AI versnelt de organisatie die je al hebt — goed of slecht

Door Gokul Prakash (Thoughtline Digital) en Paul Joore (ICR)

Overal stellen organisaties dezelfde vraag: hoe kunnen we AI gebruiken om productiever, innovatiever en concurrerender te worden?

Dat is een terechte vraag. Maar misschien is het niet de eerste vraag die we moeten stellen. Een fundamentelere vraag is: hoe expliciet is de organisatie waarin we AI willen laten functioneren?

AI komt niet in een vacuüm terecht. AI wordt toegepast binnen bestaande processen, verantwoordelijkheden, besluitvormingsstructuren en werkwijzen. Sommige daarvan zijn bewust ontworpen en duidelijk begrepen. Andere bestaan vooral in de hoofden van mensen. Dat onderscheid is belangrijker dan de keuze voor een bepaalde tool.

Wat de ontwikkeling van AI ons al heeft geleerd

Bij Thoughtline Digital leverde het ontwikkelen van software met AI een waardevolle les op. AI kan opmerkelijk snel code genereren. Maar code die bestaat, is nog niet hetzelfde als software die werkt.

Een team kan met AI sneller een frontend en een backend bouwen, om vervolgens te ontdekken dat die twee niet op elkaar aansluiten. Beide onderdelen bestaan. Ze kunnen zelfs afzonderlijk alle tests doorstaan. Toch werkt het systeem als geheel niet, omdat de onderdelen nooit goed met elkaar zijn verbonden.

Bestuurders zullen de organisatorische variant hiervan herkennen: afzonderlijke functies kunnen goed presteren, terwijl de organisatie als geheel onvoldoende samenhang vertoont.

Daarom is een van de principes uit Thoughtlines Working with AI-playbook eenvoudig: verbind eerst één klein onderdeel van begin tot eind voordat je verder bouwt.

Die les reikt veel verder dan softwareontwikkeling. Zoals het playbook stelt: “AI maakt elk proces dat je al hebt sneller, goed of slecht.”

Vervang nu het woord proces door organisatie: AI versnelt de organisatie die je al hebt, goed of slecht.

Versnelling is geen verbetering

Stel dat een organisatie duidelijke doelstellingen, helder omschreven verantwoordelijkheden, betrouwbare informatie en effectieve feedbackmechanismen heeft. AI kan die organisatie aanzienlijk sneller laten functioneren.

Stel nu dat verantwoordelijkheden onduidelijk zijn, belangrijke kennis bij enkele personen zit, processen zich informeel hebben ontwikkeld en besluiten afhangen van wie er toevallig aan tafel zit. AI kan dan de output verhogen zonder de onderliggende zwakke punten weg te nemen. Het kan die zelfs versterken. Een onduidelijk proces dat sneller verloopt, blijft onduidelijk.

Het automatiseren van een impliciete werkwijze maakt een organisatie niet expliciet.

De kwaliteit van AI-toepassing kan daarom niet los worden gezien van de kwaliteit van de organisatie waarin AI wordt ingevoerd.

Organisatorisch vermogen of individuele compensatie?

Het playbook van Thoughtline waarschuwt ontwikkelaars om niet alleen op een demo af te gaan. Een overtuigende demo bewijst niet dat de software ook werkelijk standhoudt. Daarvoor zijn tests, logbestanden en de ontwikkelgeschiedenis nodig.

Organisaties lopen in dezelfde valkuil. Goede resultaten bewijzen niet automatisch dat de onderliggende organisatie sterk is. Prestaties zijn vaak afhankelijk van bijzonder capabele mensen die voortdurend tekortkomingen in processen, informatie en afstemming opvangen.

Wat organisatorisch vermogen lijkt, kan in werkelijkheid individuele compensatie zijn.

AI neemt dat onderscheid niet weg. Door snelheid en schaal te vergroten, maakt AI het juist belangrijker.

AI heeft expliciete uitgangspunten nodig

Organisaties functioneren op basis van impliciete kennis. Een ervaren financieel manager weet welke openstaande vorderingen moeten worden opgeschaald, voor welke klanten een uitzondering gerechtvaardigd is en wie moet worden geraadpleegd voordat actie wordt ondernomen.

Een AI-agent kan delen van het debiteurenbeheer automatiseren. Maar zolang die regels, verantwoordelijkheden en uitzonderingen niet expliciet zijn gemaakt, werkt de AI-agent slechts met een deel van de logica die voorheen in het hoofd van één persoon zat.

Mensen worden opmerkelijk bedreven in het functioneren binnen zulke omgevingen. Maar naarmate AI verschuift van het ondersteunen van individuele medewerkers naar het ondersteunen van besluitvorming en uitvoering, wordt impliciete logica eerder een risico dan een gemak.

Dat betekent niet dat we alles moeten documenteren of van de organisatie een bureaucratie moeten maken.

Het betekent dat we de logica die ertoe doet voor een betrouwbare uitvoering zo duidelijk maken dat we ernaar kunnen handelen: richting, verantwoordelijkheden, beslissingsbevoegdheden, afhankelijkheden, risico’s, beheersmaatregelen en feedback.

Niets hiervan is nieuw. Deze voorwaarden zijn altijd belangrijk geweest. AI maakt het alleen moeilijker om ze te negeren.

Van individuele productiviteit naar organisatorisch vermogen

Het grootste deel van het gesprek over AI richt zich op de snelheid van individuen. Kan een ontwikkelaar sneller code schrijven? Kan een marketeer sneller content maken? Kan een manager sneller een rapport opstellen?

Die winst is reëel.

Maar de prestaties van een organisatie zijn niet de som van individuele productiviteit. Organisaties boeken resultaten door afstemming. Activiteiten zijn van elkaar afhankelijk. Beslissingen hebben elders gevolgen. Informatie moet op het juiste moment de juiste mensen bereiken.

Daardoor verschuift uiteindelijk de vraag. Niet langer: ‘Hoe kan deze persoon AI gebruiken?’, maar: ‘Hoe kan AI functioneren binnen de manier waarop deze organisatie resultaten bereikt?’ Op dat moment wordt de organisatiestructuur en de samenhang daarin van groot belang.

Eerst expliciet, dan intelligent

Als AI beter functioneert in een expliciete omgeving, hebben organisaties meer nodig dan tools, beleid en afzonderlijke toepassingen. Ze hebben een gedeelde organisatielogica nodig die verbindt wat ze willen bereiken met hoe ze functioneren, wie waarvoor verantwoordelijk is, wat succes in de weg kan staan en hoe ze leren.

Dit is de gedachte achter het ICR Organizational Operating System. Het is ontworpen om de beoogde organisatielogica expliciet te maken en de essentiële onderdelen daarvan met elkaar te verbinden via de doorlopende ICR Cyclus — Van Ambitie naar Resultaten. Daardoor wordt de organisatie minder afhankelijk van interpretatie, improvisatie en individuele interventies.

AI kan informatie verwerken, patronen herkennen en context afleiden uit beschikbare gegevens. Maar AI weet niet automatisch wat een organisatie uiteindelijk wil bereiken, waarom bepaalde keuzes zijn gemaakt of hoe doelstellingen, verantwoordelijkheden, risico’s en activiteiten met elkaar samenhangen.

Die context is belangrijk. Zonder die context kan AI technisch overtuigende resultaten produceren die niet aansluiten bij de beoogde richting van de organisatie.

Met een expliciet referentiepunt kan AI meer doen dan leren van bestaand gedrag. AI kan een organisatie helpen de beoogde werkelijkheid te vergelijken met de waargenomen werkelijkheid en zichtbaar maken waar beide uiteen beginnen te lopen.

Kort gezegd: voordat organisaties kunstmatige intelligentie volledig kunnen benutten, moeten ze misschien eerst meer van hun eigen organisatorische intelligentie expliciet maken.

De kans is groter dan automatisering

Misschien is de grootste kans die AI biedt niet dat we meer kunnen automatiseren van wat we al doen. AI geeft ons een aanleiding om te onderzoeken hoe we daadwerkelijk werken.

Wat is bewust ontworpen en wat is gewoon zo gegroeid? Wat is expliciet en wat is nog afhankelijk van impliciete kennis? Waar houdt organisatorisch vermogen op en begint individuele compensatie? En vooral: kan de organisatie onderscheid maken tussen wat er volgens de bedoeling moest gebeuren en wat er daadwerkelijk is gebeurd?

Deze vragen waren vóór AI al belangrijk. Met AI worden ze urgent.

De organisaties die het meest profiteren, zijn misschien niet degenen die de meeste AI-tools invoeren of de meeste taken automatiseren. Het kunnen juist de organisaties zijn die dit moment benutten om expliciet te maken hoe ambitie wordt omgezet in resultaten, en vervolgens AI gebruiken om dat systeem te versterken.

Want snelheid alleen zorgt niet voor voorspelbaarheid. De inrichting wel.

Voordat je dus vraagt wat AI voor jouw organisatie kan betekenen, is er misschien één vraag die je eerst moet stellen: is jouw organisatie expliciet genoeg om AI ermee te laten werken?

Over de auteurs

Gokul Prakash — Client Solutions Manager bij Thoughtline Digital, met praktijkervaring in AI-ondersteunde softwareontwikkeling en digitale oplossingen.

Paul Joore — Oprichter van het ICR Organizational Operating System. Zijn leidende overtuiging, “Predictability is designed”, vormt de basis voor een geïntegreerde aanpak van organisatie-inrichting, uitvoering en voortdurende verbetering, opgebouwd rond de ICR Cyclus — Van Ambitie naar Resultaten.