Wanneer er een nieuwe mainstream-technologie opduikt – of het nu gaat om spoorwegen, elektriciteit, computers, enz. – reageren bedrijven op voorspelbare manieren. Een kleine minderheid probeert zichzelf daaromheen opnieuw uit te vinden; de meerderheid zoekt eerst naar manieren om de kosten te verlagen.
Op dit moment, midden in de belangrijkste technologische verschuiving sinds het internet, kiezen veel organisaties voor de andere kant. Ze stopten kunstmatige intelligentie om callcenters te automatiseren, het aantal medewerkers in backoffices te verminderen en marginale winsten uit bestaande processen te persen. Ze meten de “AI ROI” in salarisbesparingen en vergoede uren.
Het voelt rationeel. Het voelt gedisciplineerd. Het voelt veilig.
Het is ook de snelste manier om de echte kans te missen.
Innovatiegolven zijn geen efficiëntieprogramma’s
AI is geen nieuwe SaaS-tool en ook niet simpelweg een verbetering van de workflow. Het is een zich snel ontwikkelende algemene technologie die evolueert van grote taalmodellen naar agentsystemen en naar systemen die leren van interactie met omgevingen (de zogenaamde wereld modellen die kan simuleren, plannen en handelen).
Wanneer de onderliggende capaciteit elke paar maanden verandert, is optimaliseren voor kostenreductie hetzelfde als proberen de brandstofefficiëntie van een auto te verbeteren terwijl de motor wordt vervangen door een straalturbine.
De organisaties die op dit soort momenten winnen, beginnen niet met de vraag: “Waar kunnen we arbeid elimineren?” Ze vragen zich af: “Wat wordt mogelijk dat voorheen onmogelijk was?”
Dit zijn radicaal verschillende vragen.
De productiviteitsparadox had een waarschuwing moeten zijn
Begin jaren negentig verwonderden economen zich over een verrassend fenomeen: computers waren nog steeds overal productiviteit statistieken weigerden koppig de impact ervan weer te geven. In één pers artikelNobelprijswinnaar Robert Solow zei ooit: ‘Je kunt het computertijdperk overal zien, behalve in de productiviteitsstatistieken.’ Die observatie werd bekend als “productiviteitsparadox.”
Destijds gingen velen ervan uit dat de paradox een technologische mislukking was. Mijn eigen onderzoek sindsdien onderzocht waarom de paradox überhaupt naar voren kwam, waaruit blijkt dat het meten van de productiviteit ver achterblijft bij daadwerkelijke transformationele veranderingen en dat de mechanismen van waardecreatie niet in conventionele maatstaven zijn vastgelegd.
De verklaring was pas achteraf duidelijk. De winsten waren diffuus, ongelijkmatig en verweven met organisatorische veranderingen. Bedrijven hadden oude processen gedigitaliseerd in plaats van ze opnieuw te ontwerpen.
Tegenwoordig zien we hetzelfde patroon zich ontwikkelen met AI.
De impact van AI zal niet goed naar voren komen in de kostenstatistieken
Kunstmatige intelligentie levert geen zuivere, lineaire productiviteitswinst op die netjes in kwartaaldashboards past. De effecten zijn asymmetrisch. Een medewerker die effectief gebruik maakt van AI kan beter presteren dan tien collega’s. Iemand anders zou er misbruik van kunnen maken, de kwaliteit kunnen aantasten of zelfs de cyberbeveiligingsplannen van ons bedrijf in gevaar kunnen brengen. Sommige teams herontwerpen workflows volledig, terwijl anderen AI op oudere processen aansluiten en het ’transformatie’ noemen.
De onderzoekers noemen het resultaat nu meting van bijziendheid: het onvermogen van traditionele meetgegevens om verbeteringen vast te leggen die reëel zijn, maar niet direct verband houden met bespaarde manuren of kosten.
Proberen de waarde van AI uitsluitend te meten door onmiddellijke kostenbesparingen is hetzelfde als proberen de waarde van elektriciteit te meten door het tellen van niet-gekochte kaarsen.
Efficiëntie is de comfortstrategie, maar niet de optie
Kostenbesparingen zijn aantrekkelijk omdat ze passen in bestaande bestuursstructuren. CFO’s begrijpen dat. Bestuur beloont het. Metrieken zijn duidelijk.
Verkenning is rommeliger. Het vereist experimenteren zonder gegarandeerd rendement. Het vereist tolerantie voor mislukkingen. Het biedt immateriële voordelen vóór zichtbare voordelen.
Maar in tijden van snelle innovatie is efficiëntie vaak de trooststrategie voor achterblijvers die nog niet begrijpen wat er aan de hand is.
Als AI in de eerste plaats wordt gezien als een instrument om het personeelsbestand terug te dringen, zullen organisaties het heden optimaliseren en de toekomst opofferen. Ze zullen middelmatigheid standaardiseren in plaats van een hefboomwerking te ontdekken.
Exploratie, en niet exploitatie, bouwt capaciteit op
Pleiten voor verkenning betekent niet dat je de discipline moet opgeven. Het betekent dat je het opnieuw moet definiëren.
Managers moeten zich afvragen:
- Welke nieuwe producten kunnen we bouwen met AI-native mogelijkheden?
- Welke beslissingen kunnen we delegeren aan systemen die leren van feedback?
- Hoe kunnen we workflows opnieuw ontwerpen, en niet alleen automatiseren?
Bedrijven moeten gecontroleerde experimenten tussen teams verplicht stellen, en het gebruik van AI niet beperken tot pilots die de kosten rechtvaardigen. Ze moeten AI behandelen als een R&D-positie en niet als een positie die het budget beperkt.
Organisaties die AI als een verkennende laag beschouwen:moedig teams aan om workflows te testen, prototypen, opnieuw te combineren en te heroverwegen– zal institutionele vloeibaarheid opbouwen. Ze zullen interne kampioenen ontwikkelen. Ze zullen een onverwachte waarde aan het licht brengen die zonder een top-down kosteninitiatief niet zou zijn ontstaan.
Het echte risico is niet overconsumptie. Het spreekt voor zich
Het grootste risico op dit moment is dat er niet te veel wordt uitgegeven aan AI. Dat wordt begrepen.
Bedrijven die efficiëntiewinsten op de korte termijn najagen, kunnen bescheiden verbeteringen melden en succes melden. Ondertussen zullen meer ambitieuze concurrenten dat wel doen herontwerpen hun activiteiten, producten en klantervaringen rond functies die twee jaar geleden nog niet bestonden.
Na verloop van tijd zal het verschil niet meer dan een paar procentpunten marge bedragen. Het zal strategisch zijn.
In perioden van snelle technologische veranderingen behoort overleven niet tot de meest efficiënte. Het behoort tot de meest adaptieve.
