In de afgelopen twee jaar heeft veel bedrijven de sprong gemaakt van “testen” met Kunstmatige Intelligentie (KI) naar het centraal stellen ervan in hun strategie. Het bekende verhaal is dat: copiloten voor werknemers, automatisering van taken, klantenservice-assistenten, snellere analyses en de bijna onvermijdelijke belofte van efficiëntie. Maar wanneer men naar concrete resultaten vraagt, is de werkelijkheid meestal veel minder rooskleurig dan de marketing suggereert.
Een nieuw rapport van het National Bureau of Economic Research (NBER) kwantificeert dat “veel geruis en weinig smaak”. De onderzoekers presenteren internationale bedrijfsgegevens uit bijna 6.000 directieleden (CFO’s, CEO’s en andere leidinggevenden) uit de VS, het Verenigd Koninkrijk, Duitsland en Australië. Wat vooral opvalt, is het contrast: ongeveer 70% van de bedrijven zegt actief KI te gebruiken, terwijl meer dan 80% aangeeft geen significante impact te hebben gezien op productiviteit of werkgelegenheid in de afgelopen drie jaar.
Een opvallend laag gebruik onder hen die beslissen
De sleutel ligt wellicht in een detail dat veel aannames ontkracht. Hoewel “meer dan twee derden” van de leidinggevenden aangeven regelmatig KI te gebruiken, blijkt het gemiddelde gebruik slechts 1,5 uur per week te zijn, en 25% zegt het helemaal niet te gebruiken.
Met andere woorden: de adoptie is aanwezig, maar de intensiteit is beperkt. En als degenen die de processen kunnen herstructureren en verandering kunnen stimuleren, er zo weinig gebruik van maken, blijft KI vaak oppervlakkig: snelle vragen, concepten, samenvattingen, zonder echte transformatie van productie, verkoop, klantenservice of operatie.
De “microcomputer-paradigma” keert terug
De economie heeft zo’n paradox al eerder gekend: technologieën met enorm potentieel die jaren nodig hebben om zich te vertalen naar aggregate metriek. Historische gegevens tonen dat de productiviteit periodiek traag groeide terwijl er geïnvesteerd werd in nieuwe technologieën, omdat de voordelen per saldo vaak afhankelijk zijn van procesherstructurering, opleiding en veranderende werkwijzen. Volgens historische data van de BLS groeide de arbeidsproductiviteit (output per uur) tussen 1948 en 1973 met gemiddeld 2,9% per jaar, waarna het in de jaren daarna duidelijk afnam, voordat het eind jaren 70 en in de jaren 80 weer enige heropleving zag.
De analogie is niet perfect — KI is geen pc — maar wel nuttig: als technologie slechts als “extra laag” wordt gebruikt bovenop bestaande werkwijzen, wordt de impact vaak verdund. Wanneer het echter een volledige herontwerp van systemen (werkstromen, tools, incentives, metrics) vereist, ontstaan de grote sprongen voorwaarts.
Waarom KI nog niet “de teller beweegt” (via)
In bedrijfsomgevingen verbetert de productiviteit zelden simpelweg doordat iemand een tool installeert. Vaak gebeurt het wanneer meerdere voorwaarden tegelijkertijd vervuld zijn:
- Duidelijke toepassingsgevallen: iemand is verantwoordelijk voor het resultaat (tijd, kosten, kwaliteit), niet alleen voor de “implementatie van KI”.
- Integratie met het werkelijke proces: KI geïntegreerd in CRM, ERP, ticketingsystemen, CI/CD, kennisbanken… niet als een los tabblad.
- Data en toegangsrechten gereed: als informatie gefragmenteerd of ontoegankelijk is, blijft KI vaak beperkt tot algemeenheden.
- Operationele training en gewoonten: van “vragen stellen” naar “taken delegeren” met controle.
- Metingen met juiste KPI’s: niet alleen “actieve gebruikers”, maar ook doorlooptijd, ticketresolutie, conversie, herwerk, incidenten enz.
Wanneer één van deze punten ontbreekt, is het resultaat vaak wat veel teams rapporteren: kleine tijdswinst hier en daar, zonder een systeemwijziging die zich vertaalt in echte productiviteitsverbeteringen.
Het interessante is dat de verwachting nog steeds hoog is
Het onderzoek laat zien dat het optimisme blijft bestaan: bedrijven voorzien dat KI in de komende drie jaar de productiviteit met 1,4% zal verhogen, de output met 0,8% en werkgelegenheid met 0,7% zal verminderen. Daarnaast bestaat er een perceptiekloof: werknemers verwachten een stijging in werkgelegenheid van 0,5% door KI, terwijl leidinggevenden op netto-kortingen anticiperen.
Deze verwachtingsbotsing is relevant voor elke organisatie die interne fricties wil vermijden: als management KI presenteert als vervangingsmiddel, terwijl teams het zien als een manier om “meer te doen met minder” (of om zware taken te vermijden), wordt de dialoog moeilijk. En de daadwerkelijke adoptie — die in metrics tot uiting komt — wordt vertraagd.
Wat moeten tech-teams doen om te voorkomen dat het slechts “aispeeltheater” wordt
Voor een technologisch team is de praktische leerles helder: als een bedrijf productiever wil worden, moet men niet vragen “welk model gebruiken we?”, maar “welke processen herontwerpen we?”. Enkele prioriteiten die vaak succes opleveren:
- 3-5 meetbare workflows kiezen (support, sales, engineering, financiën) en voor elke workflow een ‘eigenaar’ aanwijzen.
- Knelpunten aanpakken: waar stapelt menselijk werk zich op? triage, informatie zoeken, repetitieve schrijfwerk, classificatie, validaties.
- Metrics voor en na implementatie: doorlooptijden, escalatieratio’s, herwerken, waargenomen kwaliteit, kosten per eenheid.
- Controles ontwerpen: beveiliging, toegangsrechten, traceerbaarheid, menselijke review, zodat KI zonder risico’s kan opereren.
- Inzetten op organisatorische verandering: praktische training, templates, playbooks en incentives die echte adoptie stimuleren.
De conclusie van nu is niet dat KI “niet werkt”. Wel dat in veel bedrijven de technologie nog niet met de benodigde intensiteit, integratie en herontwerp wordt ingezet om daadwerkelijke productiviteitswinst te realiseren. De technologie is er; de operationele sprong zit nog in de pijplijn.
via: IA in de Kantooromgeving