Consultants van McKinsey publiceren niet elke dag een tweede editie van een boek dat ze amper twee jaar geleden uitbrachten. Dat ze het toch doen, zegt iets. In april 2026 verscheen "Rewired" in een herziene versie, met interviews en aanvullingen op basis van wat grote organisaties de voorbije jaren daadwerkelijk leerden. De conclusies zijn verrassend weinig verrassend. En dat is precies de boodschap.
Want wat Kate Smaje en haar collega's neerschrijven, is niet het verhaal dat veel technologieleveranciers graag horen. Het is een verhaal over mensen, geduld en keuzes, niet over platforms, licenties en schaalkracht.
Wat er staat
De kern van het boek, nu bevestigd door twee jaar praktijkervaring bij grote organisaties, is deze: AI-transformatie levert echte rendementen op, maar uitsluitend bij wie het goed aanpakt. De cijfers zijn concreet. Een EBITDA-uplift van 20 procent is haalbaar. De terugverdientermijn ligt op één à twee jaar. Voor elke geïnvesteerde euro kan drie euro terugkomen. Maar, en dit is de essentie, alleen bij organisaties die focussen op de economische hefboompoints. Niet bij wie overal tegelijk mee begint.
McKinsey noemt dit het verschil tussen "scaling AI" en "spreading AI". Uitrollen is niet hetzelfde als verspreiden over zoveel mogelijk gebruiksgevallen. De organisaties die winnen, kiezen twee of drie processen waar AI echt het verschil maakt voor de uitkomst, en gaan daar volledig voor. Wie dat niet doet en overal tegelijk mee begint zonder duidelijke prioriteit, verliest focus en rendement. Dat is iets anders dan het breder opleiden van medewerkers in AI-tools en AI-geletterdheid, dat parallel loopt aan de strategische bets en daarvoor het fundament legt.
"Every AI transformation is, at its heart, a people transformation." Die zin van Kate Smaje zou in elke bestuurskamer moeten hangen. Niet als inspiratiebordje, maar als waarschuwing. Want de meeste organisaties behandelen AI nog steeds als een technologieproject. Ze kopen een licentie, rollen een tool uit, en wachten op de productiviteitswinst. Die productiviteitswinst komt niet. Of niet genoeg. Niet omdat de technologie tekortschiet, maar omdat de mensen er niet klaar voor zijn, niet de regie over hebben en niet begrijpen wat er van hen verwacht wordt.
Wat dit betekent voor Vlaamse organisaties
McKinsey schrijft vanuit het perspectief van grote multinationals. De principes houden stand op elke schaal, maar niet elke interventie levert hetzelfde rendement op. Het onderscheid tussen wat breed werkt en wat diep rendeert, is precies waar de meeste organisaties de fout ingaan.
De tweede editie van "Rewired" introduceert een begrip dat nog niet in de eerste editie stond: LQ, de Learning Quotient. Naast IQ en EQ is er nu een derde dimensie die bepaalt hoe wendbaar een organisatie is in een veranderende omgeving. Het vermogen om snel te leren, aan te passen en opnieuw te beginnen. McKinsey stelt dat de snelst lerende organisaties de winnaars zijn, niet de grootste, niet de meest technologisch uitgeruste.
Dit is geen metafoor. Het is een observatie op basis van wat er de voorbije twee jaar concreet is gebeurd bij organisaties die AI wel en niet goed hebben geïntegreerd.
Breed én diep, niet breed óf diep. McKinsey beschrijft twee niveaus die elkaar versterken, maar die te vaak als alternatieven worden behandeld. Het eerste niveau is brede AI-geletterdheid: elke medewerker die de eigen productiviteit verhoogt dankzij AI, elke afdeling die een Champion heeft die dat mee trekt. Het tweede niveau is gerichte strategische inzet: multidisciplinaire teams die de twee of drie processen aanpakken waar AI het meeste gewicht in de schaal legt. Beide niveaus zijn onmisbaar. Wie alleen breed gaat, mist de rendementen die de economische hefboompoints opleveren. Wie alleen diep gaat op die strategische bets zonder fundament bij de bredere organisatie, verliest de inbedding en het draagvlak. Robert Levin verwoordt het zo: "A rewired organization is one that has graduated to truly impactful, distributed innovation across the organization. Each manager understands their role, has the right mindset, and is able to innovate with technology and improve their portion of the business." Dat is geen elitaire transformatie voor een handvol teams. Dat is een organisatie die op elk niveau leert en innoveert. Kate Smaje voegt daar over LQ aan toe dat het niet enkel leren voor jezelf is, maar "learning for the collective — being able to inspire others and bring the organization along." De breedte maakt de diepte mogelijk, en de strategische bets geven richting aan waar Champions het meest nodig zijn.
Focus op hefboompoints, niet op dekking. McKinsey raadt organisaties expliciet af om AI breed uit te rollen als eerste stap. Kies een proces waar AI een aantoonbaar verschil maakt voor het eindresultaat, meet het, en schaal daarna op. "Don't let perfect get in the way of good enough", staat letterlijk in de tweede editie. Snel leren is belangrijker dan perfect plannen. De organisaties die het eerste jaar het meest leren, hebben na drie jaar de grootste voorsprong.
De N-2 leider is de sleutelfiguur. McKinsey identificeert een specifieke rol als cruciaal: de manager op het tweede of derde niveau onder de top, die een end-to-end proces bezit en daarin technologie inbedt. Niet de CTO die de strategie uittekent. Niet de gebruiker die een tool aanleert. De persoon daartussenin, die het domein door en door kent én begrijpt hoe technologie dat domein kan versterken. Wie die persoon in zijn organisatie heeft en hem of haar de ruimte en middelen geeft, heeft de transformatie al half gewonnen.
Transformatie is geen project. "Rewired is a muscle you're constantly honing", schrijft Smaje. AI-adoptie heeft geen einddatum. Er is geen moment waarop een organisatie "klaar" is. De organisaties die dat begrijpen, bouwen doorlopende leercapaciteit op in plaats van eenmalige opleidingsprogramma's. Dat vraagt een andere mindset van het management: niet "wanneer is dit afgerond", maar "hoe blijven we hierin groeien".
Data is specifiek, niet generiek. Een van de praktische inzichten uit de tweede editie is dat generieke AI-tools veel minder opleveren dan tools die werken op de specifieke data van een organisatie. McKinsey adviseert om te investeren in domeinspecifieke datasets, niet in de breedst mogelijke AI-toepassing. Wie zijn eigen data begrijpt en die data verbindt met de juiste tools, haalt structureel meer rendement dan wie koopt wat de leverancier aanraadt.
De echte les
Wat McKinsey in "Rewired" neerschrijft, is geen nieuws voor iedereen. Wie de voorbije twee jaar heeft meegewerkt aan AI-adoptietrajecten bij middelgrote organisaties, herkent elk van deze inzichten. De grote technologieleveranciers verkopen dekking. Ze willen dat u zo veel mogelijk tools uitrolt, want dat is hoe hun model werkt. Maar de organisaties die echt rendement halen, doen het omgekeerde.
Ze beginnen niet overal tegelijk. Ze kiezen waar het telt. Ze investeren in de mensen die elk niveau van de organisatie dragen, van de medewerker die zijn dagelijkse taken anders aanpakt tot het multidisciplinaire team dat een strategisch kernproces hertekent. Breed genoeg om te landen, diep genoeg om te renderen.
Het McKinsey-rapport geeft die aanpak nu een stevige externe onderbouwing. De getallen staan er. De principes zijn gevalideerd. Wat overblijft, is de vraag welke organisaties er daadwerkelijk iets mee doen.
De technologie is beschikbaar. De kennis ook. Wat het verschil maakt, is eigenaarschap. Niet bij een consultant of een leverancier, maar bij de mensen die elke dag het werk doen, op elk niveau van de organisatie.