Uit onderzoeken van Deloitte en PwC blijkt dat slechts een klein deel van de bedrijven AI daadwerkelijk terugziet in concrete winst. Efficiëntie neemt toe, maar structurele waarde laat vaak op zich wachten.
▼
Volgens Luc Claassens is dat geen verrassing. Als Managing Partner bij Data Consulting Group begeleidt hij organisaties bij de inzet van data en AI in de praktijk. Hij ziet regelmatig dat AI blijft hangen in testfases. Niet vanwege de technologie, maar door hoe tools worden gepositioneerd en aangestuurd.
Pilots zonder consequenties blijven vrijblijvend
AI-initiatieven staan volgens Claassens vaak los van het primaire proces. Ze starten als experiment, zonder duidelijke afspraak over wat er daarna anders moet gaan werken.
“Pilots worden opgezet als innovatieve experimenten, maar zonder dat vooraf duidelijk is welke werkwijze of welk proces echt verandert.”
Daardoor blijven uitkomsten interessant om te bespreken, maar zonder verplichting. Niemand voelt zich eigenaar van het moment waarop een pilot stopt en overgaat in vaste praktijk. Dat beeld sluit aan bij de analyses van Deloitte en PwC, die laten zien dat slechts een beperkt deel van de organisaties AI-experimenten daadwerkelijk opschaalt.
Opschaling vraagt keuzes, geen extra tooling
Opschaling vraagt volgens Claassens meer dan nieuwe tools of modellen. Het vraagt dat organisaties anders gaan werken. Met duidelijke governance, budget en verantwoordelijkheden.
“Opschaling betekent dat AI bestaande structuren, rollen en besluitvorming verandert. Zolang dat gesprek niet wordt gevoerd, blijft alles veilig klein.”
Zonder die keuzes blijft AI iets wat naast het werk draait, in plaats van erin.
Waar het misgaat op directieniveau
Ook op managementniveau ziet Claassens een terugkerend probleem. AI wordt benaderd als technisch snufje, niet als bestuurlijk instrument. Bestuurders investeren wel, maar de stap naar besluitvorming blijft uit.
Bestuurders zitten niet te wachten op extra dashboards. Ze willen richting. Wat betekent dit inzicht, welke risico’s zien we, en welke keuze vraagt dit nu? Zolang data-teams vooral informatie opleveren en geen duidelijke aanbevelingen doen, blijft AI iets van de data- of innovatieafdeling.
Leiderschap in een AI-gedreven organisatie vraagt daarom praktische keuzes. Welke besluiten worden data-gedreven genomen en waar blijft menselijk oordeel leidend? Zonder die afbakening is AI overal een beetje aanwezig, maar nergens echt van betekenis.
Wanneer data het verkeerde gesprek afdwingt
Claassens waarschuwt voor het blind vertrouwen op statistieken bij complexe beslissingen. Vooral bij mensgerichte vraagstukken gaat dat mis.
“Wat organisaties te vaak doen, is complexe beslissingen reduceren tot een paar meetbare indicatoren.”
In HR ziet hij dat prestaties worden teruggebracht tot output of inzet, terwijl context zoals teamdynamiek of informele verantwoordelijkheden buiten beeld blijft. Ook in recruitment kan AI te strikt worden ingezet, waardoor talent dat niet perfect past binnen bestaande profielen wordt gemist.
De hardnekkigste misvatting over AI
De echte vragen staan ver van technisch. Wie gaat dit gebruiken en welke processen veranderen er echt. Zolang die vragen niet expliciet worden beantwoord, blijft AI steken in pilots. Juist in gedrag, processen en leiderschap wordt bepaald of AI waarde oplevert, of vooral indruk maakt op een borrel.