Leiderschap in AI-transformaties: inzichten uit ons marktonderzoek

Welkom bij AIToday Live, waar we kunstmatige intelligentie begrijpbaar maken voor iedereen. Deze aflevering is een beetje anders dan je van ons gewend bent. Door een ernstige longontsteking ben ik, Joop, helaas mijn stem kwijt. Maar zoals je weet, laten we ons bij deze podcast niet zomaar tegenhouden. Daarom gebruik ik vandaag een kopie van mijn stem gemaakt met ElevenLabs, zodat we je ook nu kunnen blijven voorzien van inspirerende inzichten en praktische kennis over kunstmatige intelligentie. Laten we beginnen. Vandaag start ik een speciale driedelige serie over leiderschap in AI transformaties. Deze serie is niet zomaar uit de lucht komen vallen. We hebben recent een groot marktonderzoek gedaan onder 414 Nederlandse organisaties om te zien hoe ver we als land eigenlijk zijn met AI adoptie. En de resultaten zijn, op zijn zachtst gezegd, ontnuchterend. Slechts 3% van de Nederlandse organisaties heeft AI volledig geïntegreerd in hun bedrijfsprocessen. Nog schokkender, 60% heeft helemaal geen duidelijke strategie voor het gebruik van AI. En weet je wat het meest opvallende was? De grootste uitdagingen blijken niet technisch van aard. Het zijn geen problemen met algoritmes of computerkracht. Nee, het gaat om leiderschap, visie en organisatieverandering. Het onderzoek laat zien dat een derde van de organisaties nog in de verkennende fase zit. Ze experimenteren wat, ze kijken rond, maar er is geen concrete richting. En dat is precies waarom ik deze serie maak. Want AI is fundamenteel anders dan eerdere technologische innovaties. Het is als het verschil tussen het aanleggen van een spoorlijn en het uitvinden van elektriciteit. Een spoorlijn is een duidelijk project. Je weet waar je begint, waar je eindigt en wat er tussenin moet gebeuren. Maar elektriciteit? Dat veranderde alles. Van hoe we werken tot hoe we leven. En dat is precies wat er nu met AI gebeurt. Nu we de stand van zaken kennen, laten we kijken naar drie cruciale aspecten die het verschil maken tussen succes en falen bij AI-implementatie. Laat me je meenemen in deze drie essentiële aspecten die ik in mijn werk steeds weer tegenkom. Ten eerste het verschil tussen een AI-project en een AI-transformatie. Veel organisaties beginnen met een AI-project. Ze willen bijvoorbeeld hun klantenservice verbeteren met een chatbot. Prima start, maar wat ik vaak zie is dat ze het behandelen als een geïsoleerd technisch project. Ze geven het aan de IT-afdeling en denken regel het maar. Maar dan gebeurt er iets interessants. Die chatbot gaat vragen beantwoorden. En opeens realiseert de marketing-afdeling zich dat ze toegang hebben tot nieuwe klantinzichten. De sales-afdeling ziet patronen in klantvragen die ze kunnen gebruiken. De HR-afdeling denkt, kunnen we dit ook niet gebruiken voor interne ondersteuning? Voor je het weet raakt je simpele chatbot project aan alle aspecten van je organisatie. Waar het eerste aspect draait om de scoop van AI-projecten, raakt het tweede aspect de kern van elke organisatie. De menselijke kant en het cultuur aspect. Hier werd ik recent hard mee geconfronteerd tijdens een workshop bij een grote onderneming. Ze hadden een prachtig plan ontwikkeld om AI in te zetten voor kwaliteitscontroles. De business case was helder. Het zou sneller gaan, efficiënter zijn en kosten besparen. Maar het meest ingrijpende aspect was dat de kwaliteitscontroleurs niet meer op locatie hoefden te werken. Ze zouden voortaan vanachter een bureau de AI-systemen monitoren. Van een fysieke, praktische baan in het veld naar een kantoorfunctie. Toen ik vroeg hoe de controleurs hier tegenover stonden, viel er een lange stilte. Het bleek dat niemand het hen had gevraagd. Niet één persoon. Er zat een hele groep slimme mensen bij elkaar. Managers, IT-specialisten, consultants. Maar niemand had bedacht om de mensen wiens werk compleet zou veranderen erbij te betrekken. En dan vragen we ons af waarom AI-projecten vaak mislukken. Dit sluit precies aan bij wat we in ons onderzoek zien. En dat percentage is waarschijnlijk nog veel hoger omdat veel organisaties deze uitdaging pas zien als het al te laat is. Wat hier miste was leiderschap dat verder keek dan de technologie. Leiderschap dat begrijpt dat je mensen moet meenemen in de verandering. Want hoe goed je AI-systeem ook is, als de mensen die ermee moeten werken zich gepasseerd voelen, heb je bij voorbaat al verloren. Deze culturele impact brengt ons bij het derde cruciale aspect. De rol van visie en timing. En hier moet ik een hardnekkige mythe ontkrachten. Vaak hoor ik leiders zeggen, we moeten eerst al onze data op orde hebben voordat we met AI kunnen beginnen. Dat klinkt logisch, maar het is een valkuil. Het is als zeggen dat je pas gaat koken als je een perfect uitgeruste sterrenkeuken hebt. De realiteit is anders. Je begint met een experiment, een eerste toepassing. En juist dat experiment brengt de echte strategische vraagstukken naar boven. Uit ons onderzoek blijkt dat slechts één op de tien organisaties een gedocumenteerd ethisch kader heeft voor AI-gebruik. Maar weet je wanneer organisaties meestal beseffen dat ze zo'n kader nodig hebben? Precies. Als ze midden in hun eerste AI-project zitten en tegen ethische dilemma's aanlopen. Het is als het ontdekken van een nieuwe stad. Je kunt eindeloos kaarten bestuderen, maar pas als je er rondloopt, ontdek je waar de echte uitdagingen liggen. Welke data mis je nog? Welke ethische grenzen wil je als organisatie hanteren? Waar wil je over vijf jaar staan? En hoe past AI? In dat plaatje. Welke risico's ben je bereid te nemen? Dit zijn geen vragen die je vanaf de zijlijn kunt beantwoorden. Ons onderzoek laat zien dat 23% van de organisaties worstelt met datakwaliteit. Maar interessant genoeg zien we ook dat organisaties die al experimenteren met AI, veel beter weten welke data ze missen en waarom die data waardevol is. Ze hebben een concreet doel voor ogen. Dit brengt me bij drie essentiële verantwoordelijkheden voor leiders in AI transformatie. De eerste is het creëren van een lerende organisatie. Uit ons onderzoek blijkt dat 24% van de bedrijven investeert in training en bewustwordingsprogramma's voor medewerkers over veilig AI gebruik. Maar let op. Het gaat niet alleen om veiligheid. Het gaat om het creëren van een cultuur waarin mensen durven te experimenteren, fouten mogen maken en vooral hun zorgen kunnen delen. De tweede verantwoordelijkheid is het bewaken van ethische grenzen. In ons onderzoek geeft 29% van de organisaties aan dat privacy en ethische overwegingen hun grootste uitdaging vormen bij AI implementatie. Als leider moet je hier proactief mee aan de slag. Wacht niet tot er problemen ontstaan. De derde verantwoordelijkheid is het verbinden van verschillende werelden. Ons onderzoek laat zien dat bij 32% van de organisaties de verantwoordelijkheid voor AI bij één specifieke afdeling ligt. Meestal IT. Dat is een recept voor mislukking. AI moet een gezamenlijke verantwoordelijkheid zijn. Gedragen door de hele organisatie. Wat betekent dit concreet? In ons onderzoek zien we dat organisaties die AI succesvol implementeren drie dingen gemeen hebben. Ze investeren in kennisdeling over afdelingen heen. Ze betrekken medewerkers vroeg in het proces. En misschien wel het belangrijkste, ze durven te beginnen voordat alles perfect is. Als je na deze aflevering één ding wil doen. Begin klein, maar begin wel. Kijk naar je eigen organisatie. Waar zou AI waarden kunnen toevoegen? Start een gesprek, niet alleen met je IT afdeling, maar juist met de mensen die het dagelijkse werk doen. Want zoals ons onderzoek laat zien, de technologie is meestal niet het probleem. Het gaat om de menselijke kant. En als je meer wilt weten over dit onderwerp, zorg dan dat je volgende week weer luistert. Dan duiken we dieper in de specifieke uitdagingen waar leiders tegenaan lopen bij AI implementaties. En hopelijk gaat dat weer met mijn eigen stem. Je hoorde vast dat de voice cloning hier en daar een foutje maakte. Voor mij was dit een nuttig experiment. En zo konden we deze aflevering toch mogelijk maken. Tot volgende week. [Muziek]