Artificiële intelligentie is in korte tijd uitgegroeid tot het zakelijke equivalent van de digitale transformatie van tien jaar geleden: elk managementteam heeft het erover, elke raad van bestuur stelt er vragen over en elke medewerker experimenteert ermee. Toch blijft AI in veel organisaties meer een ambitie dan een daadwerkelijke uitvoering. De paradox is simpel: iedereen ziet AI als een prioriteit, maar niemand is echt verantwoordelijk voor het plan.
Organisaties investeren fors in AI, maar velen hebben nog steeds moeite om verder te komen dan pilootprojecten en geïsoleerde use cases. Onderzoek toont keer op keer aan dat, hoewel het gebruik van AI breed wordt toegepast, het moeilijk blijft om AI op te schalen naar tastbare bedrijfsresultaten. Veel bedrijven zijn nog steeds aan het experimenteren in plaats van te transformeren. Wat is er nodig om deze trend te keren en hoe zet je de eerste stappen?
De prioriteitenparadox
De aanwezigheid van AI is vandaag groter dan ooit. Het is onmogelijk om een krant open te slaan, door LinkedIn te scrollen, een sectorevenement bij te wonen of in een vergadering te zitten zonder iets te horen over AI, de mogelijke impact ervan en de noodzaak om het binnen je organisatie toe te passen. De boodschap is duidelijk: AI is niet langer optioneel. Organisaties voelen een toenemende druk om AI te omarmen, gedreven door de angst achterop te raken als ze de snelle technologische ontwikkeling niet bijhouden.
Maar ondanks het groeiende enthousiasme en de vele experimenten heeft slechts een beperkt aantal organisaties een duidelijk stappenplan voor de invoering van AI. Velen verkennen gebruiksscenario’s en zetten pilootprojecten op, maar slechts weinigen hebben een coherente strategie ontwikkeld om de impact van AI in het hele bedrijf te maximaliseren. Als gevolg daarvan blijft AI vaak een verzameling van op zichzelf staande initiatieven in plaats van een transformatieve kracht die meetbare waarde oplevert.
Duidelijke verantwoordelijkheid voor AI-initiatieven
De verantwoordelijkheid voor AI-initiatieven verschilt aanzienlijk per organisatie. In grotere ondernemingen ligt de leiding doorgaans bij functies als de Chief AI Officer, Chief Digital Officer, Chief Technology Officer of Transformation Officer. In middelgrote organisaties is de verantwoordelijkheid daarentegen vaak meer gedecentraliseerd, waarbij de verantwoordelijkheid vaak wordt bepaald door de bedrijfsstructuur, individuele functies, persoonlijke interesse in AI en de beschikbare technische expertise.
IT-afdelingen zijn zelden de belangrijkste drijvende krachten achter de invoering van AI. Dit is logisch, aangezien de implementatie van AI eigenlijk een bedrijfstransformatie is en geen puur technologisch project. Hoewel een sterke betrokkenheid van IT belangrijk is gezien de technologische componenten, ligt het leiderschap vaak elders in de organisatie.
Het toewijzen van duidelijke verantwoordelijkheden is essentieel. Zonder helder eigenaarschap dreigt AI wel ieders prioriteit te zijn, maar niemands verantwoordelijkheid, met versnipperde initiatieven, beperkte accountability en moeilijk schaalbare oplossingen als gevolg.
De ‘piloot-valkuil’
Op het vlak van AI-readiness lanceren veel organisaties kleinschalige AI-initiatieven om de productiviteit te verbeteren. Deze inspanningen gaan vaak van start zonder een duidelijk strategisch kader, wat resulteert in geïsoleerde projecten in plaats van een gecoördineerde transformatie. Deze aanpak is begrijpelijk. AI ontwikkelt zich razendsnel, waardoor het moeilijk is te voorspellen welke use cases de meeste waarde zullen opleveren. Daardoor blijft experimenteren een essentiële manier om te leren, kennis op te bouwen en kansen te identificeren.
Vroege AI-pilootprojecten kunnen snelle successen en waardevolle inzichten opleveren. Te lang in de experimentele fase blijven brengt echter risico’s met zich mee. Wanneer projecten zich onafhankelijk van elkaar binnen verschillende teams ontwikkelen, raken de inspanningen versnipperd, worden middelen versnipperd ingezet en wordt het een uitdaging om succesvolle initiatieven op te schalen.
Een duidelijke AI-roadmap helpt om individuele projecten te koppelen aan bredere bedrijfsdoelstellingen. Het stemt investeringen op elkaar af, geeft prioriteit aan kansen met hoge waarde en creëert een traject van experimenteren naar bedrijfsbrede implementatie. Hoewel pilootprojecten vaak het startpunt vormen, hangt succes op lange termijn af van het overstijgen van geïsoleerde use cases en het opschalen van AI binnen de hele organisatie.
Zorgen en knelpunten
Naast het belang van eigenaarschap zien we nog andere factoren die van invloed zijn op de invoering van AI:
- Het ontbreken van een strategische, end-to-end visie en roadmap. AI-initiatieven zijn vaak versnipperd, gericht op specifieke tools en worden aangestuurd door individuen in plaats van door de bedrijfsstrategie. Organisaties hebben moeite om de invoering van AI te koppelen aan bedrijfsbrede doelstellingen, schaalbare bedrijfsmodellen en duidelijke transformatieroadmaps.
- Governance, AI-volwassenheid en realistische waardecreatie. Veel organisaties beschikken niet over de AI-maturiteit en het governancekader die nodig zijn om weloverwogen AI-beslissingen te nemen. Dit leidt tot overhaaste investeringen, onrealistische verwachtingen, versnipperde experimenten en de uitdaging om echte bedrijfswaarde te onderscheiden van de AI-hype.
- Leiderschap, transformatie van het personeelsbestand en verandermanagement. Naast AI-kennis worden leiders geconfronteerd met fundamentele vragen over het herontwerpen van rollen, organisatiestructuren, prestatiemanagement, beloningsmodellen en het omgaan met de angst van medewerkers om overbodig te raken. De invoering van AI vereist gestructureerd verandermanagement op het gebied van mensen, processen en systemen.
- Aftakeling van vaardigheden, beoordelingsvermogen en menselijke expertise. Naarmate AI operationele taken automatiseert, lopen organisaties het risico dat medewerkers kansen mislopen om expertise, kritisch denken en professioneel beoordelingsvermogen te ontwikkelen. Een belangrijke uitdaging is ervoor te zorgen dat mensen de vaardigheden blijven opbouwen en onderhouden die nodig zijn om AI-resultaten te controleren, ter discussie te stellen en te sturen.
- Cultuur, mentaliteit en omgaan met onzekerheid. Organisaties moeten een cultuur ontwikkelen waarin voortdurend leren, snelle technologische veranderingen en toenemende complexiteit centraal staan. Om succes te boeken, is het noodzakelijk om je aan te passen aan de steeds snellere innovatietempo en tegelijkertijd te voorkomen dat onzekerheid en het overweldigende aanbod aan AI-opties tot besluiteloosheid leiden.
De rol van finance bij de invoering van AI
De rol van finance bij de invoering van AI verschilt per organisatie, maar financiële afdelingen zijn vaker volgers dan pioniers. Vaak nemen afdelingen zoals Sales, Marketing, Compliance of Productontwikkeling het voortouw bij het aansturen van AI-initiatieven. Daardoor blijft de AI-maturiteit binnen Finance relatief laag.
De huidige AI-toepassingen binnen de financiële afdeling zijn voornamelijk gericht op het verbeteren van de efficiëntie. Typische voorbeelden zijn factuurverwerking, kredietbeheer en het ondersteunen van eerste analyses bij controlling en reporting. Deze initiatieven zijn grotendeels gericht op het automatiseren van routinetaken en het verhogen van de productiviteit.
Een van de grootste belemmeringen voor de implementatie van AI in finance is de sterke nadruk op nauwkeurigheid en betrouwbaarheid. Finance professionals werken in een omgeving waar fouten aanzienlijke gevolgen kunnen hebben, waardoor de angst om fouten te maken bijzonder groot is. Andere uitdagingen zijn onder meer slechte datakwaliteit, versnipperde gegevens in verschillende silo’s, onvoldoende databeheer, een gebrek aan processtandaardisatie, beperkte mogelijkheden voor prognoses en scenarioplanning, en de complexiteit van verouderde systemen en handmatige processen.
Ook culturele factoren spelen een belangrijke rol. Finance professionals leggen van nature sterk de nadruk op controle, nauwkeurigheid en betrouwbaarheid. Daardoor zijn ze vaak terughoudend om beslissingen te baseren op aanbevelingen die door algoritmen worden gegenereerd. Bovendien blijven CFO’s en finance teams, hoe geavanceerd AI ook wordt, uiteindelijk verantwoordelijk voor de financiële controles, de naleving van regelgeving en de nauwkeurigheid van de rapportage.
Er zijn echter tekenen van verandering. Financiële afdelingen raken steeds meer betrokken bij AI-initiatieven, met name op gebieden als productiviteitsverbetering, het genereren van rapportages, datavoorbereiding en het opschonen van data. Hoewel de adoptie zich nog in een relatief vroeg stadium bevindt, zorgt de toenemende vertrouwdheid met AI voor een gestage groei in relevantie en acceptatie binnen finance.
Doe de AI-readinessscan en ontdek hoe klaar jouw organisatie is voor AI.
Van AI-ambitie naar AI-implementatie
Het debat over AI draait niet langer om de vraag of organisaties AI moeten invoeren, maar om de vraag hoe ze hun AI-ambities kunnen omzetten in meetbare bedrijfsresultaten.
Onze ervaring leert dat de organisaties die succes boeken, verder gaan dan experimenteren en duidelijke verantwoordelijkheden, doelstellingen en governancestructuren vastleggen. Concurrentievoordeel ontstaat niet door het gebruik van AI op zich, maar door het doelgericht in te zetten en te integreren in dagelijkse bedrijfsprocessen en manier van werken.
Ons belangrijkste advies is eenvoudig: begin nu, leer snel en pas je voortdurend aan. Communiceer openlijk over je ambities, initiatieven en voortgang om vertrouwen en betrokkenheid binnen de hele organisatie op te bouwen. Benader AI als een transformatie van werkprocessen, waarbij je automatisering combineert met menselijke expertise in een tempo dat teams met vertrouwen kunnen omarmen.
De meest succesvolle organisaties vinden een evenwicht tussen structuur en experimenteren: ze houden vast aan een duidelijke roadmap en creëren tegelijkertijd ruimte voor innovatie. Uiteindelijk hangt het succes van AI niet af van de technologie zelf, maar van het vermogen van een organisatie om deze om te zetten in duurzame bedrijfsresultaten.
