Waarom AI in boardrooms sneller groeit dan in operatiekamers, magazijnen en finance-afdelingen
Wie vandaag een boardroom binnenloopt, krijgt al snel het gevoel dat AI overal is. Strategische sessies gaan over AI-transformatie. Investeerders vragen naar AI-roadmaps. Consultants presenteren AI-maturity scans. En vrijwel iedere organisatie heeft inmiddels wel een pilot, taskforce of innovatieprogramma rondom kunstmatige intelligentie.
Maar wie vervolgens een magazijn, finance-afdeling, operatiekamer of backoffice binnenloopt, ziet vaak een heel andere werkelijkheid. Oeps. Daar draait het dagelijks werk nog verrassend vaak op Excel-sheets, handmatige controles, losse systemen, procesuitzonderingen en medewerkers die vooral proberen om de operatie draaiend te houden.
Juist daar ontstaat een interessante spanning. AI groeit momenteel sneller in boardrooms dan in de operatie zelf. Dat klinkt misschien vreemd, want de technologie ontwikkelt zich razendsnel. Toch blijkt de echte uitdaging rondom AI steeds minder technologisch van aard.
De meeste organisaties hebben inmiddels toegang tot krachtige AI-tools. De echte vraag is inmiddels heel ergens anders komen te liggen: Hoe krijg je AI daadwerkelijk werkend binnen bestaande processen, systemen en organisaties?
En precies daar begint de complexiteit. Of de uitdaging. Het is maar hoe je er naar kijkt natuurlijk.
Want een AI-demo bouwen is relatief eenvoudig. Dat doet mijn dochter van vijftien inmiddels best aardig. Een AI-oplossing structureel integreren in een primaire operatie is iets totaal anders. Dan gaat het ineens over datakwaliteit, governance, eigenaarschap, compliance, beveiliging, uitzonderingen, menselijke adoptie en legacy-systemen die soms al twintig jaar onderdeel zijn van de organisatie.
Veel CFO’s herkennen dat spanningsveld inmiddels maar al te goed. De ambitie richting realtime forecasting, AI-gestuurde analyses en continue monitoring groeit snel. Maar tegelijkertijd worstelen veel finance-afdelingen nog met versnipperde ERP-landschappen, handmatige afsluitingsprocessen en complexe rapportageketens. In theorie kan AI enorme versnellingen brengen. In de praktijk blijkt eerst vaak de fundering verstevigd te moeten worden.
Dat zie je niet alleen binnen finance. Ook in logistiek, zorg en retail ontstaat steeds vaker dezelfde realiteit. AI presteert uitstekend in gecontroleerde pilots, maar botst vervolgens op de rommeligheid van de dagelijkse praktijk. Want echte organisaties functioneren zelden als een strak afgebakende demo-omgeving.
Juist daarom verschuift de AI-discussie langzaam. Een paar jaar geleden draaide vrijwel alles om de vraag: “Wat kan AI?”. Echter, vandaag ontstaat een veel interessantere vraag: “Waarom lukt het organisaties zo moeilijk om AI écht onderdeel van hun operatie te maken?”
Dat verklaart ook waarom grote organisaties steeds vaker samenwerking zoeken rondom AI. Initiatieven zoals KickstartAI laten zien dat bedrijven ontdekken dat succesvolle AI-adoptie niet alleen draait om technologie, maar vooral om organisatieverandering, kennisdeling en operationele implementatie. Partijen als ING, KLM, NS en Ahold Delhaize proberen gezamenlijk ervaring op te bouwen rondom vraagstukken die vrijwel iedere grote organisatie inmiddels tegenkomt.
En misschien is dat uiteindelijk wel de belangrijkste ontwikkeling van dit moment.
De winnaars van de komende vijf jaar worden waarschijnlijk niet de organisaties met de mooiste AI-presentaties of de grootste hoeveelheid pilots. De echte voorsprong ontstaat vermoedelijk bij organisaties die AI stilletjes, gecontroleerd en schaalbaar weten te integreren in hun dagelijkse processen. Niet zichtbaar op innovatie-events.
Maar diep ingebouwd in voorraadbeheer, zorgprocessen, financiële monitoring, personeelsplanning, logistieke stromen en operationele besluitvorming.
Misschien wordt AI pas écht volwassen zodra het saai begint te worden. Heel saai dat dan wel weer.