AI in je processen óf ernaast?

Waarom focus belangrijker is dan meer use cases

Vrijwel elke organisatie zegt vandaag dat AI een topprioriteit is. En toch blijft de opbrengst vaak achter bij de belofte. Niet omdat AI niet werkt, maar omdat er geen duidelijke keuze wordt gemaakt waarvoor AI moet werken.

De fundamentele strategische vraag is:

Zetten we AI primair in voor efficiëntie, of voor innovatie?

Niet als theoretische discussie, maar als richtinggevende keuze die bepaalt waar tijd, geld en aandacht naartoe gaan.

AI voor efficiëntie: sneller, goedkoper, consistenter

De meest voorkomende inzet van AI sluit aan bij klassieke automatiseringsdoelen.

AI wordt ingezet om:

• kosten te verlagen
• doorlooptijden te verkorten
• fouten te reduceren
• schaal te vergroten zonder extra mensen

Voor handelsbedrijven zijn de voorbeelden herkenbaar:

• Logistieke optimalisatie met AI‑planning
• Chatbots die standaard klantvragen afvangen
• AI‑ondersteunde financiële afsluitingen

De aantrekkingskracht is logisch. De businesscase is tastbaar. ROI is relatief eenvoudig te berekenen. Veel organisaties beginnen daarom hier, en terecht. Efficiëntie‑AI levert vaak snelle winsten op en vergroot draagvlak. Maar er schuilt ook een risico.

Wanneer efficiency de horizon wordt

AI voor efficiëntie optimaliseert wat er al is. Het proces blijft herkenbaar. De structuur verandert nauwelijks. Er gebeurt meer van hetzelfde, maar sneller. Dat is krachtig, tot een punt. Want zonder kritisch procesontwerp ontstaat suboptimalisatie: je automatiseert stappen die misschien helemaal niet nodig zijn. Of zoals het klassieke gezegde luidt:

Automating a broken process lets it break faster

Organisaties die hier blijven hangen, krijgen uiteindelijk:

• veel kleine AI‑initiatieven
• beperkte structurele impact
• weinig onderscheidend vermogen

De operatie draait beter, maar de marktpositie verandert nauwelijks.

AI voor innovatie: nieuwe waarde ontsluiten

Innovatie‑gedreven AI vraagt een andere mindset. Hier kijk je niet primair naar kosten, maar naar nieuwe mogelijkheden:

• nieuwe diensten
• nieuwe klantbeleving
• nieuwe businessmodellen

Bijvoorbeeld:

• AI‑gedreven klantadvies dat real‑time meedenkt
• Predictive services op basis van eigen data
• Data‑producten die je verkoopt aan klanten

Hier verandert AI niet alleen processen, maar ook wat je levert. De keerzijde is duidelijk: ROI is minder voorspelbaar, de impact ligt verder in de toekomst, en succes is niet gegarandeerd. Maar: als het lukt, is het verschil enorm.

Waarom deze keuze nú expliciet gemaakt moet worden

Omdat resources schaars zijn. Vrijwel alle organisaties kampen met:

• beperkte AI‑capaciteit
• beperkte budgetten
• beperkte aandacht van bestuur en management

En toch zien we overal hetzelfde patroon:

We hebben al 30 tot 50 AI‑use‑cases

Het gevolg? Versnippering. Veel energie, weinig impact. Onderzoek laat zien dat koplopers juist minder initiatieven doen, maar met meer focus en scope. Niet honderd kleine optimalisaties, maar een paar bewust gekozen hefbomen. Zonder duidelijke focus ontstaat de bekende AI‑impact gap: wel investeren, maar weinig structurele waarde.

De keuze bepaalt je portfolio, mensen en cultuur

Een efficiency‑focus leidt tot:

• projecten met korte termijn ROI
• nadruk op proces- en data‑analisten
• KPI’s rond kosten, doorlooptijd en productiviteit

Een innovatie‑focus vraagt:

• experimentteams en creativiteit
• andere KPI’s (adoptie, omzet, klantwaarde)
• meer tolerantie voor onzekerheid

Je kunt niet alles tegelijk. En vooral: je kunt het niet onuitgesproken laten.

Hoe de directie AI framen, bepaalt hoe medewerkers het ervaren.

• AI als kostenbesparing → angst, terughoudendheid
• AI als waardecreatie → betrokkenheid, nieuwsgierigheid

Zelfs als je efficiency nastreeft, werkt het beter om te communiceren in termen van empowerment en ruimte voor nieuw werk.

Gevolgen voor procesontwerp

Efficiency‑gedreven AI:

• wordt ingebed in bestaande processen
• minimaliseert disruptie
• maximaliseert optimalisatie

Bijvoorbeeld: het huidige customer support‑proces blijft bestaan, maar met AI‑ondersteuning kan hetzelfde team meer tickets afhandelen.

Innovatie‑gedreven AI:

• introduceert nieuwe processtromen
• creëert nieuwe rollen en teams
• vraagt andere besturingsmechanismen

Denk aan nieuwe data‑diensten, of proactieve klantinteractie die voorheen niet bestond. Dit zijn geen “extra features”, maar ontwerpen van een ander toekomstig proceslandschap.

Microsoft-context: één platform, twee accenten

Microsoft faciliteert beide strategieën, maar met andere zwaartepunten.

Voor efficiency:

• Power Platform + Copilots
• Power Automate, AI Builder, RPA
• out‑of‑the‑box Agents in Dynamics 365

Deze oplossingen zijn snel inzetbaar en ontworpen voor directe productiviteitswinst.

Voor innovatie:

• Copilot Studio voor maatwerk agents
• verrijking met eigen en externe data
• Microsoft Fabric om nieuwe datacombinaties mogelijk te maken

Hier bouw je dingen die er standaard nog niet zijn. Met meer risico, maar ook meer onderscheid.

Bestuurlijke verantwoordelijkheid: ambitie uitspreken

Deze keuze hoort thuis in de boardroom. Een puur efficiency‑gedreven AI‑strategie belandt vaak onder CFO of COO, met scherpe ROI‑eisen. Een innovatie‑strategie vraagt ook betrokkenheid van: CMO, CCO, Chief Digital Officer. Veel succesvolle organisaties kiezen daarom een portfolio‑benadering: het grootste deel van het budget naar bewezen efficiëntie, een bewuste reservering voor innovatie en experiment. Niet alles hoeft te slagen, maar alles moet wel bijdragen aan een helder doel.

Tot slot

AI levert geen waarde door volume, maar door focus. Zonder duidelijke keuze verzandt AI in tientallen leuke, maar weinig bepalende initiatieven. Efficiëntie maakt je beter in wat je al doet. Innovatie bepaalt wat je straks dóét. Je kunt niet naar de top bezuinigen. Je moet ernaartoe innoveren. De vraag is niet: Doen we iets met AI?  De vraag is: Waar willen we dat AI ons echt verandert?