit is een ingezonden bijdrage van IG&H. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.