In vrijwel elke organisatie die met AI experimenteert, ontstaat op een gegeven moment dezelfde groep: twee, misschien drie mensen die het snappen, die zelf zijn gaan uitproberen, die enthousiast vertellen over wat er mogelijk is. Zij bouwen een prototype, testen een tool, delen resultaten in een interne chat. De rest van de organisatie kijkt toe, knikt, en gaat door met het werk zoals het altijd ging.
Na een paar maanden is er een lijst met interessante experimenten en geen enkele verandering in hoe het werk daadwerkelijk wordt gedaan. De twee enthousiastelingen zijn nog enthousiast. Iedereen daaromheen is niet meebewogen.
De redenering achter deze aanpak klinkt verstandig: begin klein, met mensen die gemotiveerd zijn, en laat succes zich vanzelf verspreiden. Dat werkt bij sommige veranderingen ook zo. Een nieuwe werkwijze die zichtbaar tijd bespaart, verspreidt zich soms organisch doordat collega's het overnemen.
Bij AI werkt dat mechanisme meestal niet, en de reden ligt niet bij de mensen maar bij de organisatie eromheen. Enthousiastelingen hebben vaak toegang tot systemen, tijd en mandaat die anderen niet hebben. Wat voor hen een kwestie van een middag uitproberen is, vraagt voor een collega zonder die toegang een aanvraag, een goedkeuring, een IT-ticket. Het enthousiasme is niet het probleem. De afwezigheid van een pad waarlangs anderen kunnen volgen, is het probleem.
De volgorde waarin AI-gereedheid opbouwt, begint niet bij mensen die willen. Ze begint bij structuur die het mogelijk maakt: hoe de organisatie is ingericht, welke IT-infrastructuur er staat, hoe data wordt beheerd. Twee enthousiastelingen kunnen om die structuur heen werken, met eigen toegang, eigen trucs, eigen omwegen. De rest van de organisatie kan dat niet, en zou dat ook niet moeten willen — omwegen zijn geen basis voor iets dat moet blijven werken.
Dat verklaart waarom het patroon zich vaak herhaalt naast andere bekende valkuilen. Wie leest over wat er moet blijken voordat een pilot ergens toe leidt, ziet een vergelijkbaar mechanisme: activiteit zonder afspraak over wat succes betekent, blijft activiteit. Bij twee enthousiastelingen is de afspraak er evenmin — niet over wat er moet blijken, en niet over wie er na hen volgt.
Er zijn een paar herkenbare signalen. De eerste is dat dezelfde twee of drie namen steeds terugkomen als er over AI wordt gesproken, in elke vergadering, in elke update. De tweede is dat vragen van andere afdelingen beginnen met "hoe deden zij dat" in plaats van met een eigen route. De derde, en meest onderschatte, is dat niemand kan uitleggen wat er zou moeten gebeuren als een van die twee mensen morgen vertrekt.
Een vierde signaal is subtieler: het experiment blijft in zijn eigen hoekje werken, los van de rest van het proces. Dat sluit aan bij wat er gebeurt wanneer een pilot buiten het eigen team geen aansluiting vindt — enthousiasme zonder verbinding naar de rest van de organisatie blijft een eiland, hoe goed het eiland ook functioneert.
Een vijfde signaal, tenslotte, is dat opschalen wordt voorgesteld als volgende stap, terwijl niemand heeft gecheckt of de basis daaronder al staat. Dat risico wordt beschreven in wat er gebeurt wanneer opschalen wordt geprobeerd voordat de basis er staat: twee enthousiastelingen die hun eigen succes willen vermenigvuldigen naar tien teams, lopen vast op precies de structuur die zij zelf hadden omzeild.
Het is verleidelijk om te concluderen dat er meer enthousiastelingen nodig zijn, of betere training, of een cultuurprogramma. Dat mist het punt. De vraag is niet of er genoeg gedreven mensen zijn — die zijn er vaak al twee, en dat is precies het probleem, want twee is geen structuur. De vraag is of de organisatie als geheel — in hoe ze is opgezet, hoe systemen met elkaar praten, hoe data beschikbaar en betrouwbaar is — een situatie kan dragen waarin niet twee maar veel meer mensen met AI kunnen werken. Dat is een andere vraag dan wie er enthousiast is, en het is de vraag die eerst beantwoord moet worden.
Voor wie in een leidinggevende rol tegen dit patroon aanloopt, is het nuttig om te weten waar iemand in een vergelijkbare positie op zou letten: waar een CEO op zou letten bij het beoordelen van AI-volwassenheid beschrijft een aantal van die aandachtspunten, net als de blik van waar een COO op zou letten bij AI-volwassenheid vanuit een ander perspectief op dezelfde organisatie.
Als twee enthousiastelingen aantonen dat iets kan, blijft de vraag onbeantwoord hoeveel van het werk daadwerkelijk over te nemen is, en door wie. Die vraag ligt niet bij gereedheid maar bij het werk zelf: welke taken zich lenen voor overname door AI en welk deel dat behelst. Dat is precies waar de werkscan van FTE TO AI voor bedoeld is — die rekent per taak uit welk deel van het werk over te nemen is, los van wie er nu al enthousiast mee experimenteert.
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.