Na twintig jaar onderzoek, masterclasses en praktijkprojecten over organisatieverandering zie ik één constante: inzicht zonder toepassing verandert niets. Daarom dit nieuwe ManagementPro-initiatief: “AI in Actie – 24 managementopdrachten voor strategie, organisatie & resultaat.” Geen boek vol theorie, maar de aanzet tot een werkboek dat uitsluitend uit opdrachten bestaat bedoeld voor leiders, adviseurs en teams die willen begrijpen hoe kunstmatige intelligentie hun organisatie werkelijk verandert.

Het doel is eenvoudig maar ambitieus: van AI geen hype maken, maar een werkbare strategie die mens, technologie en waardecreatie verbindt. De kernvraag:

hoe vertaal je de belofte van AI naar concreet gedrag, besluitvorming en meetbare resultaten in jouw organisatie?

Het werkboek rust op zes gezaghebbende titels van Harvard Business Review Press en MIT Press, wetenschappelijk stevig, maar praktisch toepasbaar. De selectie en volgorde van de boeken zijn ook logisch opgebouwd. De reeks begint met een fundamenteel strategisch en economisch begrip (Iansiti, Agrawal), gaat over naar strategische implementatie en de menselijke factor (Davenport), en eindigt met de praktische realiteit van de uitvoering. 

1. Het eerste fundament is Competing in the Age of AI van Marco Iansiti en Karim Lakhani. Dit boek laat zien hoe organisaties als Amazon en Ant Group niet alleen digitaliseren, maar zichzelf heruitvinden als algoritmische netwerken waarin data, schaal en leervermogen de nieuwe productiemiddelen zijn. De opdrachten bij dit thema helpen je een eigen AI-operating-model te bouwen: waar stroomt data, waar stokt besluitvorming, en hoe vergroot je de leerlus van je organisatie?

De voorgestelde opdrachten (bouwen van een AI-operating-model, dataflows analyseren, leerlussen vergroten) sluiten naadloos aan op de theorie van Iansiti en Lakhani. Ze 'dwingen' de lezer om de abstracte concepten van het boek toe te passen op de eigen organisatie.

2. Het tweede boek, Prediction Machines van Ajay Agrawal, Joshua Gans en Avi Goldfarb, vertaalt kunstmatige intelligentie naar economie: AI verlaagt de kosten van voorspellen. Dat lijkt abstract, maar de impact is concreet, elke organisatiebeslissing draait om voorspelling, onzekerheid en actie. De bijbehorende opdrachten laten je die logica ontleden: wat kost een verkeerde voorspelling, wat is de waarde van betere informatie, en wanneer loont het om zelf te bouwen in plaats van in te kopen?

De opdrachten (kosten van foute voorspellingen, waarde van informatie, build vs. buy) zijn directe, praktische toepassingen van dit economische raamwerk. Ze helpen managers om AI-investeringen te analyseren door de lens van kosten en baten, precies zoals de auteurs bepleiten.

3. Het derde fundament, Power and Prediction van dezelfde auteurs, gaat een stap verder: AI creëert pas waarde wanneer hele systemen opnieuw worden ontworpen. Frictie, governance en besluitrechten zijn de echte obstakels. In deze opdrachten herteken je processen en beslisstructuren, en ontwikkel je protocollen voor wanneer de machine twijfelt en de mens het overneemt.

Het hertekenen van processen, beslisstructuren en het ontwikkelen van protocollen voor mens-machine-interactie is precies wat nodig is om de "systeemfrictie" die het boek beschrijft, aan te pakken.

4. Daarna volgt All-In on AI van Thomas Davenport en Nitin Mittal, dat beschrijft hoe ondernemingen wereldwijd AI niet als experiment maar als kernstrategie omarmen. De opdrachten dwingen je om portfolio’s te prioriteren, C-suite verhalen te formuleren en capabilities op te bouwen. Geen powerpoint-visies, maar tastbare roadmaps en ethische kaders die bestuurbaarheid garanderen.

Opdrachten gericht op het prioriteren van portfolio's, het formuleren van een narratief voor de directie, en het bouwen van roadmaps en ethische kaders zijn typische Davenport-thema's en sluiten perfect aan bij de focus van het boek op strategische, grootschalige implementatie.

5. Het vijfde boek, Working with AI van Thomas Davenport en Steven Miller, maakt de vertaalslag naar de werkvloer. Aan de hand van tientallen cases toont het hoe mensen en algoritmen samen beslissen, leren en presteren. De opdrachten helpen je taken herverdelen, biases reduceren en KPI’s ontwerpen voor samenwerking en psychologische veiligheid, cruciaal voor duurzame adoptie.

De opdrachten zijn zeer specifiek en praktisch gericht op deze samenwerking: taken herverdelen, bias reduceren, en KPI's voor samenwerking ontwerpen. Dit is een uitstekende vertaling van de casestudies en analyses in het boek naar concrete acties.

6. Tot slot vormt The AI Advantage van Thomas Davenport de praktische sluitsteen. Dit boek toont hoe organisaties pilots kunnen opschalen zonder waarde-erosie. De opdrachten richten zich op businesscases, MLOps-beheer en vendor-due-diligence: de realiteit van implementeren, niet de romantiek van innovatie.

De genoemde opdrachten zijn de concrete, operationele stappen die een organisatie moet nemen om AI-initiatieven van de grond te krijgen en te beheren, wat volledig in lijn is met de inhoud van het boek

In totaal bevat AI in Actie vervolgens 24 opdrachten, vier per boek, die elk een helder doel, concrete werkwijze, tastbaar resultaat en beoordelingscriteria hebben. Wie het programma doorloopt, beschikt na twaalf weken over een scherp beeld van de eigen AI-volwassenheid, complete verbeterplannen per team of proces, en een intern portfolio dat laat zien waar waarde verloren of juist gecreëerd wordt.

De aanpak is eenvoudig. Kies één boek per maand, werk in kleine teams, voer vier opdrachten uit, en bespreek wekelijks in dertig minuten wat je hebt geleerd. Deel de resultaten met je managementteam of ondernemingsraad en gebruik ze als input voor strategische keuzes, HR-beleid of innovatieroutes. Met drie kern-KPI’s, adoptie, besluitkwaliteit en ROI op experimenten, maak je de voortgang zichtbaar.

Na drie maanden heb je geen adviesrapport, maar een levend leerportfolio dat uit je eigen organisatie komt. En belangrijker: een gedeeld begrip van wat het betekent om samen te werken mét AI in plaats van er alleen over te praten.

AI in Actie is daarmee geen toekomstvisie, maar een uitnodiging tot experiment. Niet praten óver AI, maar werken mét AI en leren wat dat doet met jouw cultuur, structuur en strategie.

Willem E.A.J. Scheepers, AI Implementer, docent, auteur. 'Ego Hoc Fieri Lussi' GPT-5 & Gemini 2.5