Waar levert AI echt geld op in je organisatie?

Hoi, welkom weer bij een korte aflevering van AIToday Live. Ik ben Joop Snijder, Head of AI bij Info Support. En we gaan het vandaag hebben over waar zit nou die waarde van AI. Stel je een organisatie voor die net honderd Copilot-licenties heeft aangeschaft. Misschien werk jij wel in zo'n organisatie. Je ziet dat iedereen een eigen AI-assistent krijgt. De trainingen staan gepland en de verwachtingen zijn hoog. Een half jaar later buigt de directie zich over de cijfers en stelt de simpele vraag: wat heeft ons dit eigenlijk opgeleverd? Dat is een vraag die eigenlijk steeds vaker terugkomt. Wat levert het nou allemaal op? En niet omdat AI niet werkt, maar omdat we vaak op de verkeerde plek naar waarde zoeken. En de basis om dat op te lossen, is simpel. Je moet het verschil maken in wat je met AI wilt bereiken. Dus niet elke inzet van AI hetzelfde doel. En dus meet je ook niet overal hetzelfde succes. Dat ga ik je uitleggen in deze aflevering. Veel organisaties richten hun geld en aandacht op AI-adoptie. Tools aanschaffen, licenties uitdelen, mensen trainen. De belofte is dan persoonlijke productiviteit. Werk dat makkelijker gaat, sneller gaat en prettig voelt. Het vreemde is dat je die productiviteit nauwelijks terugvindt op de balans. Soms staat hij er zelfs enkel als kostenpost. En als je het bij deze vorm van adoptie laat, kun je het beste ook zo behandelen. Je runt de adoptie dan als een cost center. Een afdeling die geld kost en geen geld oplevert. Denk aan de koffieautomaat op je kantoor, nodig, fijn om te hebben. Iedereen gebruikt hem. Maar niemand verwacht dat die automaat omzet gaat maken. En zo werkt AI-adoptie op individueel niveau, wat mij betreft ook. Dus een voorziening voor je mensen en geen verdienmodel voor je organisatie. Deze vorm van adoptie brengt je op middellange termijn geen concurrentievoordeel. De meeste bedrijven zetten deze stap en komen ongeveer op gelijk niveau uit met hun concurrenten. Waarom doe je het dan toch? Voor je medewerkers, zodat zij hun werk makkelijker of beter kunnen doen. En wat je dan gaat meten, is wat Gartner onderzoeksbureau Return on Employee noemt. Dus opbrengsten voor de medewerker. En daarmee ontwijk je eigenlijk de term waar het uiteindelijk om gaat, namelijk Return on Investment. Aan de andere kant van het spectrum staat de belofte van agentic AI die complete bedrijfsmodellen verandert en die leidt naar marktleiderschap. Je ziet de meeste aandacht in de media en op social media gaat daar naartoe. Maar besef dat dit vooral risico-investeringen zijn. Daar niks mis mee zolang je de gevolgen en de risico's daarvan aanvaardt. Ontwikkel je use cases in deze categorie, behandel ze dan als een investeerder in start-ups, een venture capitalist. Stopt geld in. Tien, twintig jonge bedrijven, wetend dat er negen of negentien zullen mislukken. En die ene die wel doorbreekt, brengt dan genoeg op om alle mislukkingen te compenseren en dan nog winst over te houden. Je verwacht dus niet dat elk experiment slaagt. Je verwacht dat een succesvolle poging de rest goedmaakt. En lukt zo'n poging binnen jouw organisatie, dan heb je een echte gamechanger te pakken en kun je misschien wel uitgroeien tot marktleider. Maar de meeste van deze experimenten mislukken en dat is dan geen falen. Want dat hoort bij dit soort investeringen. Wie je instapt zonder dat te accepteren, die wordt vroeg of laat teleurgesteld door zijn eigen verwachtingen. Niet door de technologie, niet door AI. Waar zit dan de meeste waarde? De meeste use cases zitten niet aan een van de beide uiteinden, maar in het midden. Daar waar AI, namelijk je bestaande business uitbreidt en het wordt ingezet in je processen. Hetzelfde onderzoek van Gartner gepresenteerd op de Data & Analytics Summit van dit jaar wijst uit dat verreweg het grootste deel van de AI-waarde in bedrijven precies hier ontstaat. Dus in het uitbreiden van bestaande processen en niet in de uitersten en dat geloof ik ook echt in. Want het is namelijk ook logisch. Want dit is wat schaalt, die processen zijn herhaalbaar in tegenstelling tot de persoonlijke productiviteit die per persoon en per taak verschilt. Een proces werkt voor iedereen op dezelfde manier. En hier stuur je dan dus ook anders. Je behandelt dit deel van je AI-portfolio als een profit center. Te vergelijken. Met een winkel die zijn eigen omzet moet verdienen. Het gaat niet meer om de productiviteit van een individu. Het gaat om groei in marktaandeel bijvoorbeeld of groei in omzet. Of groei in winst. Maar niet meer over het woordje productiviteit. Zet je AI hierin, dan werkt dat door in je winst- en verliesrekening. Ga je terugzien op je balans. En hier ben je eindelijk bezig met Return on Investment. Je merkt dat er steeds vaker getwijfeld wordt over de opbrengsten van AI. Vaak terecht, want die twijfel gaat meestal namelijk over die investering in die persoonlijke productiviteit. Waar je dus sowieso geen Return on Investment meet. Dus de constatering klopt dan gewoon. Dus mijn tip: zoek naar use cases waar echt een business case voor te maken is. Die vind je in het optimaliseren van je processen met AI, of nog beter in het herstructureren van je processen. Beoordeel daarom deze week je eigen AI-initiatieven eens kritisch. Zit het merendeel in de categorie persoonlijke productiviteit. Dan weet je nu waarom het lastig te verantwoorden blijft. Zit het al in je processen, dan sta je er goed voor. Durf je nog een stap verder te gaan, ga dan het gesprek aan over welke processen je met AI zou kunnen herstructureren in plaats van versnellen. Wil je niets missen van dit soort inzichten, volg AIToday Live dan in je podcast-app. Dan mis je geen aflevering. En het leuke is, we hebben ook een marktonderzoek uitgevoerd. Da zie je ongeveer dezelfde patronen in onder ruim 400 Nederlandse bedrijven. En de link staat in de show notes en je kan het onderzoek gewoon gratis lezen. Je hoeft geen data achter te laten, gewoon lezen, downloaden. En het allerbelangrijkste natuurlijk is: bedenk AI is niet de oplossing voor elk probleem, maar onmisbaar waar het past. Tot de volgende keer