Meer AI betekent niet minder controle

Waarom 95% van de organisaties geen meetbaar rendement haalt uit AI

Vrijwel iedere organisatie experimenteert inmiddels met AI. Toch lukt het maar weinig organisaties om aan te tonen wat die experimenten daadwerkelijk opleveren. De discussie gaat vaak over modellen, functies en tijdsbesparing. Voor bestuurders en managers is een andere vraag belangrijker: hoe vertaal je AI naar meetbare bedrijfswaarde?

Die vraag is actueler dan ooit. Volgens Rabobank blijft de productiviteitsgroei in onze regio 14% (Regio Zwolle) achter bij de rest van Nederland. Tegelijkertijd concludeert het MIT-onderzoek The GenAI Divide (2025) dat 95% van de organisaties geen meetbaar rendement haalt uit generatieve AI.

Dat maakt AI een opvallende paradox. De behoefte aan productiviteitsverbetering is groot. De technologie is beschikbaar. Toch lukt het de meeste organisaties nog niet om aantoonbare waarde te realiseren.

Tijdens onze AI-inspiratielunch in Zwolle stond daarom niet de technologie centraal, maar de vraag waarom de stap van experiment naar resultaat zo moeilijk blijkt.

Zoeken en samenvatten is niet hetzelfde als beslissen

Generatieve AI is sterk in het verwerken van grote hoeveelheden informatie. Documenten samenvatten, informatie ophalen en verbanden leggen behoren inmiddels tot de standaardmogelijkheden. Toch ontstaat bedrijfswaarde meestal niet door het vinden van informatie alleen. In de praktijk moeten medewerkers dagelijks keuzes maken. Bijvoorbeeld over een klantvraag, een voorstel, een uitzondering op een proces of een interne afspraak.

Dan ontstaat een andere informatiebehoefte:

• Welke afspraak is in deze situatie van toepassing?
• Welke bron is leidend?
• Waarop is een voorstel gebaseerd?
• Welke onderdelen vragen om menselijk oordeel?

Daar zit het verschil tussen een AI-tool en een AI-collega. Een tool levert informatie aan. Een AI-collega ondersteunt een medewerker bij het voorbereiden van een beslissing.

Waarom gebruik alleen weinig zegt

Veel organisaties beginnen hun AI-reis met pilots, experimenten en eerste toepassingen. Dat is logisch. Nieuwe technologie moet eerst worden verkend voordat deze onderdeel wordt van dagelijkse processen.

Tegelijkertijd laat het MIT-onderzoek zien dat het gebruik van generatieve AI op zichzelf niet automatisch leidt tot aantoonbaar rendement. Een organisatie kan AI gebruiken zonder dat processen verbeteren. Medewerkers kunnen tijd besparen zonder dat die tijd zichtbaar bijdraagt aan klanten, kwaliteit of innovatie.

Daarom ontstaat de vraag niet alleen óf AI wordt gebruikt, maar vooral waar de vrijgekomen capaciteit naartoe gaat en welke resultaten daardoor verbeteren.

Het dilemma tussen snelheid en verantwoordelijkheid

In discussies over AI ontstaat vaak dezelfde spanning. Organisaties willen werkzaamheden versnellen, maar willen ook verantwoordelijkheid houden over de uitkomsten. Dat hoeft geen tegenstelling te zijn. De vraag is niet hoeveel autonomie een AI-oplossing krijgt. De vraag is welke rol AI speelt binnen een proces. Een betrouwbare AI-collega neemt geen verantwoordelijkheid over. Een betrouwbare AI-collega bereidt verantwoordelijkheid voor.

Een AI-collega die weet waar hij moet stoppen

Stel dat een directeur vraagt hoe zijn organisatie AI-proof kan worden. Om een passend voorstel te maken moet een adviseur het gesprek analyseren, een vervolgmail meenemen, eerdere trajecten raadplegen en interne afspraken toepakken. De benodigde kennis bestaat meestal al. Het probleem is dat die kennis verspreid is over verschillende bronnen. Een AI-collega kan die informatie samenbrengen, de vraag achter de vraag identificeren en een eerste voorstel voorbereiden.

Maar er blijft een belangrijk verschil tussen ondersteunen en beslissen. Keuzes over prijzen, uitzonderingen, risico's of toezeggingen blijven onderdeel van het menselijke oordeel. Niet omdat AI tekortschiet, maar omdat organisaties zelf moeten bepalen waar verantwoordelijkheid ligt. Juist wanneer die grens vooraf duidelijk is, kan AI meer voorbereidend werk uitvoeren.

De knop is niet de oplossing

Bij AI gaat veel aandacht naar de zichtbare applicatie: de chatinterface, de assistent of de knop waarmee een gebruiker een vraag stelt. Maar succesvolle toepassingen vragen meestal om meer dan alleen een goede gebruikersinterface. Daaronder liggen drie fundamenten:

1. AI-informatiemanagement

Welke bronnen zijn leidend? Wie is eigenaar van informatie? Hoe wordt informatie actueel gehouden?

2. Kennis geschikt maken voor AI

AI kan alleen werken met informatie die beschikbaar is. Daarnaast moet duidelijk zijn welke status informatie heeft. Een conceptdocument heeft immers een andere betekenis dan een goedgekeurde werkinstructie.

3. Ondersteuning van dagelijkse werkzaamheden

Pas wanneer informatie goed georganiseerd is, kan AI medewerkers gericht ondersteunen bij hun werk. Daarmee verschuift de aandacht van technologie alleen naar de combinatie van technologie, informatie en eigenaarschap.

Tech + Touch + AI

Binnen TeamValue kijken we daarom naar AI vanuit drie samenhangende onderdelen. Tech zorgt voor de technische omgeving waarin AI toegang heeft tot relevante informatie. Touch staat voor menselijk eigenaarschap, samenwerking en besluitvorming. AI ondersteunt medewerkers door informatie samen te brengen en voorstellen voor te bereiden.

Deze combinatie sluit aan bij de manier waarop TeamValue technologie inzet: niet als doel op zich, maar als middel om aantoonbare waarde te realiseren.

Wat er verandert wanneer kennis expliciet wordt

Veel organisaties beschikken over waardevolle kennis. Een deel daarvan staat in documenten, systemen en processen. Een ander deel zit in ervaring van medewerkers. Wanneer kennis explicieter wordt vastgelegd, ontstaan meerdere voordelen. Besluiten worden beter uitlegbaar. Kennis wordt minder afhankelijk van individuele medewerkers. Eerdere ervaringen blijven beschikbaar voor vergelijkbare situaties. En feedback kan worden gebruikt om processen verder te verbeteren. Dat zijn voordelen die ook zonder AI waardevol zijn, maar die tegelijkertijd de basis vormen voor betrouwbare AI-ondersteuning.

Begin niet bij de tool

De eerste vraag hoeft daarom niet te zijn: Welke AI-tool moeten we aanschaffen? Een betere start is een proces of besluit dat regelmatig terugkomt. Vraag vervolgens:

1. Welke kennis is nodig om dit besluit goed voor te bereiden?
2. Welke informatiebronnen zijn daarvoor relevant?
3. Waar blijft menselijk oordeel noodzakelijk?

Pas daarna wordt zichtbaar welke rol AI daadwerkelijk kan spelen.

Geen keuze tussen snelheid en controle

AI hoeft organisaties niet te dwingen te kiezen tussen snelheid en verantwoordelijkheid. De uitdaging ligt vooral in het organiseren van kennis, bronnen en eigenaarschap. Wanneer duidelijk is welke informatie wordt gebruikt, waarop voorstellen zijn gebaseerd en waar de menselijke beslisgrens ligt, ontstaat een werkvorm waarin AI ondersteunt en medewerkers verantwoordelijkheid houden. Of eenvoudiger gezegd: De AI stelt voor. De mens beslist.

Niet de hoeveelheid prompts of het aantal gebruikers bepaalt uiteindelijk de waarde van AI, maar de mate waarin betere beslissingen, betere processen en betere resultaten ontstaan.

Aan de slag met AI

AI levert de meeste waarde wanneer het rust op een stevig fundament van kennis, processen en eigenaarschap. Organisaties die daarin investeren, creëren de voorwaarden om AI succesvol en verantwoord in te zetten. Benieuwd hoe dat er binnen jouw organisatie uitziet? Neem contact op met Christian Sinke via het contactformulier of mail naar [email protected].