Deze inhoud is geproduceerd door MIT Technology Review Insights in samenwerking met Concentrix.
Het afgelopen jaar betekende een keerpunt in het debat over AI binnen bedrijven. Na een periode van intensief experimenteren worden organisaties nu geconfronteerd met een complexere realiteit: hoewel de investeringen in AI nog nooit zo hoog zijn geweest, blijft de overgang van de proeffase naar grootschalige implementatie in de dagelijkse bedrijfsvoering moeilijk te realiseren. Driekwart van de bedrijven blijft steken in de experimentele fase, ondanks de toenemende druk om de eerste tests om te zetten in meetbare operationele resultaten.
Zoals een deskundige verklaart, is de uitdaging vaak systemisch — verankerd in de feitelijke gang van zaken: „De meeste organisaties kampen met wat wij PTSD noemen, oftewel uitdagingen op het gebied van processen, technologie, vaardigheden en data”, aldus Shirley Hung, partner bij Everest Group. “Ze hebben starre en gefragmenteerde processen die zich slecht aanpassen aan verandering, systemen die niet met elkaar communiceren, en medewerkers die worden opgeslokt door taken met een lage toegevoegde waarde. Bovendien worden ze overspoeld door een onophoudelijke stroom aan informatie, zonder een uniforme structuur om alles met elkaar te verbinden.”
De grootste uitdaging is om de samenwerking tussen mensen, processen en technologie in echte operationele omgevingen opnieuw vorm te geven.
In sectoren die zo uiteenlopend zijn als klantervaring en landbouwmachines, tekent zich hetzelfde patroon af: traditionele organisatiestructuren — gecentraliseerde besluitvorming, gefragmenteerde processen, gegevens verspreid over incompatibele systemen — blijken te star om agentic AI op grote schaal te ondersteunen. Om waarde te creëren, moeten leidinggevenden de manier waarop beslissingen worden genomen, het werk wordt uitgevoerd en wat mensen op unieke wijze bijdragen, herzien.
De discussies draaien vooral om wat kan worden omschreven als de volgende grote uitdaging: de samenwerking tussen mens en AI in de praktijk brengen. In plaats van AI te zien als een op zichzelf staand hulpmiddel of een ‘virtuele medewerker’, wordt AI in deze benadering gepresenteerd als een geïntegreerd onderdeel van de dagelijkse operatie, dat het menselijk inzicht versterkt, de uitvoering versnelt en het werk van begin tot eind opnieuw vormgeeft. Deze verandering vereist dat organisaties bepalen welke waarde ze willen creëren, processen ontwerpen die menselijk toezicht combineren met AI-gestuurde automatisering, en de basis leggen op het gebied van data, governance en beveiliging die deze systemen betrouwbaar maken.
“Mijn advies is om ruim de tijd te nemen, want je moet ervoor zorgen dat de gegevens goed beveiligd zijn”, zegt Heidi Hough, VP Aftermarket Noord-Amerika bij Valmont. “Als je van plan bent om AI in de praktijk te brengen, zul je betere resultaten behalen als je er vanaf nul mee begint.”
Pioniers laten nu al zien hoe dit in de praktijk werkt: door te beginnen met gebruiksscenario’s met een laag risico, door gegevens binnen duidelijk afgebakende kaders te structureren, door governance te integreren in de dagelijkse besluitvorming, en door leidinggevenden uit de bedrijfsfuncties – niet alleen technologen – de middelen te geven om te bepalen waar AI een meetbare zakelijke impact kan hebben. Het resultaat is een nieuw AI-volwassenheidsmodel, verankerd in de herontwikkeling van de manier waarop moderne bedrijven op grote schaal opereren.
“Optimaliseren betekent dat je het bestaande beter doet, maar opnieuw uitvinden betekent dat je nieuwe dingen ontdekt die echt de moeite waard zijn om te doen”, zegt Hung.
Het verschil tussen de pilots en daadwerkelijke uitvoering is of AI in de praktijk betrouwbaar kan functioneren.
Deze webcast is geproduceerd in samenwerking met Concentrix.
Deze inhoud is geproduceerd door Insights, de afdeling voor op maat gemaakte content van MIT Technology Review. De tekst is niet geschreven door de redactie van MIT Technology Review. Het onderzoek, het ontwerp en de tekst zijn verzorgd door auteurs, redacteuren, analisten en illustratoren. Eventueel gebruikte AI-tools zijn beperkt gebleven tot secundaire productieprocessen en zijn onderworpen aan een grondige controle door mensen.
