Het is een bekend probleem, en een probleem dat eigenlijk elke keer terugkeert bij de opkomst van een nieuwe technologie. Het wordt ook wel de productiviteitsparadox genoemd: de aanname dat elke euro die je investeert in nieuwe technologie, wordt teruggezien in een stijging van het operationeel resultaat. Dit is alleen vaak in het begin niet zo, ondanks de potentie van die technologie. De investeringen zijn dan hoger dan de opbrengsten en daardoor ontstaat er een gat. De teleurstelling slaat toe, terwijl het lijkt alsof de omgeving wel steeds succes boekt met AI. Zo ontstaat FOMO, fear of missing out. Dus toch maar weer meer investeren, om niet achterop te raken.
'Geloof je echt dat AI een hype is?'
‘Geloof je echt dat AI een hype is?’ Die vraag krijg ik sinds het uitkomen van mijn boek' Geen Woorden Maar Data' steeds vaker. De ondertitel 'navigeer door de hype' triggert vaak leidinggevenden die enigszins twijfels hebben over de impact van data en AI. Na afloop van conferenties is die twijfel dan ook vaak het gespreksonderwerp. Want ja, met AI kun je dingen beter doen, maar nee, het levert niet altijd het geld op dat het heeft gekost. Sterker nog: op dit moment vaker niet dan wel.
De situatie, dat iets veel impactvoller lijkt dan het daadwerkelijk is, met als gevolg dat er meer wordt geïnvesteerd dan het oplevert, is wat we met recht een hype kunnen noemen. En zo’n hype is dus niet nieuw. De term productiviteitsparadox ontstond bij de opkomst van IT in de jaren negentig. Ook toen werd er fors geïnvesteerd, maar bleef het resultaat achter. Econoom en Nobelprijswinnaar Robert Solow schreef hier ooit treffend over: ‘je ziet het computertijdperk overal, behalve in de productiviteitsstatistieken.’ Een duidelijke hype, die op lange termijn wel gerechtvaardigd bleek. Want waar het in de jaren negentig nog zoeken was naar de productiviteitswinst, kunnen we ons nu geen bedrijf meer voorstellen zonder IT.
Een hype die de verwachtingen wel inloste, was die van de cloud
Het interessante aan hypes is dat ze twee kanten op kunnen gaan. Of ze lossen de belofte in en rechtvaardigen de tijdelijk hogere investeringen, of dat gebeurt niet snel genoeg waardoor er een bubbel ontstaat die knapt, een moment waarop veel investeringen verloren gaan. Een duidelijk voorbeeld van dat laatste is de opkomst van het internet eindigend in de dotcom-bubbel van 2000. Er was een groot geloof dat wie op dat moment de markt zou beheersen, dat voor altijd zou blijven doen. Bedrijven als World Online van Nina Brink groeiden daardoor hard, maar tijdens de beursgang bleek die waarde niet reëel. De bubbel barstte.
Een hype die de verwachtingen wel inloste, was die van de cloud. Ook hier waren de investeringen bij de start hoog en zagen veel mensen de cloud als iets magisch, zonder te begrijpen hoe het werkte. Ik kwam zelfs ooit de strategie tegen met groot op de eerste slide: ‘data is het nieuwe goud, dus we gaan naar de cloud’. Maar het probleem dat de cloud oploste – de opslag van data die overal beschikbaar moest zijn – was daadwerkelijk een urgent probleem dat veel geld kostte. Bij VolkerWessels reden we destijds nog met een koeriersdienst harddisks heen en weer tussen kantoren. Ook al waren de investeringen hoog, de opbrengsten haalden dat snel in en maakten de cloud daardoor gewoon ‘een goed idee’.
We staan op een kruispunt
Wat betreft AI staan we nu op een kruispunt. De investeringen zijn fors, maar de opbrengsten zijn ook overal zichtbaar. Het maakt dus impact en we horen dan ook veel succesverhalen om ons heen. Waar de opbrengsten stijgen, stijgen de investeringen mogelijk nog harder, waardoor er ondanks de successen een gat blijft tussen hoeveel er wordt geïnvesteerd en hoeveel het oplevert. Kortom: alles bij elkaar opgeteld is AI nu simpelweg te duur. Het zit duidelijk in een hype-fase, met veel aandacht en opgeblazen verwachtingen – de vraag is alleen waar die hype zich naartoe ontwikkelt. Wordt het een bubbel die knapt zoals bij de dotcom-bubbel, of lost het zijn belofte in zoals bij de Cloud?
Voor organisaties en overheden is het belangrijk goed door deze hype te navigeren. Loop je te ver voorop en investeer je te veel zonder dat daar iets tegenover staat, dan wordt het te duur. Maar laat je het links liggen, dan haalt de omgeving je in. Voor overheden speelt niet direct concurrentie, maar wel degelijk een kostenaspect. Zo stijgt bijvoorbeeld het aantal bezwaarschriften sinds de introductie van generatieve AI flink, omdat het voor burgers simpelweg makkelijker is geworden om ze te schrijven. De werkdruk bij de overheid neemt daardoor toe, en is eigenlijk alleen op te lossen door zelf ook met AI aan de slag te gaan. En dat roept meteen vragen op: wat zijn de interpretatierisico's als AI een eerste antwoord geeft? Hoe zit dat ethisch? Leidt het niet tot tunnelvisie, waarbij burgers slachtoffer worden van te rigide AI-antwoorden?
Loop je te ver voorop, dan wordt het te duur. Maar laat je het links liggen, dan haalt de omgeving je in.
Ditzelfde patroon van AI die de menselijke maat verdringt, zien we breder terug. Het is in dat licht veelzeggend dat zelfs betaalprovider Klarna – niet bepaald bekend om hun klantgerichtheid – met de klantenservice een stap terugzet: waar ze eerst vol inzetten op afhandeling met AI-agents, krijg je sinds kort weer gewoon een mens aan de lijn. Simpele reden: mensen die echt gehoord willen worden, nemen geen genoegen met een AI-agent en blijven doorgaan tot ze een mens spreken.
In de afgelopen jaren heb ik als leidinggevende van de data-afdelingen van onder andere VolkerWessels, NS en Schiphol gezien dat de medewerkers de belangrijkste factor zijn om goed door de AI-hype te navigeren. Veel organisaties grijpen AI aan om vooral met minder mensen hetzelfde werk te doen. Zo maakte ABN Amro onlangs bekend tot 2028 zo'n 5.200 banen te willen schrappen. Maar kijkend naar eerdere industriële revoluties – we zitten inmiddels richting de vijfde – zien we dat deze aanpak op de langere termijn vaak negatief uitpakt. Medewerkers raken gedemotiveerd en minder betrokken, terwijl juist betrokken medewerkers cruciaal zijn om een industriële revolutie te laten slagen. Zij zijn degenen die het uiteindelijk moeten gaan gebruiken.
Zolang de mens verantwoordelijk blijft
Waar de verbetering voorheen op het fysieke zat – een lopende band, een robotarm – zit die nu op het cognitieve, op het denken. Een volledig nieuwe stap, en daardoor blijft het voorlopig een samenspel tussen mens en AI, tussen de kennis van de expert en de mogelijkheden van de nieuwe technologie. En die AI-technologie is nog niet volwassen genoeg om zelfstandig alle besluiten te nemen en alle ethische dilemma's op te lossen, maar wel ver genoeg om de experts te helpen beter te presteren. Zolang de mens de eindverantwoordelijke blijft, houdt die met kennis en ervaring grip op een goede afhandeling van de wensen van burgers, op de ethische kwesties, en op de juiste interpretatie van vragen van de burgers.
Zijn mensen betrokken en worden ze daarbij geholpen door AI, dan heb je als organisatie het beste van twee werelden.
Een belangrijke realisatie die vaak wordt vergeten bij innovaties, is dat beter presterende medewerkers leiden tot beter presterende organisaties. Zijn mensen betrokken, willen ze hun werk graag goed doen, en worden ze daarbij geholpen door AI, dan heb je als organisatie het beste van twee werelden. Door de medewerker centraal te zetten in wat je bouwt met AI, zorg je dat je altijd iemands probleem oplost – en dus dat het AI-product ook daadwerkelijk gebruikt wordt. Zo zijn investeringen direct gekoppeld aan opbrengsten. Opbrengsten geleverd door beter presterende medewerkers.
In een van de interviews voor mijn boek vertelde Berte Simons, COO van de Haven van Rotterdam, dat ze elke dag bezig is te begrijpen wat haar organisatie werkelijk levert en welke rol medewerkers daarin spelen. ‘Als we dat snappen, weten we ook beter hoe data en AI ze kunnen helpen.’ Die insteek vond ik treffend, want het is precies de uitdaging waar veel organisaties voor staan. Het is voor organisaties cruciaal om de stap te kunnen zetten van procesoptimalisatie naar medewerkersprestatie. Van het buitenspel zetten van de medewerker, naar het helpen van de medewerker beter te presteren. Dat geldt niet alleen voor commerciële organisaties met concurrentiedruk, maar voor elke organisatie in dit technologietijdperk en dus ook overheden. Anders gaat het contact met de omgeving die wel met AI werkt steeds moeizamer.
Om te navigeren door de AI-hype moet je dus zorgen dat je niet blijft steken in eindeloze PowerPoint-presentaties en innovatietrajecten, maar echt aan de slag gaat met het transformeren en verbeteren van de mensen in jouw organisatie. Zodat elk AI-product direct wordt gebruikt en dus waarde levert. Oftewel: geen woorden, maar data.
Recent verschenen: 'Geen Woorden Maar Data'.
Plaats een reactie
U moet ingelogd zijn om een reactie te kunnen plaatsen.