1. Van experimenteren naar toepassen

Een jaar geleden gingen gesprekken over AI vaak over mogelijkheden. Wat is ChatGPT? Wat kan Copilot? Welke ontwikkelingen komen eraan? Inmiddels verschuift de aandacht steeds meer naar de dagelijkse praktijk.
 
Bedrijven willen niet langer experimenteren met losse tools, maar kijken hoe AI daadwerkelijk kan bijdragen aan hun processen, dienstverlening en besluitvorming. De focus ligt steeds vaker op concrete toepassingen die medewerkers ondersteunen, werk versnellen of repetitieve taken verminderen.
 
Die ontwikkeling ziet Koen van Kessel ook terug in de praktijk. Organisaties kijken steeds vaker naar concrete AI-toepassingen, maar ontdekken daarbij ook dat een sterk datafundament onmisbaar blijft. Juist wanneer AI onderdeel wordt van dagelijkse processen, wordt zichtbaar hoe belangrijk betrouwbare data, duidelijke definities en goed ingerichte processen zijn.  

David Adewunmi ziet een vergelijkbare verschuiving. Volgens hem verschuift de aandacht van experimenteren met AI-tools naar het integreren van AI in bestaande bedrijfsprocessen. Organisaties zijn steeds minder geïnteresseerd in losse demonstraties en willen vooral weten hoe AI structureel kan bijdragen aan hun dagelijkse werkzaamheden.

Tegelijkertijd groeit het besef dat succesvolle inzet van AI niet begint bij technologie alleen. Het vraagt om duidelijke doelstellingen, goed ingerichte processen en medewerkers die begrijpen hoe zij ermee kunnen werken.

"AI verschuift van het beantwoorden van vragen over de bedrijfsvoering naar het vervullen van een actieve, gecontroleerde rol in de manier waarop een organisatie opereert." – David Adewunmi

2. AI legt de zwakke plekken in informatievoorziening bloot

Naarmate AI een grotere rol krijgt binnen organisaties, wordt één ding steeds duidelijker: de kwaliteit van de uitkomsten is direct afhankelijk van de kwaliteit van de onderliggende informatie.
 
Veel organisaties beschikken over grote hoeveelheden data, verspreid over verschillende ERP-systemen, CRM-oplossingen, HR-systemen en talloze Excel-bestanden. Die informatie is vaak aanwezig, maar niet altijd op dezelfde manier gedefinieerd of georganiseerd.
 
Volgens Leon Gerritsen ontstaat daar een belangrijke uitdaging. Begrippen zoals omzet, actieve klanten of ziekteverzuim lijken misschien vanzelfsprekend, maar worden binnen organisaties regelmatig verschillend geïnterpreteerd. Waar medewerkers die verschillen vaak nog herkennen, kan AI dat niet automatisch corrigeren.
 
Ook David Adewunmi ziet dat organisaties soms vooral naar modellen en agents kijken, terwijl een belangrijk fundament ontbreekt: duidelijke definities, context en onderlinge relaties tussen gegevens. Zonder die gemeenschappelijke betekenislaag wordt het lastig voor AI om betrouwbare uitkomsten te leveren.
 
AI maakt slechte data niet beter. Sterker nog: het vergroot bestaande problemen vaak uit en maakt ze sneller zichtbaar.

"Hoe meer we AI zelfstandig laten werken, hoe belangrijker het wordt dat we binnen een organisatie dezelfde taal spreken over data." – Leon Gerritsen

3. Governance verschuift van bijzaak naar randvoorwaarde

Naast technologie en data groeit ook de aandacht voor governance. Organisaties willen niet alleen weten wat AI kan, maar ook hoe zij grip houden op de inzet ervan.
 
Vragen rondom eigenaarschap, toezicht, toegangsrechten, compliance en verantwoord gebruik komen steeds vaker terug. Zeker nu AI een grotere rol krijgt in werkzaamheden die direct invloed hebben op processen, dienstverlening en besluitvorming.

Marit Metternich merkt dat governance daardoor steeds minder wordt gezien als een administratieve verplichting en steeds meer als een noodzakelijke voorwaarde voor succesvolle AI-toepassingen. Tegelijkertijd blijkt dat governance niet uitsluitend over techniek gaat. Ook onderwerpen zoals verandermanagement, verantwoordelijkheden en adoptie spelen een belangrijke rol.
 
Dat is niet verrassend. Nieuwe technologie vraagt immers ook om nieuwe afspraken. Wie blijft verantwoordelijk wanneer AI een analyse uitvoert? Hoe zorg je voor toezicht? En hoe voldoe je aan wet- en regelgeving zoals de EU AI Act?
 
De komende jaren zullen dit soort vraagstukken alleen maar belangrijker worden.

"AI verandert van een hulpmiddel naar een digitale collega; governance bepaalt of die collega een asset of een risico wordt."
– Marit Metternich

4. AI-agents nemen steeds meer werk uit handen

Misschien wel de meest zichtbare ontwikkeling is de opkomst van AI-agents. Waar generatieve AI vandaag vooral bekendstaat om het beantwoorden van vragen, ontstaat steeds vaker interesse in oplossingen die werkzaamheden uitvoeren.
 
Denk aan het voorbereiden van klantgesprekken, het verwerken van documenten, het verzamelen van informatie uit meerdere systemen of het ondersteunen van administratieve processen.
 
Volgens Steffie van Hese verwachten veel organisaties dat dergelijke oplossingen direct zelfstandig kunnen functioneren. In de praktijk blijkt dat succesvolle inzet vraagt om duidelijke kaders, goede data en een helder begrip van het proces waarin de agent wordt ingezet.
 
De impact zit daarbij niet alleen in grote automatiseringsprojecten. Juist de optelsom van tientallen kleine taken kan een groot verschil maken. Het automatisch uitwerken van actiepunten, voorbereiden van afspraken, verwerken van documenten of verzamelen van informatie lijkt misschien beperkt, maar levert gezamenlijk een aanzienlijke tijdsbesparing op.
 
Daarmee verschuift de rol van medewerkers geleidelijk van uitvoeren naar beoordelen, interpreteren en beslissen.

"We staan aan het begin van een fundamentele verandering in hoe werk wordt uitgevoerd. De vraag is niet of organisaties hiermee aan de slag gaan, maar hoe snel zij deze nieuwe manier van werken weten te omarmen." – Steffie van Hese

Van experimenteren naar organiseren

Hoewel organisaties zich in verschillende fases bevinden, ziet het data & AI team dezelfde beweging terug. De aandacht verschuift van experimenteren naar organiseren.
 
AI wordt steeds vaker onderdeel van dagelijkse processen. Daarmee verschuift de aandacht van de technologie zelf naar vragen als: hoe richten we processen in, hoe zorgen we voor betrouwbare informatie en hoe organiseren we verantwoordelijkheden rondom het gebruik van AI?
 
Waar de ene organisatie onderzoekt hoe generatieve AI medewerkers kan ondersteunen, kijkt de andere al naar AI-agents die onderdelen van processen zelfstandig kunnen uitvoeren. Toch begint iedere succesvolle AI-strategie bij dezelfde basis: inzicht in processen, betrouwbare informatie en duidelijke afspraken over eigenaarschap en gebruik.
 
Organisaties die succesvol willen zijn met AI zullen niet alleen moeten investeren in innovatieve toepassingen, maar ook in duidelijke definities, governance en adoptie. Wie die basis op orde heeft, creëert de voorwaarden om nieuwe technologie duurzaam en verantwoord in te zetten. Wat opvalt is dat organisaties steeds minder bezig zijn met de vraag óf AI relevant wordt en steeds meer met de vraag hoe zij AI verantwoord en schaalbaar kunnen inzetten. Daarmee verschuift AI van innovatieproject naar structureel onderdeel van de bedrijfsvoering.
 
Benieuwd wat deze ontwikkelingen betekenen voor jouw organisatie? We denken graag mee over de kansen, uitdagingen en vervolgstappen op het gebied van data, analytics en AI.