Ik denk het niet. En dat heeft een reden.
Als AI net zo makkelijk waarde opleverde als het lijkt, had iedereen allang fors geïnvesteerd. Er zit echte productiviteitswinst in specifieke taken. Maar probeer die winst eens om te zetten in harde financiële resultaten over een volledig bedrijfsproces. Dat is een vak apart.
Onze specialisten werken elke dag binnen de IT-teams van grote Nederlandse organisaties, en ik zit regelmatig aan tafel met hun CIO’s. Wat ik daar zie, is iets heel anders dan het verhaal dat op congressen wordt verteld.
Waar het vastloopt
De CIO zit op dit moment klem, aan drie kanten.
Van bovenaf wil de directie weten wat het bedrijf met AI doet. De opdracht is vaak kort: bespaar met AI tien procent op de kosten. Regel het maar.
Van onderaf experimenteren nieuwsgierige mensen in de teams al volop. Ze bouwen hun eigen agents voor hun eigen taken en delen die met collega’s. Een deel daarvan is echt slim. Over het meeste heeft niemand overzicht.
En van buitenaf duwen de leveranciers hard. Elk van hen heeft een nieuw AI-product, en elk van hen wil dat het dit jaar nog op jouw roadmap staat.
Dus als iemand vraagt “wat is onze AI-strategie?”, is het eerlijke antwoord in de meeste organisaties: we hebben een stapel initiatieven.
Dan volgen de workshops, de use cases en de business cases. En daar loopt het vast. De technologie is het probleem niet. Het probleem is dat nog niemand anders het heeft gedaan. Door de onzekerheid over de uitkomst wordt een AI-besluit tegelijk een politiek én een financieel besluit. Dus wachten grote organisaties tot iemand anders eerst het risico wegneemt.
Wildgroei met een nieuw etiket
Ondertussen groeit die stapel gewoon door. Afdelingen starten hun eigen AI-initiatieven, zoals ze vroeger hun eigen maatwerksoftware bouwden. Niemand hergebruikt iets, en niemand ziet welke agents hetzelfde werk dubbel doen.
En laten we eerlijk zijn over wat we in die stapel zien, want een flink deel ervan is helemaal geen AI. Het is automatisering met een nieuw etiket. Automatisering is als-dit-dan-dat: vaste stappen, vooraf bepaald. Een AI-agent kan interpreteren, trends herkennen en zijn gedrag aanpassen. Hij kan cognitief redeneren en samenwerken met andere agents. Dat is het fundamentele verschil.
Zijn de leveranciers klaar om waarde te leveren?
Ik ben onder de indruk van Salesforce. Ze hebben het goed op orde en volgen duidelijk hun eigen koers. SAP is later begonnen, en ik denk dat dat een voordeel blijkt. Laat anderen de eerste fouten maken en kies dan je richting. Wat SAP volgens mij bijzonder goed doet, is AI bouwen op een fundament van datakwaliteit. En daar draait het om. SAP is een transactioneel systeem. Je kunt een prachtig model ontwikkelen, maar als de data eronder niet klopt, klopt de uitkomst ook niet. Ik leer elke dag van het werk van Ronald Konijnenburg en de data engineers om hem heen.
Ook Mendix ontwikkelt zich en positioneert zich opnieuw. De belofte van low-code was altijd snelheid. AI brengt die snelheid nu binnen ieders bereik. Daardoor verschuift de waarde van het platform naar de guardrails: controle, governance, kwaliteitsborging. Precies wat je nodig hebt als overal software met AI wordt gebouwd.
Eén ding is niet veranderd. Leveranciers lopen vaak vooruit op waar de markt vandaag klaar voor is. Wat SAP tien jaar geleden bedacht, nam de markt twee tot vier jaar later over (en sommige innovaties zijn nooit opgepakt). Het gaat nu alleen sneller.
Het kantelpunt
Toch komt er een echte productiviteitsomslag aan. Ik vergelijk het met de industriële revolutie. Eerst deed iedereen in de fabriek alles met de hand. Toen kwam de lopende band. Mensen stonden ernaast, ieder bij een eigen stuk van de band. Liep er iets vast, dan drukten ze op de knop, losten het op en lieten de band weer draaien.
Dat moment komt er ook voor bedrijfsprocessen. Stel je een set agents voor die 80% van je order-to-cash-proces overneemt. In dat proces heb je vooral mensen nodig die toezicht houden en ingrijpen als het vastloopt. Pas dan bereik je de kostenbesparing waar de directie nu al om vraagt.
Technisch zijn we daar dichter bij dan veel mensen denken. Maar heel veel organisaties draaien nog op hun oude ECC-omgeving. Wil je de nieuwe mogelijkheden van SAP gebruiken, dan moet je over naar S/4HANA en naar de cloud.
Dat is voor mij de kern. Het kantelpunt wordt niet bepaald door hoe slim AI wordt. Het wordt bepaald door de vraag of je kernsystemen, je processen en je data er klaar voor zijn. En het wordt bepaald door mensen.
Met AI kunnen mensen werk doen dat ze zonder AI niet konden. Maar vaak overzien ze niet wat ze ermee doen. Ze geloven wat eruit komt en kunnen het niet controleren. Gaat het mis, of raakt het token budget op, dan breekt paniek uit.
Het verschil maken de mensen die kunnen controleren. Onze ervaren consultants vertalen hun kennis heel goed naar AI, omdat ze weten hoe het hoort te werken. En er groeit een nieuwe generatie die vanzelfsprekend AI-first denkt en weet wat ze moet doen als AI het fout heeft.
Wat ik CIO’s adviseer
Begin met een proces waar het al zichtbaar misgaat, in mensen en in uren, want daar is de waarde het makkelijkst aan te tonen. Bouw vanuit één centrale aanpak, zodat je tweede initiatief voortbouwt op het eerste en je geen nieuw landschap van maatwerksoftware creëert. Regel de governance van je agents voordat je er tien hebt. Zorg dat je kernsystemen en je data op orde zijn, want zonder die basis geen waarde. En zorg dat er mensen zijn die de uitkomst kunnen controleren.
Eén Nederlands bedrijf heeft al ruim een miljard in AI gestoken: ASML, in Mistral. Dat is anticiperen op wie de modellen gaat bouwen. Voor alle anderen zit de echte vraag ergens anders: waar wordt dat geld daadwerkelijk waarde?
Vroeg of laat zegt ook jouw directie ja tegen die grote AI-investering. Maar of die iets oplevert, wordt niet bepaald in de directiekamer of op de roadmap van een leverancier. Dat wordt bepaald op de werkvloer, door de mensen die het bouwen, koppelen en controleren, en die er daarna elke dag mee moeten werken.
