De zakelijke dienstverlening — advocatuur, accountancy, consultancy, HR-dienstverlening, juridisch en fiscaal advies — verkoopt in de kern iets dat zich moeilijk laat automatiseren zonder discussie: oordeel. Waar een fabriek een proces optimaliseert en een winkel een assortiment beheert, verkoopt deze sector de expertise van mensen die iets weten dat de klant niet weet. Dat maakt de verhouding tussen ambitie en gereedheid anders dan elders. De belangstelling voor AI is groot, vaak groter dan in sectoren met minder marge op kennis. Maar de vraag of de organisatie die belangstelling kan dragen, ligt regelmatig stil op onderdelen die niets met AI te maken hebben.
Veel kantoren in de zakelijke dienstverlening zijn gegroeid rond de partner, de senior adviseur, de mens met het netwerk en het geheugen. Kennis zit in hoofden, in mailwisselingen, in dossiers die per klant of per zaak zijn opgebouwd, niet in gedeelde systemen die op elkaar aansluiten. Dat werkt goed zolang de mensen blijven. Het wordt een probleem zodra je iets wilt bouwen dat op die kennis moet kunnen terugvallen. AI die met dossiers, precedenten of klantcorrespondentie moet werken, heeft iets nodig om op te draaien: een structuur waarin informatie vindbaar en vergelijkbaar is. Die structuur ontbreekt in delen van de sector nog, niet uit onwil, maar omdat het werk zelf nooit om die structuur heeft gevraagd.
De vijf niveaus van de meting — baseline, foundation, activation, insight, intelligence — laten in deze sector een wisselend beeld zien per dimensie, en dat beeld is zelden gelijkmatig. Sommige kantoren hebben hun datamanagement op orde: dossiers zijn gestructureerd, toegangsrechten zijn geregeld, er is een idee van wat waar staat. Maar de IT-infrastructuur erachter is verouderd of versnipperd over losstaande applicaties die niet met elkaar praten. Bij andere kantoren is het net omgekeerd: moderne systemen, maar organisatorisch geen duidelijkheid over wie waarover beslist, wie een AI-toepassing mag goedkeuren, of wie verantwoordelijk is als iets misgaat. Beide situaties leiden tot hetzelfde resultaat — een pilot die op zichzelf goed werkt, maar die niet opschaalt omdat de fundamentele dimensies niet gelijk staan. Dat is de volgorde die de meting blootlegt: organisatie, infrastructuur en datamanagement moeten eerst iets van niveau bereiken voordat de afhankelijke dimensies, zoals geautomatiseerd testen of continue optimalisatie, er iets aan hebben.
De plot-ronde, waarin meerdere mensen apart scoren, laat in de zakelijke dienstverlening vaak een specifiek patroon zien: de partner of directeur scoort de organisatie hoger dan de adviseur die dagelijks met de dossiers werkt. Dat verschil zegt iets. Het kan betekenen dat besluiten over AI op directieniveau worden genomen zonder dat ze doordringen tot de werkvloer, of dat de werkvloer al langer worstelt met een systeem dat van boven af als voldoende wordt beoordeeld. Beide interpretaties zijn nuttig, en beide zijn alleen zichtbaar te maken door verschillende mensen apart te laten scoren, niet door een enkele indruk te vragen aan wie de rapportage opstelt.
Wat deze sector onderscheidt van bijvoorbeeld de detailhandel of de horeca is de gevoeligheid van de data zelf. Een advocatenkantoor of accountantskantoor werkt met informatie die onder geheimhoudingsplicht valt, onder tuchtrecht, onder regels die niet gelden voor een winkelvoorraad of een menukaart. Dat raakt direct de dimensie datamanagement: niet alleen of data vindbaar is, maar of die data op een manier is opgeslagen en afgeschermd die AI-gebruik toestaat zonder de vertrouwelijkheid te doorbreken. Dat vraagt om een ander tempo dan sectoren waar data minder beladen is, en dat tempoverschil is zichtbaar in de scores op deze dimensie.
Het patroon van hoge ambitie naast een onvolledige basis is niet uniek voor de zakelijke dienstverlening. In de ICT-sector speelt vaak het omgekeerde probleem — sterke infrastructuur zonder organisatorische duidelijkheid — en in de financiële dienstverlening ligt de vertraging vaak bij regelgeving die sneller verandert dan de systemen kunnen volgen. De vergelijking is niet bedoeld om een sector beter of slechter te maken dan een andere, maar om te laten zien dat de volgorde — eerst de fundamentele dimensies, dan de afhankelijke — overal hetzelfde is, ook al ziet de invulling er per sector anders uit.
Deze meting zegt niets over welke taken binnen een kantoor door AI over te nemen zijn, en hoeveel tijd dat zou vrijmaken. Dat is een andere vraag, die vraagt om een andere blik: niet naar de organisatie als geheel, maar naar het werk zelf, taak voor taak. Wie na deze meting wil weten wat er, gegeven de huidige gereedheid, daadwerkelijk aan werk voor AI in aanmerking komt, vindt dat bij de werkscan van FTE TO AI, die per taak berekent welk deel over te nemen is.
De tool die de volwassenheidsmeting en de plot-ronde uitvoert, is nog in aanbouw. Wie hier gebruik van wil maken zodra hij beschikbaar is, kan zich aanmelden voor de wachtlijst.
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.