AI maakt organisaties niet slimmer. Het maakt zichtbaar hoe slim ze zijn.
Organisaties investeren massaal in AI. Dit wordt mede veroorzaakt door de verwachting dat de onderliggende technologie organisaties sneller, efficiënter en innovatiever maakt. Terwijl onderzoek naar besluitvorming en organisatiegedrag laat zien dat technologie alleen geen betere organisaties creëert. De echte uitdaging ligt in het vermogen van organisaties om informatie te interpreteren, keuzes te maken en hun manier van werken aan te passen.
AI vergroot informatie. Niet automatisch organisatievermogen.
AI wordt vaak geïntroduceerd als een technologische versneller.
Organisaties experimenteren met AI-assistenten, automatisering en nieuwe toepassingen voor kenniswerk. De mogelijkheden lijken vrijwel onbeperkt: sneller analyseren, betere voorspellingen maken en medewerkers ondersteunen bij complex werk.
Toch ontstaat in veel organisaties een ongemakkelijke vraag.
Niet: wat kan AI technisch gezien mogelijk maken?
Maar: is onze organisatie in staat om deze mogelijkheden daadwerkelijk om te zetten in betere besluiten en betere resultaten?
Deze vraag is minder technologisch dan op het eerste gezicht het geval lijkt.
Onderzoek naar organisaties laat al lange tijd zien dat betere informatie niet automatisch leidt tot betere beslissingen. Herbert Simon beschreef in zijn klassieke werk over besluitvorming dat managers handelen onder omstandigheden van beperkte rationaliteit (*bounded rationality*) (Simon, 1957). Mensen beschikken nooit over volledige informatie, hebben beperkte tijd en moeten complexe situaties vereenvoudigen om keuzes te maken.
Daarmee ontstaat een fundamenteel inzicht: organisaties worden niet alleen beperkt door wat zij weten, maar ook door hoe zij begrijpen wat zij weten.
Karl Weick beschreef dit proces als *sensemaking*: organisaties reageren niet rechtstreeks op de werkelijkheid, maar op de betekenis die zij gezamenlijk creëren rondom gebeurtenissen (Weick, 1995).
Dat maakt AI zo interessant.
AI vergroot namelijk de hoeveelheid informatie waarover organisaties beschikken, maar verandert niet automatisch de manier waarop organisaties betekenis geven aan die informatie.
AI verandert niet alleen processen. Het verandert de aard van het werk.
Een AI-model kan bijvoorbeeld signaleren dat klantgedrag verandert. Maar de organisatie moet nog steeds bepalen wat dit betekent. Is het een tijdelijk probleem? Een kans? Een fundamentele verandering van het businessmodel?
De interpretatie van de data bepaalt de keuze.
Daar ligt ook de belangrijkste paradox van AI-adoptie.
Veel organisaties behandelen AI als een implementatievraagstuk: kies een (AI-)technologie, train medewerkers en schaal de toepassing.
Maar AI verandert niet alleen processen. Het verandert de aard van het werk.
Wanneer technologie delen van kenniswerk overneemt of ondersteunt, verschuiven ook verantwoordelijkheden, expertise en samenwerking. De vraag wordt niet alleen welke taken een systeem kan uitvoeren, maar welke menselijke capaciteiten belangrijker worden.
Raisch en Krakowski (2021) beschrijven dit als de *automation–augmentation paradox*: AI kan werk automatiseren, maar creëert tegelijkertijd nieuwe vormen van menselijk werk waarin beoordeling, interpretatie en samenwerking belangrijker worden.
Onderzoek naar *human-AI collaboration* laat vergelijkbaar zien dat de grootste waarde ontstaat wanneer menselijke expertise en technologische mogelijkheden elkaar versterken, niet wanneer technologie simpelweg mensen vervangt (Jarrahi, 2018; Dellermann et al., 2019).
De managementvraag verschuift van technologie naar organisatie
Daarmee verschuift de managementvraag.
De vraag is niet alleen:
"Welke AI-oplossingen kunnen wij implementeren?"
De belangrijkere vraag is:
"Welke organisatie moeten wij ontwikkelen om AI waardevol te maken?"
Dat vraagt om meer dan technologie. Dit vraagt juist om organisatievermogen.
Kunnen teams nieuwe manieren van werken ontwikkelen? Kunnen leiders besluitvorming organiseren waarin menselijk oordeel en algoritmische ondersteuning samenkomen? Kunnen organisaties leren van experimenten en succesvolle werkwijzen verspreiden?
De organisaties die AI succesvol benutten, zullen waarschijnlijk niet degene zijn met de meeste toepassingen. Dit zijn organisaties die het beste begrijpen hoe zij zelf functioneren.
De kern van AI-transformatie ligt in de organisatie
Daarmee verandert ook de rol van leiderschap.
In een omgeving waarin technologie steeds meer informatie kan verwerken, wordt het vermogen om richting te geven belangrijker.
Leiders hoeven niet alle antwoorden te hebben. Maar moeten organisaties helpen betere vragen te stellen. Welke aannames sturen onze keuzes? Welke informatie interpreteren wij te snel? Welke manier van werken past bij een organisatie waarin mens en AI samenwerken?
De kern van AI-transformatie ligt daarom niet in technologie alleen. Het ligt in het vermogen van organisaties om zichzelf opnieuw te organiseren.
De Spark-these
AI maakt organisaties niet automatisch slimmer. AI maakt zichtbaar hoe organisaties denken, samenwerken en besluiten nemen.
Een organisatie met sterk leervermogen kan AI gebruiken als versneller van innovatie en continue verbeteringen. Een organisatie die vooral afhankelijk is van bestaande patronen loopt het risico vooral sneller te werken binnen dezelfde beperkingen.
De echte AI-transformatie begint daarom niet bij de technologie. Dit begint bij de organisatie.
Want uiteindelijk wordt de waarde van AI niet bepaald door wat een algoritme kan. Maar door wat mensen en organisaties ermee weten te doen.
Kerninzichten
- AI is geen technologieproject maar een organisatievraagstuk.
- Meer informatie leidt niet vanzelf tot betere besluiten.
- De waarde van AI ontstaat door mens en technologie te combineren.
- Organisatievermogen wordt de onderscheidende AI-capability.
Reflectievraag
Als uw organisatie morgen toegang heeft tot de meest geavanceerde AI-technologie, welke manier van werken moet dan fundamenteel veranderen om werkelijk waarde te creëren?
