Waar kan AI deze organisatie echt vooruithelpen? Dat is bijna nooit de eerste vraag die gesteld wordt. Meestal begint het bij een tool. Een demo die enthousiast maakt, een pilot die wordt opgestart, en een paar maanden later is er niets structureel veranderd. De technologie werkte, maar de AI readiness van de organisatie eromheen ontbrak.
Dat patroon zie ik in de praktijk steeds terug. En het verklaart waarom een serieuze AI-aanpak nooit begint met de vraag welke tool je kiest, maar met de vraag waar AI je organisatie daadwerkelijk vooruit kan helpen. Die vraag is de kern van AI readiness. Ze klinkt vanzelfsprekend, maar het is de stap die het vaakst wordt overgeslagen.
AI readiness meten, eerst de organisatie begrijpen
In een AI-traject dat wij op dit moment samen met een opdrachtgever in de bouw uitvoeren, hebben we die volgorde bewust omgedraaid. We zijn niet begonnen met een lijst aan mogelijke toepassingen, maar met een gestructureerde nulmeting van de organisatie zelf.
Met onze AI-readinessscan brengen we systematisch in kaart hoe het bedrijf werkt. We kijken naar de organisatie, de processen, de informatievoorziening, de samenwerking tussen mensen en afdelingen, en naar de knelpunten die er in de dagelijkse praktijk echt toe doen. Pas vanuit dat beeld kun je twee dingen bepalen die bij elke pilot worden overgeslagen: waar AI concreet waarde toevoegt, en welke randvoorwaarden eerst op orde moeten zijn voordat die waarde ook realistisch is.
Dat tweede punt is onmisbaar. AI versnelt wat eronder ligt. Liggen daar rommelige data en onduidelijke processen, dan versnel je de rommel. Een scan die eerlijk benoemt wat nog niet klopt, is daarom net zo waardevol als een scan die kansen aanwijst.
Van haalbare stappen naar structurele waarde
Vanuit dat organisatiebeeld kiezen we bewust eerst voor use cases die haalbaar zijn en aantoonbare waarde opleveren. Niet de meest spraakmakende toepassing, maar de toepassing die snel vertrouwen en resultaat geeft. Van daaruit bouwen we stap voor stap verder naar complexere toepassingen, technieken en integraties.
Elke stap moet een duidelijk doel dienen. We implementeren geen AI omdat AI nu eenmaal populair is, maar omdat het een aantoonbaar probleem oplost, zoals tijd besparen, kwaliteit verhogen, risico verlagen of financieel rendement creëren. Juist omdat zoveel initiatieven blijven steken in een experiment, kijken we vanaf de eerste dag naar haalbaarheid, schaalbaarheid en rendabiliteit. Die nuchterheid is de voorwaarde om ambitie ook waar te maken.
Adoptie, de stap die bijna iedereen overslaat
Er is een onderdeel dat in veel trajecten structureel wordt onderschat, en dat is adoptie. Technologie verandert niets zolang mensen er niet mee werken. Een briljante toepassing die niemand gebruikt, levert evenveel op als geen toepassing.
Daarom neem ik de organisatie zelf actief mee. Onder meer met trainingen waarin medewerkers niet horen wat AI in theorie kan, maar ervaren wat het voor hun eigen dagelijkse werk betekent. Hoe je bestaande kennis sneller toegankelijk maakt, hoe je informatie minder handmatig verwerkt, en hoe je sneller tot inzicht en betere beslissingen komt. Pas als mensen het verschil zelf voelen, komt een traject echt in beweging.
Dit is ook waar de verwarring rond AI zichtbaar wordt. Het kunnen gebruiken van een chatbot maakt iemand nog geen specialist in AI-transformatie. Een succesvolle implementatie vraagt om kennis van technologie, bedrijfsprocessen, data, governance, verandermanagement en organisatieontwikkeling, in samenhang. Het gaat niet alleen om wat technisch mogelijk is, maar vooral om wat organisatorisch en economisch verstandig is.
Waarom de meeste bedrijven het níet lukt
Dat de lat hoog ligt, blijkt ook uit de cijfers. Uit onderzoek van MIT bleek vorig jaar dat circa 95% van de generatieve AI-pilots in bedrijven geen aantoonbaar rendement oplevert, en de oorzaak lag zelden bij de techniek. BCG kwam in 2024 in dezelfde richting uit, met de conclusie dat slechts 26% van de bedrijven voldoende capaciteiten heeft ontwikkeld om voorbij de pilotfase te komen en echte waarde uit AI te halen. Bijna driekwart van de bedrijven blijft dus steken in experimenteren.
Het verschil tussen die 26% en de rest zit opvallend genoeg zelden in betere modellen of duurdere tools. Het zit in organisaties die hun processen, hun data en hun mensen meenemen, en die AI inbedden in hoe er wordt gewerkt in plaats van ernaast. Dat is een geruststellende en veeleisende conclusie tegelijk. Geruststellend, omdat je geen technologische voorsprong nodig hebt om bij die 26% te horen. Veeleisend, omdat het werk in de organisatie zelf zit, en dat werk kun je niet kopen.
Waar je met AI readiness begint
De ambitie hoeft daarom niet bescheiden te zijn. Het einddoel is een organisatie waarin mensen, processen, informatie en technologie elkaar versterken, ook in de jaren die komen. Minder tijd kwijt aan zoeken, verwerken en administreren, en meer ruimte voor samenwerking, inzicht, besluitvorming en overzicht over je projecten. Maar de weg daarnaartoe begint bij een sterk digitaal fundament en groeit van daaruit door naar steeds intelligentere ondersteuning.
Zo kijken wij bij De Saak naar AI. Niet als een losse trend of een verzameling tools, maar als een strategische verandering die begint bij het begrijpen van de organisatie. Pas daarna bepaal je waar AI zinvol is, hoe je het verantwoord implementeert en hoe je ervoor zorgt dat het ook echt resultaat oplevert. Mijn eigen rol daarin zie ik als het verbinden van strategie, innovatie en uitvoering, drie dingen die te vaak los van elkaar blijven.
Overweeg je AI in je organisatie en wil je voorkomen dat het bij een experiment blijft, dan denk ik daar graag in mee. Niet vanuit een tool, maar vanuit de vraag of jouw processen, data en mensen er klaar voor zijn. Want dat is waar de winst uiteindelijk wordt gemaakt.
Bronnen
- MIT NANDA, The GenAI Divide: State of AI in Business 2025 (circa 95% van de generatieve-AI-pilots zonder aantoonbaar rendement, met organisatie en integratie als oorzaak in plaats van de techniek)
- BCG, Where’s the Value in AI? (24 oktober 2024; 26% van de bedrijven heeft de capaciteiten om voorbij de pilotfase echte waarde uit AI te halen, 74% nog niet)
