Niet AI koelt af, maar onze verwachtingen lopen vast

Waar het een jaar geleden nog ging over versnelling, exponentiële groei en het idee dat we aan de vooravond stonden van iets dat alles zou veranderen, zie je nu voorzichtig andere woorden opduiken, woorden die iets minder uitbundig zijn en iets meer lijken te zoeken naar houvast.

Het is verleidelijk om dat te duiden als een afkoelende hype, alsof AI langzaam zijn glans verliest en we ons opmaken voor een volgende fase in een bekende cyclus, maar dat is eerlijk gezegd een te comfortabele interpretatie, omdat die suggereert dat het probleem ergens buiten ons ligt, in de technologie zelf, terwijl de werkelijkheid een stuk ongemakkelijker is.

AI koelt namelijk niet af. Wat vastloopt, zijn onze verwachtingen.

De technologie ontwikkelt zich precies zoals je zou verwachten

Wie met een beetje afstand kijkt naar wat er daadwerkelijk gebeurt, kan moeilijk volhouden dat AI tegenvalt, want de ontwikkeling van de technologie zelf laat een vrij consistent beeld zien van modellen die beter worden, sneller reageren, goedkoper draaien en steeds breder toepasbaar zijn in het dagelijks werk van professionals.

Wat gisteren nog een experiment was dat alleen in demo’s overtuigde, is vandaag onderdeel van tooling die gewoon gebruikt wordt voor analyses, teksten, besluitvorming en procesondersteuning, vaak niet perfect maar wel goed genoeg om een rol te spelen.

En juist dat maakt deze fase interessant, omdat het moment waarop technologie “goed genoeg” wordt, zelden het moment is waarop alles versnelt, maar eerder het moment waarop zichtbaar wordt waar de echte beperkingen zitten.

De echte beperking zit niet in AI, maar in hoe wij werken

Organisaties hebben de afgelopen jaren massaal geïnvesteerd in AI, vaak met oprechte nieuwsgierigheid en ambitie, maar ook met een zekere vrijblijvendheid die hoort bij experimenteren, waardoor pilots, proof-of-concepts en inspiratiesessies elkaar in hoog tempo opvolgden zonder dat ze altijd diep ingrepen in de kern van hoe er gewerkt werd.

Zolang AI iets was dat je kon uitproberen, bleef het veilig, maar zodra toepassingen dichter tegen de dagelijkse praktijk aan komen te liggen, ontstaat er frictie.

Die frictie zit zelden in de technologie zelf, maar vrijwel altijd in de context waarin die technologie moet functioneren, omdat data versnipperd blijkt te zijn, processen minder flexibel zijn dan gedacht en besluitvorming nog steeds afhankelijk blijft van mensen die, hoe ervaren ook, hun eigen tempo, onzekerheden en voorkeuren meebrengen. Systemen die in theorie zelfstandig kunnen handelen, worden in de praktijk teruggehaald naar overlegtafels, uitzonderingslijsten en controlemechanismen, niet omdat dat technisch noodzakelijk is, maar omdat het organisatorisch comfortabel voelt.

Daarmee wordt de echte bottleneck zichtbaar, en die heeft opvallend weinig met algoritmes te maken.

We verwachten versnelling, maar houden alles intact wat ons vertraagt

De spanning die nu ontstaat, heeft alles te maken met een fundamentele tegenstrijdigheid waar weinig organisaties zich echt bewust van zijn, namelijk dat ze versnelling verwachten zonder iets los te laten van de structuren die hen juist vertragen.

Besluitvorming blijft hiërarchisch ingericht, verantwoordelijkheden blijven versnipperd over afdelingen en lagen, en data blijft vaak opgesloten in silo’s die historisch zijn gegroeid en zelden fundamenteel worden herzien.

In zo’n omgeving kan AI wel inzichten genereren en suggesties doen, maar het kan niet echt doorwerken, omdat elke stap die verder gaat dan adviseren direct botst met bestaande manieren van werken, waardoor de impact beperkt blijft en het gevoel ontstaat dat de technologie minder oplevert dan vooraf werd gedacht.

Dat gevoel is geen bewijs dat AI tegenvalt, maar een signaal dat organisaties zichzelf niet in hetzelfde tempo aanpassen.

De vraag verschuift van mogelijkheden naar resultaten

Waar de eerste fase van AI vooral werd gedreven door de vraag wat er technisch mogelijk is, verschuift het gesprek nu langzaam naar een veel minder comfortabele vraag, namelijk wat er daadwerkelijk wordt bereikt in termen van betere beslissingen, hogere marges of efficiëntere processen.

Veel organisaties kunnen inmiddels overtuigend laten zien wat AI kan doen in een gecontroleerde setting, maar het aantal organisaties dat structureel kan aantonen dat die toepassingen leiden tot meetbare en duurzame verbetering in de praktijk, blijft vooralsnog beperkt.

En precies daar beginnen verwachtingen te kantelen, omdat de belofte van technologie pas echt waarde krijgt als die zich vertaalt naar resultaten die verder gaan dan experiment en presentatie.

De sprong naar autonomie legt vooral onze twijfel bloot

Tegelijkertijd zie je dat het gesprek zich alweer verplaatst naar een volgende fase, waarin niet alleen wordt gekeken naar systemen die adviseren, maar ook naar systemen die daadwerkelijk handelen, vaak onder de noemer van agentic AI. Op papier is dat een logische stap in de ontwikkeling, maar in de praktijk maakt het vooral zichtbaar hoe ongemakkelijk organisaties nog zijn met het idee van controleverlies en verantwoordelijkheid.

Het vertrouwen dat nodig is om systemen daadwerkelijk beslissingen te laten nemen, is namelijk niet iets wat je met technologie alleen kunt afdwingen, maar iets wat voortkomt uit inzicht in processen, data en de werking van die systemen, en juist dat inzicht is in veel organisaties nog onvoldoende ontwikkeld.

Daardoor ontstaat een merkwaardige situatie waarin we praten over autonomie, terwijl de basisvoorwaarden daarvoor nog niet op orde zijn.

Wat hier gebeurt is geen afkoeling, maar confrontatie

Het beeld van een afkoelende AI-hype is aantrekkelijk omdat het suggereert dat we te maken hebben met een tijdelijke fase, een soort natuurlijke terugslag na een periode van overmatige verwachtingen, maar wat hier daadwerkelijk gebeurt, lijkt eerder op een confrontatie met de grenzen van hoe organisaties functioneren.

Technologie ontwikkelt zich door, maar dwingt tegelijkertijd een spiegel af waarin zichtbaar wordt dat vooruitgang niet alleen afhankelijk is van wat er technisch mogelijk is, maar vooral van wat organisaties bereid zijn te veranderen.

En dat laatste blijkt in de praktijk vaak een stuk weerbarstiger.

Wat overblijft is een ongemakkelijke conclusie

AI gaat zich blijven ontwikkelen, met of zonder onze verwachtingen, en de toepassingen zullen zich verder verdiepen in processen en besluitvorming, ongeacht of organisaties daar volledig klaar voor zijn.

De vraag is daarom niet of de technologie zijn belofte gaat waarmaken, maar of organisaties in staat zijn om zichzelf zo aan te passen dat die belofte ook daadwerkelijk gerealiseerd kan worden.

En precies daar wordt het interessant, omdat het antwoord op die vraag niet ligt in betere modellen of snellere algoritmes, maar in de bereidheid om structuren, verantwoordelijkheden en manieren van werken fundamenteel ter discussie te stellen.

Want als dat niet gebeurt, ontstaat er geen AI-winter en ook geen geleidelijke afkoeling, maar iets dat misschien nog lastiger te erkennen is: technologie die blijft werken en verbeteren, in organisaties die daar structureel onder blijven presteren.

Er hangt de laatste tijd een ander soort gesprek in de lucht als het over AI gaat, een gesprek dat minder gedreven wordt door beloftes en doorbraken en meer door een onderhuidse twijfel die zich moeilijk laat benoemen, maar die wel degelijk voelbaar is in hoe professionals erover praten, presenteren en er uiteindelijk wel of niet op doorpakken. Waar het een jaar geleden nog ging over versnelling, exponentiële groei en het idee dat we aan de vooravond stonden van iets dat alles zou veranderen, zie je nu voorzichtig andere woorden opduiken, woorden die iets minder uitbundig zijn en iets meer lijken te zoeken naar houvast.

Het is verleidelijk om dat te duiden als een afkoelende hype, alsof AI langzaam zijn glans verliest en we ons opmaken voor een volgende fase in een bekende cyclus, maar dat is eerlijk gezegd een te comfortabele interpretatie, omdat die suggereert dat het probleem ergens buiten ons ligt, in de technologie zelf, terwijl de werkelijkheid een stuk ongemakkelijker is.

AI koelt namelijk niet af. Wat vastloopt, zijn onze verwachtingen.

De technologie ontwikkelt zich precies zoals je zou verwachten

Wie met een beetje afstand kijkt naar wat er daadwerkelijk gebeurt, kan moeilijk volhouden dat AI tegenvalt, want de ontwikkeling van de technologie zelf laat een vrij consistent beeld zien van modellen die beter worden, sneller reageren, goedkoper draaien en steeds breder toepasbaar zijn in het dagelijks werk van professionals. Wat gisteren nog een experiment was dat alleen in demo’s overtuigde, is vandaag onderdeel van tooling die gewoon gebruikt wordt voor analyses, teksten, besluitvorming en procesondersteuning, vaak niet perfect maar wel goed genoeg om een rol te spelen.

En juist dat maakt deze fase interessant, omdat het moment waarop technologie “goed genoeg” wordt, zelden het moment is waarop alles versnelt, maar eerder het moment waarop zichtbaar wordt waar de echte beperkingen zitten.

De echte beperking zit niet in AI, maar in hoe wij werken

Organisaties hebben de afgelopen jaren massaal geïnvesteerd in AI, vaak met oprechte nieuwsgierigheid en ambitie, maar ook met een zekere vrijblijvendheid die hoort bij experimenteren, waardoor pilots, proof-of-concepts en inspiratiesessies elkaar in hoog tempo opvolgden zonder dat ze altijd diep ingrepen in de kern van hoe er gewerkt werd. Zolang AI iets was dat je kon uitproberen, bleef het veilig, maar zodra toepassingen dichter tegen de dagelijkse praktijk aan komen te liggen, ontstaat er frictie.

Die frictie zit zelden in de technologie zelf, maar vrijwel altijd in de context waarin die technologie moet functioneren, omdat data versnipperd blijkt te zijn, processen minder flexibel zijn dan gedacht en besluitvorming nog steeds afhankelijk blijft van mensen die, hoe ervaren ook, hun eigen tempo, onzekerheden en voorkeuren meebrengen. Systemen die in theorie zelfstandig kunnen handelen, worden in de praktijk teruggehaald naar overlegtafels, uitzonderingslijsten en controlemechanismen, niet omdat dat technisch noodzakelijk is, maar omdat het organisatorisch comfortabel voelt.

Daarmee wordt de echte bottleneck zichtbaar, en die heeft opvallend weinig met algoritmes te maken.

We verwachten versnelling, maar houden alles intact wat ons vertraagt

De spanning die nu ontstaat, heeft alles te maken met een fundamentele tegenstrijdigheid waar weinig organisaties zich echt bewust van zijn, namelijk dat ze versnelling verwachten zonder iets los te laten van de structuren die hen juist vertragen. Besluitvorming blijft hiërarchisch ingericht, verantwoordelijkheden blijven versnipperd over afdelingen en lagen, en data blijft vaak opgesloten in silo’s die historisch zijn gegroeid en zelden fundamenteel worden herzien.

In zo’n omgeving kan AI wel inzichten genereren en suggesties doen, maar het kan niet echt doorwerken, omdat elke stap die verder gaat dan adviseren direct botst met bestaande manieren van werken, waardoor de impact beperkt blijft en het gevoel ontstaat dat de technologie minder oplevert dan vooraf werd gedacht.

Dat gevoel is geen bewijs dat AI tegenvalt, maar een signaal dat organisaties zichzelf niet in hetzelfde tempo aanpassen.

De vraag verschuift van mogelijkheden naar resultaten

Waar de eerste fase van AI vooral werd gedreven door de vraag wat er technisch mogelijk is, verschuift het gesprek nu langzaam naar een veel minder comfortabele vraag, namelijk wat er daadwerkelijk wordt bereikt in termen van betere beslissingen, hogere marges of efficiëntere processen. Veel organisaties kunnen inmiddels overtuigend laten zien wat AI kan doen in een gecontroleerde setting, maar het aantal organisaties dat structureel kan aantonen dat die toepassingen leiden tot meetbare en duurzame verbetering in de praktijk, blijft vooralsnog beperkt.

En precies daar beginnen verwachtingen te kantelen, omdat de belofte van technologie pas echt waarde krijgt als die zich vertaalt naar resultaten die verder gaan dan experiment en presentatie.

De sprong naar autonomie legt vooral onze twijfel bloot

Tegelijkertijd zie je dat het gesprek zich alweer verplaatst naar een volgende fase, waarin niet alleen wordt gekeken naar systemen die adviseren, maar ook naar systemen die daadwerkelijk handelen, vaak onder de noemer van agentic AI. Op papier is dat een logische stap in de ontwikkeling, maar in de praktijk maakt het vooral zichtbaar hoe ongemakkelijk organisaties nog zijn met het idee van controleverlies en verantwoordelijkheid.

Het vertrouwen dat nodig is om systemen daadwerkelijk beslissingen te laten nemen, is namelijk niet iets wat je met technologie alleen kunt afdwingen, maar iets wat voortkomt uit inzicht in processen, data en de werking van die systemen, en juist dat inzicht is in veel organisaties nog onvoldoende ontwikkeld.

Daardoor ontstaat een merkwaardige situatie waarin we praten over autonomie, terwijl de basisvoorwaarden daarvoor nog niet op orde zijn.

Wat hier gebeurt is geen afkoeling, maar confrontatie

Het beeld van een afkoelende AI-hype is aantrekkelijk omdat het suggereert dat we te maken hebben met een tijdelijke fase, een soort natuurlijke terugslag na een periode van overmatige verwachtingen, maar wat hier daadwerkelijk gebeurt, lijkt eerder op een confrontatie met de grenzen van hoe organisaties functioneren. Technologie ontwikkelt zich door, maar dwingt tegelijkertijd een spiegel af waarin zichtbaar wordt dat vooruitgang niet alleen afhankelijk is van wat er technisch mogelijk is, maar vooral van wat organisaties bereid zijn te veranderen.

En dat laatste blijkt in de praktijk vaak een stuk weerbarstiger.

Wat overblijft is een ongemakkelijke conclusie

AI gaat zich blijven ontwikkelen, met of zonder onze verwachtingen, en de toepassingen zullen zich verder verdiepen in processen en besluitvorming, ongeacht of organisaties daar volledig klaar voor zijn. De vraag is daarom niet of de technologie zijn belofte gaat waarmaken, maar of organisaties in staat zijn om zichzelf zo aan te passen dat die belofte ook daadwerkelijk gerealiseerd kan worden.

En precies daar wordt het interessant, omdat het antwoord op die vraag niet ligt in betere modellen of snellere algoritmes, maar in de bereidheid om structuren, verantwoordelijkheden en manieren van werken fundamenteel ter discussie te stellen.

Want als dat niet gebeurt, ontstaat er geen AI-winter en ook geen geleidelijke afkoeling, maar iets dat misschien nog lastiger te erkennen is: technologie die blijft werken en verbeteren, in organisaties die daar structureel onder blijven presteren.