De AI tsunami komt eraan...

AI is inmiddels zo’n onderwerp waar iedereen iets van vindt, maar waar maar weinig organisaties al echt structureel mee werken. Daardoor ontstaat een vreemde spagaat: aan de buitenkant lijkt het “een handige tool”, terwijl het bij een groeiend aantal teams al een productielaag is die doorlooptijd en kosten aantoonbaar verschuift. En daar hangt meer aan dan alleen efficiency: er komt een economische herverdeling van werk aan, omdat taken die gisteren nog uren kostten nu nog maar minuten zijn. Alleen: bijna niemand handelt er al naar. Het lijkt op dat moment vlak voor een tsunami, wanneer het water zich terugtrekt en iedereen ernaar staat te kijken. Verwonderd, een beetje nieuwsgierig, maar zonder te beseffen dat dit geen ‘bijzonder natuurverschijnsel’ is, maar een waarschuwing.

Hoe de meerderheid AI nu ziet

Voor veel mensen is AI vooral een slimme assistent voor losse taken. Een e-mail netter maken. Een tekst samenvatten. Een lijstje genereren. Handig, maar niet iets waar je je kernprocessen op durft te draaien. Dat beeld komt vaak uit twee bronnen: een eerste testmoment dat al weer even geleden is, of het gebruik van een gratis/standaardvariant die vooral goed is voor “snelle antwoorden”, maar minder voor serieus werk met context, bronnen en controle.

Het gevolg is dat AI nog vaak wordt gezien als iets dat erbij komt, niet iets dat je werkproces daadwerkelijk verandert.

Hoe kijkt de meerderheid nu tegen AI aan?

• Veel ervaringen zijn gebaseerd op oudere of beperkte versies.

• AI wordt nog vaak gebruikt als “zoekmachine met tekst”, niet als proces-tool.

• De drempel zit zelden in technologie, maar in vertrouwen, governance en workflow.

Waar AI werkelijk nu staat

Bij early adaptors is AI niet meer “een tool naast het werk”, maar een onderdeel binnen de dagelijkse routine. De grootste verschuiving is niet dat AI alles perfect kan, maar dat het het eerste werk kan doen. Snel, consistent en in een vaste structuur. Denk daarbij aan verslagen maken, onderzoek, en natuurlijk ook nog steeds tekst schrijven. De human-in-the-loop blijft verantwoordelijk, maar de rol verschuift: De mens doet zelf minder productie, maar krijgt meer regie, toetsing en besluitvorming over de door AI aangeleverde content.

Je ziet AI vooral sterk worden in taken die veel lezen/schrijven/analyseren combineren: dossiers opbouwen, tickets triageren, klantcommunicatie opstellen, rapportages voorbereiden, en in technische omgevingen ook het bouwen en testen van software. Niet als magische vervanger, maar als versneller die een groot deel van het standaard, of repetitief werk pakt.

Het echte verschil ontstaat wanneer AI wordt ingebed in een workflow met vaste input, vaste output en kwaliteitschecks. Dan wordt het niet iets dat “soms goed gaat”, maar iets dat voorspelbaar waarde levert.

Belangrijkste punten

• AI vervangt meestal geen functie, maar een stapel taken.

• De winst komt uit: minder handwerk, snellere doorlooptijd, consistentere output.

• Workflow-inbedding (templates, checks, logging) bepaalt of het werkt.

Waar AI over 2 jaar waarschijnlijk staat

Over twee jaar is het in veel organisaties normaal dat AI complete taken afhandelt binnen strak afgebakende processen: denk aan triage, dossieropbouw, standaardcommunicatie, controles en het klaarzetten van acties voor goedkeuring. Niet omdat AI ineens foutloos is, maar omdat bedrijven de randvoorwaarden beter op orde hebben: heldere spelregels, logging, autorisaties, en escalatie zodra iets afwijkt of onzeker is.

AI kijkt bovendien steeds vaker “mee” over meerdere bronnen tegelijk: e-mails, tickets, tabellen, documenten, dashboards en klantcontact. Daardoor wordt de context rijker en kan AI meer stappen achter elkaar zetten zonder dat iemand alles handmatig hoeft over te nemen. In sectoren met zware compliance (zorg, overheid, finance) gaat adoptie vaak in kleinere stappen, maar zodra het goed staat is de impact groot: juist daar zit enorm veel repeteerbaar werk dat nu nog tijd en geld kost.

Microsoft embedt agents steeds dieper in Dynamics 365 en biedt via Copilot Studio een fabriek om die agents te bouwen en te publiceren; die combinatie (product + platform) wordt de nieuwe standaard, waardoor andere softwarehuizen dit patroon vrijwel zeker gaan overnemen. De manier waarop gewerkt wordt gaat veranderen en taken waar nu nog specialisten voor nodig zijn, worden door AI geminimaliseerd. Denk daarbij aan het toepassen van regelgeving en controle's

Belangrijkste punten

• Meer autonome uitvoering binnen duidelijke grenzen.

• Meer multimodaal: documenten, data, dashboards, tickets.

• Het verschil zit in inrichting: data, governance, quality gates.

• Vasthouden van "the human-in-the-loop"

Wat gebeurt er met de organisaties die niet meegaan?

Organisaties die niet meegaan merken niet meteen “een klap”. Het begint als een langzaam oplopend verschil in tempo. Terwijl koplopers hun doorlooptijd verkorten en meer output per medewerker realiseren, blijft bij achterblijvers het werkvolume stijgen zonder dat de capaciteit mee kan. Dat zorgt voor druk in de operatie: meer contextswitching, meer escalaties, meer fouten door werkdruk, en een groeiend backlog.

Extern verschuift ondertussen de norm. Klanten en ketenpartners raken gewend aan snellere antwoorden, kortere doorlooptijden en meer voorspelbaarheid. Wat voorheen “prima” was, voelt dan ineens traag en duur. Niet omdat mensen slechter werken, maar omdat de marktstandaard verandert.

Op een gegeven moment komt er een tweede effect: de inhaalrace. Je moet dan tegelijk tooling kiezen, processen herontwerpen, data opschonen en medewerkers trainen, terwijl je operatie al onder spanning staat. Dat is precies de fase waarin veel organisaties geld uitgeven maar nog weinig rust of voordeel ervaren.

Belangrijkste punten

• Het nadeel begint als druk, niet als instorting.

• Backlog en fouten groeien doordat het standaardwerk blijft terugkomen.

• De inhaalrace is duur omdat je alles tegelijk moet veranderen.

Het verschil in bedrijven die wel en geen AI toepassen zie je al snel. In veel omgevingen zie je binnen enkele maanden een meetbaar verschil ontstaan, zeker als AI wordt ingezet op één of twee kernprocessen waar de meeste tijd weglekt (intake/triage, dossiervorming, klantcommunicatie, rapportage). Na een jaar gaat het verschil meestal zichtbaar “in de cijfers” zitten. Na twee jaar zit het verschil in de organisatie zelf: koplopers hebben een procesmachine gebouwd met templates, checks en continue verbetering, terwijl achterblijvers nog afhankelijk zijn van individuele experts en ad-hoc werk.

Belangrijkste punten

• 3–6 maanden: eerste kloof in doorlooptijd en output per FTE.

• 6–12 maanden: KPI’s lopen uiteen (cost-to-serve, backlog, kwaliteit).

• 12–24 maanden: structureel verschil in schaalbaarheid en organisatie-inrichting.

De kern: wat je nu wél kunt doen

De truc is om AI niet “erbij” te doen, maar één proces te pakken waar nu structureel tijd en geld wegloopt. Niet breed, maar scherp. Maak de output meetbaar, zet een kwaliteitscheck erin, en schaal pas op als het stabiel is. Daarmee creëer je intern bewijs, rust en een blauwdruk voor de volgende stap.

Wie dat nu doet, koopt iets wat schaars is: leertijd vóórdat het moet. En dat is uiteindelijk waar het concurrentievoordeel vandaan komt, niet uit het model zelf, maar uit de snelheid waarmee je organisatie leert en aanpast.

Belangrijkste punten

• Start klein: één proces, één team, één meetbare KPI.

• Leg “goed” vast met templates en quality gates.

• Schaal pas op als het voorspelbaar werkt.

Volg ons op linkedin om bij te blijven met de ontwikkelingen in AI

Bron (context en aanleiding)

Dit blogstuk is gebaseerd op het essay dat begint met “Think back to February 2020…”, waarin de auteur (Matt Shumer) vanuit eigen ervaring beschrijft hoe snel AI-capaciteiten opschalen en wat dat kan betekenen voor kenniswerk, organisatie-inrichting en concurrentiedynamiek.