Wanneer er een nieuwe technologie voor algemeen gebruik opduikt, of het nu gaat om spoorwegen, elektriciteit, computers, enz., reageren bedrijven op voorspelbare manieren. Een kleine minderheid probeert zichzelf daaromheen opnieuw uit te vinden; de meerderheid zoekt eerst naar manieren om de kosten te verlagen.
Op dit moment, midden in de belangrijkste technologische doorbraak sinds het internet, kiezen veel organisaties voor het laatste pad. Ze kiezen partij kunstmatige intelligentie automatiseer callcenters, verminder het backofficepersoneel en pers marginale winsten uit bestaande processen. Ze meten de “AI ROI” in termen van loonbesparingen en teruggewonnen uren.
Het lijkt rationeel. Hij lijkt gedisciplineerd. Het voelt veilig.
Het is ook de snelste manier om de echte kans te missen.
Golven van innovatie zijn geen efficiëntieprogramma’s
AI is geen nieuwe SaaS-tool en het is ook niet simpelweg een verbetering van de workflow. Het is een snel evoluerende technologie voor algemene doeleinden die evolueert van grote taalmodellen naar agentsystemen en naar systemen die leren van interactie met omgevingen (de zogenaamde modellen van de wereld die kan simuleren, plannen en handelen).
Wanneer de basiscapaciteit elke paar maanden verandert, is optimaliseren voor kostenbesparing hetzelfde als proberen de brandstofefficiëntie van een auto te verbeteren terwijl de motor wordt vervangen door een straalturbine.
Organisaties die op dit soort momenten winnen, beginnen niet met de vraag: “Waar kunnen we werk elimineren?” Ze vragen zich af: “Wat wordt mogelijk dat voorheen onmogelijk was?”
Dit zijn radicaal verschillende vragen.
De productiviteitsparadox had een waarschuwing moeten zijn
Begin jaren negentig vroegen economen zich af over een verrassend fenomeen: computers waren nog steeds overal productiviteit statistieken weigerden koppig de impact ervan weer te geven. In de pers artikelNobelprijswinnaar Robert Solow grapte: ‘Je kunt het computertijdperk overal zien, behalve in de productiviteitsstatistieken.’ Die observatie werd bekend als “productiviteitsparadox.”
Destijds dachten velen dat de paradox een falen van de technologie was. Mijn onderzoek Sindsdien hebben ze onderzocht waarom de paradox ontstond, wat aantoont dat het meten van de productiviteit grotendeels achterblijft bij daadwerkelijke transformationele veranderingen en dat mechanismen voor waardecreatie niet zijn vastgelegd in conventionele maatstaven.
De verklaring was pas achteraf duidelijk. De winsten waren wijdverspreid, ongelijkmatig en gekoppeld aan organisatorische veranderingen. Bedrijven hadden oude processen gedigitaliseerd in plaats van ze opnieuw te ontwerpen.
Tegenwoordig zien we hetzelfde patroon ontstaan bij kunstmatige intelligentie.
De impact van AI zal niet duidelijk blijken uit de kostenstatistieken
AI levert geen zuivere, lineaire productiviteitswinst op die netjes in kwartaaldashboards past. De effecten zijn asymmetrisch. Eén medewerker die AI effectief inzet, kan beter presteren dan 10 collega’s. Een ander zou er misbruik van kunnen maken, de kwaliteit ervan kunnen aantasten of zelfs onze cyberveiligheidsplannen in gevaar kunnen brengen. Sommige teams herontwerpen workflows volledig, terwijl anderen AI integreren in bestaande processen en het ‘transformatie’ noemen.
Het resultaat noemen onderzoekers nu meting bijziendheid: het onvermogen van traditionele meetgegevens om echte verbeteringen vast te leggen, maar die niet direct gekoppeld zijn aan gewerkte uren of bespaarde kosten.
Proberen de waarde van AI uitsluitend te meten door onmiddellijke kostenbesparingen is hetzelfde als proberen de waarde van elektriciteit te meten door niet-gekochte kaarsen te tellen.
Efficiëntie is de strategie van comfort, maar niet die van kansen
Kostenreductie is aantrekkelijk omdat het past in bestaande bestuursstructuren. CFO’s begrijpen dit. De raden van bestuur belonen hem. De statistieken zijn duidelijk.
Verkenning is ingewikkelder. Het vereist experimenteren zonder gegarandeerd rendement. Het vereist tolerantie voor mislukkingen. Het levert immateriële voordelen op voordat ze zichtbaar zijn.
Maar in tijden van snelle innovatie is efficiëntie vaak de comfortstrategie van achterblijvers die nog niet begrijpen wat er gebeurt.
Als AI in de eerste plaats zou worden behandeld als een instrument voor inkrimping, zouden organisaties het heden optimaliseren en de toekomst opofferen. Ze zullen middelmatigheid standaardiseren in plaats van een hefboomwerking te ontdekken.
Exploratie, en niet exploitatie, creëert mogelijkheden
Het ondersteunen van verkenning betekent niet dat je de discipline moet opgeven. Het betekent dat je het opnieuw moet definiëren.
Leiders moeten zichzelf de volgende vragen stellen:
- Welke nieuwe producten kunnen we bouwen met native AI-mogelijkheden?
- Welke beslissingen kunnen we delegeren aan systemen die leren van feedback?
- Hoe kunnen we workflows opnieuw ontwerpen en niet simpelweg automatiseren?
Bedrijven moeten gecontroleerde experimenten tussen teams afdwingen, en het gebruik van AI niet beperken tot proefprojecten met een beperkte rechtvaardiging van de kosten. Ze moeten AI beschouwen als een R&D-aanpak en niet als een bezuinigingsaanpak.
Organisaties die AI als een verkennende laag beschouwen:moedig teams aan om workflows te testen, prototypen, opnieuw te combineren en te heroverwegen-zal institutionele vloeibaarheid ontwikkelen. Ze zullen interne kampioenen ontwikkelen. Ze zullen onverwachte waarde ontdekken die geen enkel top-down kosteninitiatief had kunnen onthullen.
Het echte risico is niet te veel uitgeven. Het is een slechte verbeelding
Het grootste risico op dit moment is dat we niet te veel uitgeven aan AI. Het is moeilijk voor te stellen.
Bedrijven die efficiëntiewinst op de korte termijn nastreven, kunnen bescheiden verbeteringen melden en succes claimen. Ondertussen zullen de meer ambitieuze concurrenten dat ook doen herontwerp activiteiten, producten en klantervaringen op basis van mogelijkheden die twee jaar geleden nog niet bestonden.
Na verloop van tijd zal het verschil niet meer dan een paar procentpunten marge bedragen. Het zal strategisch zijn.
In tijden van snelle technologische veranderingen behoort overleven niet tot de meest efficiënte. Het behoort tot de meest adaptieve.
