De bouw werkt al decennia met een gelaagde keten: opdrachtgever, hoofdaannemer, onderaannemers, leveranciers. Die keten is gewend om verantwoordelijkheid te verdelen en werk in fasen op te leveren. Dat maakt de sector in bepaalde opzichten beter voorbereid op AI dan andere sectoren — er is discipline in planning, in kwaliteitscontrole, in het vastleggen van afspraken. Maar diezelfde keten maakt data fragiel. Tekeningen, calculaties, planningen en voortgangsrapportages ontstaan bij verschillende partijen, in verschillende systemen, met verschillende versies van de waarheid. Een AI-toepassing die op die data moet draaien, draait op iets dat vaak niet compleet, niet actueel of niet centraal is.
Dat verschil tussen organisatorische discipline en datavolwassenheid is precies waar veel AI-pilots in de bouw op vastlopen. Een projectleider probeert een AI-tool in te zetten voor planningsoptimalisatie, maar de invoergegevens komen uit drie systemen die niet op elkaar aansluiten. Een werkvoorbereider wil calculaties automatisch laten toetsen, maar de historische data staat verspreid over losse Excel-bestanden per project. De pilot stokt niet omdat de technologie niet werkt, maar omdat de organisatie er nog niet op is voorgericht.
AI-volwassenheid meet niet alleen of een organisatie tools gebruikt, maar of de basis daaronder staat. Dat begint bij de organisatie zelf: is er een duidelijke eigenaar voor digitalisering, wordt kennis gedeeld tussen projecten, of blijft elk project een eiland. Daarna volgt de IT-infrastructuur: zijn systemen met elkaar verbonden, is er een basis waarop nieuwe toepassingen kunnen draaien zonder dat alles handmatig overgetypt moet worden. Pas daarna komt datamanagement: is de data die er is, betrouwbaar, actueel en toegankelijk voor wie ermee moet werken.
Deze volgorde is geen voorkeur, maar de manier waarop het werkt. Een organisatie die datamanagement wil verbeteren zonder dat de IT-infrastructuur dat ondersteunt, bouwt op drijfzand. Een organisatie die AI-toepassingen wil inzetten zonder dat de organisatie zelf weet wie eigenaar is van welk proces, krijgt een tool die niemand onderhoudt. In de bouw is dit patroon zichtbaar: de sector heeft vaak wel de organisatorische wil, maar de infrastructuur en de data lopen achter. Dat verklaart waarom pilots vaak op projectniveau slagen en op organisatieniveau stranden — de fundamentele dimensies zijn niet meegegroeid met de ambitie.
De volwassenheidsmeting van hybridresourcing kijkt naar zeven dimensies, van organisatie en infrastructuur tot de meer afhankelijke lagen zoals procesautomatisering en besluitvorming. Voor elke dimensie geldt een van vijf niveaus: baseline, foundation, activation, insight of intelligence. In de bouw is het beeld vaak ongelijk verdeeld over die dimensies. Een bedrijf kan op organisatieniveau ver staan — heldere rollen, een digitaliseringsagenda, draagvlak bij directie — en toch op datamanagement nog op baseline zitten, omdat projectdata nooit centraal is samengebracht.
Die ongelijkheid wordt zichtbaar in de plot-ronde, waarin meerdere mensen binnen de organisatie apart scoren. Een directeur en een uitvoerder kunnen hetzelfde bedrijf heel verschillend inschatten, en die spreiding is zelf informatie. Als de CIO denkt dat de data op orde is en de werkvoorbereider dagelijks worstelt met verspreide bestanden, dan ligt daar een knelpunt dat een enkel gesprek niet had blootgelegd. In een sector waar het werk zich over projecten en partijen verspreidt, is die spreiding vaak groter dan gemiddeld — en daarmee informatiever.
Deze meting zegt niets over welke taken AI kan overnemen of hoeveel tijd dat bespaart. Het gaat om de vraag of de organisatie AI kan dragen: staat de basis, is de infrastructuur klaar, is de data betrouwbaar genoeg om op te bouwen. Die vraag is voor de bouw relevanter dan in sectoren waar data van nature al centraal wordt vastgelegd. Vergelijk het met de installatiebranche, waar projectmatig werken en versnipperde data vergelijkbare knelpunten opleveren, of met de maakindustrie, waar productiedata en organisatiestructuur een andere balans laten zien. Ook de transportsector kent een vergelijkbare spanning tussen operationele discipline en digitale onderbouwing, wat aangeeft dat dit patroon niet uniek is voor de bouw, maar wel met een eigen intensiteit optreedt door de ketenstructuur.
De tool waarmee dit gemeten wordt, is in aanbouw. Wie de meting wil doorlopen zodra die beschikbaar is, kan zich aanmelden voor de wachtlijst. Er wordt hier niets aangeboden dat nog niet werkt, en er wordt niets beloofd over de uitkomst — alleen een eerlijk beeld van waar de organisatie nu staat, dimensie voor dimensie.
Als blijkt dat de fundamentele dimensies op orde zijn, of op weg daarnaar, wordt een andere vraag relevant: welk deel van het werk zelf geschikt is om door AI te worden overgenomen. Dat is een andere meting dan deze. Waar hybridresourcing kijkt of de organisatie AI kan dragen, rekent de werkscan van FTE TO AI per taak uit welk deel van het werk over te nemen is — niet als inschatting, maar als uitkomst van een taakanalyse. Voor een bouwbedrijf dat weet waar de basis staat, is dat de logische volgende stap: eerst het fundament, dan de vraag wat daarop gebouwd kan worden.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.