De afgelopen twee jaar hebben bedrijven de verkeerde vraag gesteld: hoe doen we dat? gebruiken AI in onze processen?
Die vraag was in het begin logisch. Wanneer grote taalmodellen voor het eerst verscheen, was het instinct natuurlijk: neem wat al bestaat, van workflows tot functies, beslissingsketens, enz., en probeer deze te versnellen. Voeg copiloten toe. Voeg assistenten toe. Voeg automatiseringslagen toe. Verbeteren productiviteit.
Maar zoals we hebben gezien, is die aanpak niet schaalbaar. Zoals ik in eerdere stukken heb betoogd, zakelijke AI is niet mislukt omdat de technologie niet werkt. Het is mislukt omdat we probeerden het in de verkeerde laag te plaatsen. Grote taalmodellen zijn nooit ontworpen om een bedrijf te runnenEn het inbedden ervan in bestaande processen verandert niets aan die structurele mismatch.
Nu het aanvankelijke enthousiasme met de werkelijkheid is gebotst, begint er stilletjes maar onmiskenbaar een andere vraag te rijzen: wat als het probleem niet is hoe je de AI in onze processen, maar dat onze processen überhaupt nooit voor AI zijn ontworpen?
De terugkeer van een oud idee (dit keer in het echt)
In de jaren negentig reengineering van bedrijfsprocessen (BPR) beloofde iets radicaals: herontwerp bedrijven rond informatiesystemen in plaats van technologie in laagjes bovenop bestaande workflows te leggen. Het idee was overtuigend, maar de uitvoering was ongelijkmatig. Veel initiatieven werden dure reorganisaties met een beperkte impact op de lange termijn, deels omdat de onderliggende systemen nog steeds rigide en gefragmenteerd waren en niet in staat waren zich in realtime aan te passen.
Deze keer is het anders.
Destijds waren systemen passief. Ze bewaarden informatie, handhaafden regels en ondersteunden beslissingen van mensen. Tegenwoordig worden systemen actief: ze kunnen genereren, evalueren, coördineren en in toenemende mate handelen. Die verschuiving verandert de vergelijking volledig. Het betekent dat we niet langer alleen maar processen digitaliseren: we herdefiniëren wat een proces is.
McKinsey’s laatste onderzoek naar AI-adoptie versterkt dit punt: hoewel het gebruik wijdverspreid is, hangt de werkelijke impact sterk samen met het herontwerp van de workflow, en niet alleen met de implementatie van tools. Organisaties die heroverwegen hoe het werk wordt gedaan, en niet alleen hoe het wordt ondersteund, zijn degenen die meetbare winst boeken.
Met andere woorden: de oorspronkelijke belofte van BPR komt weer naar boven, maar nu kan de technologie deze eindelijk ondersteunen.
Waarom de meeste processen incompatibel zijn met AI
De ongemakkelijke waarheid is dat de meeste bedrijfsprocessen tegenwoordig niet alleen maar inefficiënt zijn. Ze zijn structureel onverenigbaar met het soort systemen dat AI aan het worden is.
Zij zijn:
- Gefragmenteerd: verspreid over tools, teams en datasilo’s
- Sequentieel: opgebouwd rond overdrachten en vertragingen
- Contextarm: afhankelijk van individuen om de staat te reconstrueren
- Beslissingslatent: geoptimaliseerd voor beoordeling, niet voor actie
- Mensgericht door ontwerp: ervan uitgaande dat cognitie, geheugen en coördinatie schaars zijn
Deze kenmerken waren logisch in een wereld waarin mensen de beperkende factor waren. Ze hebben geen zin in een wereld waarin systemen de context kunnen behouden, beperkingen kunnen toepassen en continu kunnen functioneren.
Deloitte legt deze spanning duidelijk vast in zijn recente analyse van agentische AI: veel organisaties proberen processen die voor mensen zijn ontworpen te automatiseren in plaats van het werk zelf te heroverwegen. Het resultaat is voorspelbaar: de complexiteit neemt toe, maar de uitkomsten verbeteren niet proportioneel.
Dat is geen gereedschapsprobleem: dat is een ontwerpprobleem.
AI optimaliseert processen niet: het legt ze bloot
Een van de meest consistente patronen bij AI-initiatieven van ondernemingen is dit: hoe meer je AI probeert toe te passen op een bestaand proces, hoe zichtbaarder de beperkingen van dat proces worden.
Wat voorheen verborgen was achter menselijke inspanningen wordt expliciet:
- ontbrekende gegevens
- inconsistente regels
- onduidelijk eigendom
- dubbel werk
- vertraagde feedbackloops
In die zin gedraagt AI zich minder als een optimalisatielaag en meer als een diagnostisch hulpmiddel. Het legt de kloof bloot tussen hoe een bedrijf denkt dat het opereert en hoe het daadwerkelijk opereert.
Dit is de reden waarom zoveel piloten vastlopen. Niet omdat het model faalt, maar omdat het proces waarin het wordt ingezet niet kan absorberen wat het model produceert. Zoals MIT Sloan heeft betoogdis de uitdaging niet simpelweg het adopteren van AI, maar het herontwerpen van organisaties zodat ze deze daadwerkelijk effectief kunnen gebruiken.
En dat leidt tot een veel ongemakkelijkere conclusie: de beperkende factor is niet langer de technologie. Het is het bedrijf.
Van processen tot systemen
Als de vorige fase van enterprise AI ging over het toevoegen van intelligentie aan taken. De volgende gaat over het herontwerpen van systemen, zodat intelligentie vanaf het begin is ingebed.
Die verschuiving verandert alles. In plaats van te vragen:
- “Hoe automatiseren we deze stap?”
Bedrijven zullen zich moeten afvragen:
- “Waarom bestaat deze stap überhaupt?”
- “Hoe zou dit proces eruit zien als het zou worden ontworpen rond een continue context?”
- “Waar moeten beslissingen eigenlijk plaatsvinden?”
- “Welke beperkingen moeten automatisch worden afgedwongen?”
Dit zijn geen stapsgewijze verbeteringen. Het zijn structurele vragen. En ze wijzen in de richting van een ander soort organisatie: een organisatie waarin processen niet langer statische opeenvolgingen van acties zijn, maar dynamische systemen die de status behouden, gegevens integreren, onder beperkingen opereren en zich voortdurend aanpassen op basis van de uitkomsten. Dezelfde kenmerken die de systemen definiëren die in mijn vorige artikel zijn beschreven.
De bedrijven die als eerste verhuizen, zullen er heel anders uitzien
Dit is waar de verschuiving zichtbaar wordt. De bedrijven die met succes hun processen rond deze principes herontwerpen, zullen niet alleen sneller of efficiënter zijn. Ze zullen anders werken:
- beslissingen zullen dichter bij data plaatsvinden
- coördinatie vereist minder overdrachten
- Feedbackloops zullen dramatisch korter worden
- de uitvoering zal continuer worden
- rollen zullen evolueren rond systemen, niet rond taken
Microsoft’s Work Trend Index verwijst al naar deze transitie en beschrijft organisaties die op weg zijn naar meer dynamische, resultaatgerichte structuren waarin mensen en AI samenwerken rond doelen in plaats van functies.
Van buitenaf zien deze bedrijven er in eerste instantie misschien niet dramatisch anders uit. Maar intern zal hun operationele logica zijn verschoven. En die verschuivingsverbindingen.
Dit is niet optioneel
Het is verleidelijk om dit als een kans te beschouwen. Dat is zo, het kan best zo zijn. Maar het is ook iets anders: een beperking.
Want zodra sommige bedrijven op deze manier beginnen te opereren, concurreren de andere niet meer met betere tools. Ze concurreren tegen een ander soort systeem.
Een systeem dat:
- leert sneller
- past zich voortdurend aan
- coördineert efficiënter
- wordt uitgevoerd met minder vertragingen
Dat kun je niet evenaren door nog een copiloot toe te voegen of een ander model in te zetten. Het vereist een herontwerp.
De volgende fase van enterprise AI is organisatorisch
Als de eerste fase van AI in de onderneming over experimenteren ging, en de tweede over realisatie, zal de volgende over transformatie gaan.
Geen transformatie gedreven door modellen, maar door structuur. We gaan niet van ‘slechtere AI’ naar ‘betere AI’, we gaan van bedrijven die voor mensen zijn gebouwd naar bedrijven die met machines moeten werken als onderdeel van hun kernlogica. En dat vereist iets dat veel organisaties decennialang hebben vermeden: het opnieuw opbouwen van de manier waarop ze feitelijk werken.
De echte vraag
De vraag is dus niet langer “hoe gebruiken we AI?” Het is: “zijn we bereid ons bedrijf opnieuw in te richten, zodat AI ook daadwerkelijk kan werken?” Want als het antwoord nee is, is de uitkomst al duidelijk:
AI zal niet falen. Uw processen zullen dat ook doen.
