‘AI gaat net zoveel over leiderschap als over technologie’

Hoeveel AI-pilots draaien er in uw organisatie? En hoeveel daarvan zijn daadwerkelijk opgeschaald naar de rest van het bedrijf? Voor veel C-suite executives is de verhouding pijnlijk: tientallen experimenten, maar nauwelijks structurele impact. De investeringen stijgen, maar de resultaten blijven achter. Jorg Schalekamp, AI Lead en partner bij Deloitte Nederland, deelt een aantal belangrijke lessen.

Het achterblijven van resultaten is meer dan een operationeel probleem. Het wordt een strategisch risico. Aandeelhouders volgen hoe kunstmatige intelligentie sectoren op zijn kop zet en verwachten van hun boards een helder AI-narratief. Niet over pilots en proeftuinen, maar over hoe AI het bedrijfsmodel gaat versterken, processen fundamenteel verandert en concurrentievoordeel oplevert. De vraag is niet óf AI relevant is, maar wáár je als organisatie de stap zet van vrijblijvend experimenteren naar schaalbare waarde.

Jorg Schalekamp begeleidt dagelijks organisaties bij deze transitie. Vanuit zijn positie – waarbij hij ook de AI-transitie van Deloitte zelf leidde – ziet hij waar het vaak misgaat en wat het verschil maakt tussen vastlopen in pilots en daadwerkelijk waarde creëren. Hij deelt de belangrijkste lessen voor de C-suite executives.

Veel organisaties experimenteren eerst in ondersteunende processen zoals HR of financiën. Maar u stelt dat de significante waarde vaak in de primaire processen zit. Hoe bepaal je een strategie die beide aanpakt?

‘Het is inderdaad volkomen logisch om te beginnen met experimenten in een veilige omgeving, maar daar mag je niet blijven steken. De cruciale stap is om daarna expliciet te kiezen voor de vaak complexere, maar veel waardevollere toepassingen in het hart van je bedrijf. Daar zit de werkelijke concurrentiekracht van AI verborgen. 

Het is zaak om een portfolio-overzicht te maken van alle mogelijke AI-toepassingen. Analyseer waar de meeste waarde te behalen valt en weeg dit af tegen de complexiteit. Dit vereist een holistisch perspectief: welke processen hebben het grootste disproportioneel effect van AI? Welke zijn strategisch voor je bedrijf? Pas dan kun je prioriteiten stellen en je middelen effectief inzetten.’

Wie moet die strategie bepalen? Neemt de ceo het voortouw of is dit te delegeren?

‘Idealiter neemt een ceo het voortouw. Dat is niet altijd het geval in de praktijk, maar omdat AI veelal de kern van je bedrijf raakt, is het feitelijk een board-onderwerp. Het raakt strategie, organisatie, risico’s, cultuur.’

Hoe neemt een ceo zijn medewerkers mee in een AI-strategie, zonder dat het hen angst inboezemt?

‘Het verhaal van de ceo is cruciaal. Woorden doen ertoe; ze worden door de organisatie geïnterpreteerd en bepalen hoe medewerkers reageren. Als je zegt “AI gaat ons enorm veel efficiency opleveren”, kunnen medewerkers dit interpreteren als “ik moet me zorgen maken over mijn baan”. En dat is niet wat je wilt bereiken. Beter is het om AI als een oplossing voor bestaande uitdagingen voor te stellen. Je zou bijvoorbeeld kunnen zeggen: “We hebben jarenlang moeite om gekwalificeerde medewerkers te vinden. AI biedt ons een mogelijke oplossing voor deze uitdaging. Het zal het werk wel gaan veranderen, maar niet vervangen.” Dit moet overigens wel passen bij het waardensysteem en intrinsieke geloof van degene die het uitspreekt, anders is het niet geloofwaardig.’

Hoe organiseer je AI-expertise binnen je organisatie? Centraal of verspreid?

‘Een volledig centrale AI-afdeling is vaak te log en te ver verwijderd van de business. Een hybride model werkt in de praktijk het best: een centraal expertisecentrum dat kennis en ervaring bundelt, maar ook experts in de verschillende business units die dicht op de processen zitten. Dit bevordert de wendbaarheid en zorgt dat de kennis aanwezig is waar het nodig is – bij het werk zelf. Dit model heeft nog een voordeel: het democratiseert AI. Medewerkers in de business units kunnen hun eigen AI-agents en toepassingen ontwikkelen, wat vertrouwen opbouwt en acceptatie versnelt. AI-geletterdheid wordt net zo essentieel als digitale geletterdheid ooit was.’

Wat zijn de drie grootste risico’s waar organisaties mee worstelen bij AI?

‘Het eerste risico is onbetrouwbare of onjuiste output. Dit noemen we hallucinaties. AI kan iets presenteren met volledige zekerheid, terwijl het feitelijk onjuist is. Als veel medewerkers AI gebruiken, wie beoordeelt dan of de output goed is? Dat vereist bewustzijn en controle. Het tweede risico is dat regelgeving vaak achterblijft op technologische ontwikkeling. Als je een early adopter bent, loop je het risico dat je later door toezichthouders wordt teruggefloten. Je doet niets fout, maar de wet verandert en je bent niet meer compliant. Het derde risico is de onduidelijkheid rondom intellectueel eigendom. Wie bezit de rechten op de output van AI? Wie is verantwoordelijk als iets misgaat? Dit is nog steeds in ontwikkeling en creëert juridische onzekerheid.’

Bij wie ligt de verantwoordelijkheid voor verantwoord gebruik van AI?

‘De organisatie is verantwoordelijk voor de kaders die worden gesteld. Die bepaalt hoe breed of smal de “professionele ruimte” is waarbinnen medewerkers mogen experimenteren. Dit hangt onder meer af van je risicobereidheid en de sector waarbinnen je opereert. In sterk gereguleerde sectoren, zoals banken, is die ruimte vanzelfsprekend kleiner. In minder gereguleerde sectoren kun je die ruimte groter maken. Maar je kunt niet alles dichttimmeren. Uiteindelijk ligt de verantwoordelijkheid voor zorgvuldig gebruik bij de professional zelf. Je kunt een vangrails plaatsen en training geven, maar de medewerker zit zelf achter het stuur. Daarom is duidelijkheid over die kaders essentieel. Zorg voor heldere richtlijnen, training en een cultuur waarin medewerkers vragen durven te stellen als ze onzeker zijn.’

Hoe zorg je als bedrijf voor de juiste balans tussen schaalbaarheid en flexibiliteit in je AI-architectuur?

‘Dit is een kritische afweging. Standaardiseer waar mogelijk op een beperkt aantal grote platformen om schaalvoordelen te behalen en complexiteit te beperken. Maar behoud tegelijk de flexibiliteit om voor specifieke, strategische toepassingen andere, gespecialiseerde oplossingen in te zetten. Dit voorkomt volledige afhankelijkheid van één leverancier. Het gaat erom dat je zoveel mogelijk oplossingen in zo weinig mogelijk platforms en technologieën vastlegt. Dat geeft je schaalvoordelen en duidelijkheid voor medewerkers. Maar voor de gevallen waar een standaardoplossing niet volstaat – daar waar je echt onderscheidend wilt zijn – wil je modulariteit hebben om andere technologie in te schakelen.’

Wanneer bouw je AI-oplossingen zelf en wanneer koop je ze in?

‘Die afweging is tweeledig. De eerste vraag die je jezelf moet stellen is: kun je het zelf significant beter en kostenefficiënter dan wat de markt biedt? En de tweede vraag is: is de toepassing zó strategisch en onderscheidend dat je er een duurzaam concurrentievoordeel mee behaalt? Alleen als het antwoord op beide vragen “ja” is, wordt zelf bouwen een serieuze optie. In veel gevallen is de markt sneller en beter dan je zelf kunt bouwen. Daar moet je eerlijk in zijn. Maar voor de kernprocessen waar je echt anders wilt zijn dan je concurrenten, kan zelf bouwen zin hebben.’

Welke partners heb je nodig in je AI-ecosysteem en hoe kies je ze?

‘Je hebt verschillende soorten partners nodig: kennispartners die je helpen strategisch na te denken, implementatiepartners die je helpen oplossingen uit te voeren, technologieleveranciers, dataleveranciers en de academische wereld. Per organisatie verschilt wat je nodig hebt, in welke fase en in welke regio. Het is vooral belangrijk dat je expliciete keuzes maakt. Waar ligt je grootste behoefte? Wil je veel zelf doen en ben je dus minder afhankelijk van implementatiepartners? Of wil je een dunnere organisatie en werk je sterk samen met partners? Dit bepaalt wie je nodig hebt. Daarnaast speelt geografie een rol – voor sommige organisaties is een netwerk in Azië cruciaal, voor andere juist Europa of Amerika, of juist heel lokaal en sectorspecifiek.’

Waarom is vertrouwen en gezamenlijk leren cruciaal in AI-partnerships?

‘Niemand weet precies hoe de toekomst eruitziet. Dat is het uitgangspunt. Daarom zijn partnerships gebaseerd op vertrouwen en de bereidheid om samen te leren van onschatbare waarde. Het gaat erom dat je samen een reis aangaat, in de wetenschap dat je van elkaar leert en elkaar helpt. Dit zie je ook terug in hoe we als Deloitte werken. We nemen bijvoorbeeld leiders mee naar Silicon Valley en China, om zelf te ervaren wat daar gebeurt, welke ontwikkelingen er zijn en om samen te leren. Het gaat om gezamenlijk ontdekken, niet om één partij die alles weet.’

Wat is uw belangrijkste advies aan ceo’s op het gebied van AI?

‘Besef dat dit net zoveel over leiderschap gaat als over technologie. Misschien nog wel meer. De AI-modellen worden steeds beter, de tools gebruiksvriendelijker. Maar of jouw organisatie de omslag maakt, hangt af van jouw overtuiging, de cultuur die je creëert en de ruimte die je geeft om anders te werken. En durf te beginnen. Niet alles hoeft perfect voordat je de eerste stap zet. De wereld wacht niet en je hoeft het niet alleen te doen. Leer van elkaar, deel ervaringen, ga samen die reis aan. Want uiteindelijk boek je de meeste vooruitgang samen.’