Het is een uitspraak die inmiddels op veel bestuurstafels, in managementteams en tijdens werkoverleggen klinkt: “We moeten iets met AI.” Er worden pilots gestart, medewerkers krijgen toegang tot nieuwe toepassingen en organisaties onderzoeken hoe zij processen kunnen versnellen.

Dat is begrijpelijk. De mogelijkheden ontwikkelen zich snel en niemand wil de boot missen, maar ergens tussen de eerste experimenten en de volgende investering ontstaat een ongemakkelijke vraag:

Weten we eigenlijk wat AI in onze organisatie verandert?

Niet alleen op papier. Niet alleen in een pilot. Maar in het dagelijkse werk van mensen, in de kwaliteit van besluiten en in de manier waarop de organisatie kennis opbouwt en waarde creëert.

Die vraag staat centraal in de AI Reality Check van Damies Future Intelligence: een manier om AI-ambities te toetsen aan de werkelijkheid van werk, mensen en organisaties.

Een snellere rapportage, maar wat levert die op?

Stel: een team gebruikt AI om een rapportage voor te bereiden. Waar voorheen enkele uren nodig waren om informatie te verzamelen en een eerste versie te schrijven, ligt er nu binnen een halfuur een concept.

Dat lijkt een duidelijke tijdwinst en die kan er zeker zijn.

Maar daarna volgen vragen die minder gemakkelijk in een dashboard passen. Is de informatie volledig? Zijn de juiste bronnen gebruikt? Begrijpt de medewerker waarom bepaalde conclusies worden getrokken? En hoeveel tijd gaat er vervolgens naar controleren, corrigeren en aanvullen? Daar komt nog iets bij: wat gebeurt er met de tijd die daadwerkelijk overblijft?

Misschien kan de adviseur meer aandacht besteden aan de vraag achter de cijfers. Misschien is er meer ruimte voor contact met collega’s of klanten. Maar het kan ook zijn dat de vrijgekomen tijd direct wordt gevuld met de volgende opdracht, terwijl de kwaliteit van het werk nauwelijks verandert.

En als een junior medewerker de eerste analyse steeds vaker door AI laat maken: waar leert die medewerker dan welke informatie relevant is, welke uitzonderingen ertoe doen en wanneer een conclusie niet klopt?

Eén toepassing kan dus tegelijkertijd tijd besparen, nieuwe mogelijkheden creëren én nieuwe vragen oproepen over kwaliteit en kennisontwikkeling.

Precies daarom is het zinvol om verder te kijken dan gebruik en snelheid.

Van AI-adoptie naar organisatieontwikkeling

Veel organisaties bevinden zich nog in een fase van ontdekken. Medewerkers proberen toepassingen uit, delen prompts en vergelijken ervaringen. Sommige teams werken al met AI in hun dagelijkse processen; andere zijn nog voorzichtig of hebben beperkt toegang.

Dat verschil is niet vreemd. Niet ieder werkproces leent zich op dezelfde manier voor AI en niet iedere medewerker begint vanuit dezelfde kennis of behoefte. Toch ligt hier een belangrijke opgave voor leidinggevenden en bestuurders. Wanneer AI meer wordt dan een experiment, verandert de vraag.

Aanvankelijk luidt die vaak:

Waar kunnen we AI inzetten?

Daarna wordt de vraag:

Hoe richten we werk, verantwoordelijkheid en ontwikkeling zo in dat AI ook daadwerkelijk bijdraagt?

Dat vraagt om meer dan technologie aanschaffen of medewerkers een training aanbieden. Het vraagt om aandacht voor werkprocessen, professionele ruimte, gegevenskwaliteit, vaardigheden, leveranciers en besluitvorming.

En ook om een gesprek met de mensen die het werk doen. Zij zien vaak als eersten waar een toepassing helpt, waar controle nodig blijft en waar een proces in de praktijk anders loopt dan vooraf bedacht.

De AI Reality Check: drie perspectieven

De AI Reality Check begint met drie samenhangende vragen:

1. Welke waarde ontstaat er daadwerkelijk?
2. Wat gebeurt er met ons menselijk vermogen?
3. Waarvan worden we afhankelijk en hoeveel grip houden we?

Die vragen vormen geen standaardvragenlijst die voor iedere organisatie tot dezelfde uitkomst leidt. Een productiebedrijf, een dienstverlener, een onderwijsinstelling en een overheidsorganisatie hebben verschillende taken, verantwoordelijkheden en risico’s.

De vragen bieden wel een gemeenschappelijk vertrekpunt om het gesprek te voeren.

1. Waarde: van potentieel naar resultaat

AI kan tijd besparen, de kwaliteit van werk ondersteunen en nieuwe mogelijkheden zichtbaar maken. Maar potentiële waarde is nog geen gerealiseerde waarde.

Bij een beoordeling horen daarom ook de tijd en middelen die nodig zijn voor inrichting, begeleiding, controle, correctie en eventueel herstel. En de opbrengst hoeft niet altijd direct financieel te zijn. Denk aan betere dienstverlening, minder wachttijd, meer ruimte voor complexe vraagstukken of een prettiger werkproces.

Daarbij helpt het om onderscheid te maken tussen drie vragen:

• Wat kan AI in dit werkproces opleveren?
• Wat levert het na controle en correctie daadwerkelijk op?
• Hoe benutten we die opbrengst?

Een organisatie die die laatste vraag niet beantwoordt, loopt het risico dat tijdwinst verspreid blijft over losse momenten in de werkweek. Dat kan nog steeds prettig zijn voor medewerkers, maar het betekent niet automatisch dat er tijd vrijkomt voor een concreet nieuw doel.

De DFI Return on Intelligence Calculator is een mogelijk startpunt voor dat gesprek. De calculator verkent op basis van aannames wat AI-gebruik aan potentiële tijd en waarde kan opleveren. Vervolgens is de vraag wat er in de eigen praktijk nodig is om die potentie te benutten.

De calculator verkent het potentieel. De AI Reality Check onderzoekt de werkelijkheid erachter.

In een volgende bijdrage gaan we dieper in op deze stap van tijdwinst naar waarde, onder meer met de Micro-Uur Paradox.

2. Menselijk vermogen: wat kunnen we blijven?

Een organisatie kan dankzij AI sneller werken en tegelijkertijd afhankelijker worden van kennis die zij zelf minder vaak toepast. Of dat gebeurt, hangt af van hoe het werk wordt ingericht.

Juist daarom is het belangrijk om niet alleen te vragen wat AI overneemt, maar ook:

Welke kennis en ervaring hebben mensen nodig om het werk te begrijpen, uitkomsten te beoordelen en verantwoordelijkheid te dragen?

Denk aan een beginnende jurist die documenten samenvat, een analist die gegevens onderzoekt of een adviseur die een eerste voorstel opstelt. Zulke werkzaamheden zijn soms arbeidsintensief. Tegelijkertijd bieden ze gelegenheid om patronen te leren herkennen, vragen te stellen en ervaring op te bouwen.

Als AI delen van dat werk verandert of overneemt, hoeft dat geen probleem te zijn. Het kan juist ruimte geven voor ander leerzaam werk. Maar die ruimte ontstaat niet vanzelf. Organisaties zullen bewust moeten kijken waar en hoe mensen hun vak blijven leren.

Dat geldt niet alleen voor starters. Ook ervaren professionals hebben tijd en gelegenheid nodig om hun kennis te onderhouden, AI-uitkomsten te toetsen en nieuwe ontwikkelingen te begrijpen.

In deze reeks komt dat terug bij thema’s als Human Hollowing en Curriculum Future. De eerste term gebruik ik om het risico te onderzoeken dat organisaties menselijk vermogen verliezen terwijl zij sterker op technologie gaan leunen. Curriculum Future richt de blik op de ontwikkeling en zichtbaarheid van professionals in een veranderende arbeidsmarkt.

De centrale vraag voor beide is verrassend eenvoudig:

Als AI meer kan, hoe zorgen we er dan voor dat mensen zich blijven ontwikkelen?

3. Afhankelijkheid: waar houden we grip?

De meeste organisaties kopen AI-technologie in of gebruiken toepassingen van externe aanbieders. Dat is op zichzelf geen probleem. Samenwerken met leveranciers kan toegang bieden tot kennis en mogelijkheden die een organisatie niet zelf hoeft te ontwikkelen.

Maar naarmate een toepassing belangrijker wordt voor het werk, wordt ook de afhankelijkheid groter.

Wat gebeurt er als de toepassing tijdelijk niet beschikbaar is? Als voorwaarden of prijzen veranderen? Als de kwaliteit van de uitkomsten terugloopt? Of als een leverancier een functionaliteit aanpast waarop een team dagelijks vertrouwt? Misschien nog belangrijker: weten medewerkers en leidinggevenden voldoende om te herkennen wanneer een systeem niet doet wat nodig is?

Grip betekent niet dat een organisatie alles zelf moet bouwen of zonder hulp moet kunnen. Het betekent wel dat zij inzicht heeft in haar afhankelijkheden, bewuste keuzes maakt en weet wat zij doet wanneer omstandigheden veranderen.

In een latere bijdrage bespreek ik dit verder aan de hand van AI-RTO: een DFI-werkdefinitie die aansluit bij het bestaande denken over herstel en continuïteit. De onderliggende vraag is hoeveel tijd een organisatie zich kan veroorloven om zonder een belangrijke AI-toepassing te functioneren.

De rol van de professional verandert mee

Bij een AI Reality Check hoort ook een gesprek over de mensen die dagelijks met de technologie werken.

Een medewerker die AI gebruikt, kan sneller tot een eerste antwoord komen. Tegelijkertijd verschuift een deel van het werk naar vragen stellen, context geven, beoordelen, afwegen en uitleggen waarom een uitkomst wel of niet bruikbaar is.

Die verschuiving kan het werk interessanter maken. Ze kan ook nieuwe druk veroorzaken, bijvoorbeeld wanneer iemand formeel verantwoordelijk blijft voor een besluit, maar weinig tijd heeft om de onderliggende informatie te controleren.

Daarom is menselijke verantwoordelijkheid meer dan een naam onder een besluit. Ze vraagt ook om:

• voldoende kennis om een uitkomst te kunnen beoordelen;
• tijd om vragen te stellen en zo nodig te controleren;
• ruimte om een systeem tegen te spreken;
• duidelijkheid over wie welke beslissing neemt;
• een omgeving waarin twijfel bespreekbaar is.

Dat laatste raakt aan leiderschap en organisatiecultuur. Als snelheid voortdurend wordt beloond en vragen stellen als vertraging wordt gezien, kan de ruimte voor kritisch oordeel kleiner worden — ook wanneer de formele afspraken er goed uitzien.

Drie vragen voor de bestuurstafel

Een uitgebreide analyse hoeft niet het eerste gesprek te zijn. Een managementteam kan klein beginnen door één toepassing of werkproces te kiezen dat al in gebruik is of binnenkort wordt ingevoerd.

Bespreek vervolgens samen met betrokken medewerkers:

1. Welke waarde verwachten we, en hoe herkennen we die in de praktijk?
Gaat het om capaciteit, kwaliteit, dienstverlening, werkplezier of kosten? Welke inspanningen horen daar ook bij?

2. Welke menselijke kennis en beslisruimte zijn nodig?
Wie beoordeelt de uitkomsten? Hoe bouwen ervaren en nieuwe medewerkers de benodigde kennis op? En wanneer moet iemand kunnen ingrijpen?

3. Welke afhankelijkheden accepteren we?
Welke rol spelen leverancier, data en infrastructuur? Wat doen we als de toepassing verandert, onbetrouwbaar wordt of uitvalt?

Het doel is niet om direct op iedere vraag een volledig antwoord te hebben. Het doel is om zichtbaar te maken welke aannames achter de AI-ambitie zitten en welke daarvan eerst moeten worden getoetst.

De uitkomst kan zijn dat een toepassing klaar is om verder op te schalen. Maar ook dat een team eerst meer ervaring moet opdoen, het proces moet aanpassen of een afhankelijkheid nader moet onderzoeken.

Een reality check is ook een kans

De term reality check klinkt misschien kritisch. Dat is hij ook, in de betekenis dat hij uitnodigt om vragen te stellen en aannames te toetsen. Maar het doel is niet om AI-initiatieven af te remmen. Het doel is om betere keuzes te maken over waar AI werkelijk helpt, wat daarvoor nodig is en welke menselijke kwaliteiten een organisatie wil behouden en ontwikkelen.

Een organisatie die dat gesprek voert, kijkt verder dan de vraag hoeveel mensen een toepassing gebruiken. Zij onderzoekt wat er verandert in het werk, welke waarde ontstaat en waar nieuwe verantwoordelijkheden of afhankelijkheden ontstaan.

Dat gesprek hoeft niet te wachten tot alle antwoorden bekend zijn. Juist tijdens experimenten en pilots valt veel te leren.

De belangrijkste vraag is daarom niet alleen wat AI voor uw organisatie kan doen.

De vraag is ook: wat voor organisatie wordt u door de keuzes die u vandaag over AI maakt?

Over deze reeks

In The AI Reality Check onderzoekt Damies Future Intelligence tot het einde van 2026 zeven vraagstukken op het snijvlak van AI, werk en organisatie.

Na deze eerste bijdrage volgen onderwerpen als tijdwinst en waarde, menselijk vakmanschap, verantwoordelijkheid, afhankelijkheid, AI-agenten en de AI-agenda voor 2027. Iedere bijdrage verbindt een herkenbare praktijkvraag aan inzichten en ideeën voor professionals en organisaties.

Volgende bijdrage verschijnt op 161126: AI bespaart ons tijd. Maar wanneer wordt die tijd ook daadwerkelijk waarde?

Willem E.A.J. Scheepers, AI Implementer

Info over de AI Ready Check vind je op de LI pagina DAMIES Future Intelligence. Of mail: willem@willemscheepers.eu  GET READY FOR THE FUTURE