Katie Drummond van WIRED stelde Dan Swan, senior partner bij McKinsey en wereldwijd verantwoordelijk voor de Tech & AI-praktijk, een eenvoudige vraag: wat maakt het verschil tussen bedrijven die met AI echt vooruitgang boeken en bedrijven die dat niet doen. Het antwoord was ontnuchterend. De meeste bedrijven transformeren niet. Ze kopen software, rollen ze uit over de organisatie, en noemen dat transformatie.
Het is een uitspraak die bij veel leidinggevenden ongemakkelijk moet landen. Niet omdat ze niets doen met AI, integendeel. De meeste organisaties hebben intussen wel een licentie aangeschaft, een pilootproject lopen of een chatbot draaien. Maar volgens Swan is dat precies het probleem. Wie AI-transformatie goed aanpakt, herbedraadt hoe mensen werken, hoe workflows lopen en hoe leiderschap beslist. De rest koopt gereedschap, en hoopt dat het zichzelf toepast.
Toevallig heet dat waarop Swan zich baseert Rewired, McKinseys playbook over wat transformatie wel en niet laat slagen. De eerste versie ging over digitale transformatie in het algemeen, de nieuwste over AI. Het inzicht dat beide met elkaar verbindt: wat vroeger gold voor succesvolle digitale transformatie, geldt evengoed voor AI. Het draait niet in de eerste plaats om technologie. Het vereist mensen.
Waarom de meeste AI-trajecten blijven steken
McKinsey beschrijft AI-volwassenheid als een ladder met vier treden. De eerste trede is een taalmodel bevragen, zoals je vandaag ChatGPT of Claude gebruikt. De tweede is een taalmodel inbouwen in bestaande software, denk aan automatische samenvattingen van een Teams- of Outlook-vergadering. De derde en vierde trede gaan een niveau dieper: een volledig proces fundamenteel herontwerpen, of een nieuwe manier van zakendoen bouwen die zonder AI niet had bestaan.
De meeste bedrijven raken niet voorbij trede twee. Dat is geen toeval. Trede twee is gedemocratiseerd. Elke medewerker met een Microsoft- of Google-licentie ervaart er meteen baat bij. Het vraagt geen enkele moeilijke beslissing van het management. Geen proces dat op de schop moet, geen team dat anders moet gaan werken, geen investering die iemand moet verdedigen. Precies daarom is het een val. Het voelt als vooruitgang, het levert enthousiaste quotes op voor het intranet, maar het verschijnt nergens op de resultatenrekening.
Drie principes die wel het verschil maken
Uit Rewired destilleert Swan drie principes voor wie voorbij die val wil geraken. Het eerste draait om focus. Kies twee of drie domeinen, en ga daar de diepte in met een volledig proces, in plaats van AI te verspreiden over tientallen losse toepassingen. Het historische faalpatroon is bekend: kleine pilootprojecten die nooit opschalen, nooit zichtbaar worden op de resultatenrekening, en uiteindelijk vooral frustratie opleveren bij de mensen die er tijd in staken.
Het tweede principe is dieper gaan dan versnellen: een proces fundamenteel veranderen, of iets nieuws bouwen, niet hetzelfde proces gewoon een beetje sneller laten lopen. Het derde is een kwestie van eigenaarschap: behandel het als een echte businesstransformatie, geen technologietransformatie. De eigenaar van het bedrijfsprobleem zit aan het stuur, niet de IT-afdeling.
Die drie principes komen samen in één vraag, en die is de belangrijkste uit het hele interview. Niet: waar kan ik AI toepassen? Wel: wat is het bedrijfsprobleem, en hoe kan AI dat helpen oplossen? Het lijkt een detail. Het is het verschil tussen een technologieproject en een bedrijfsproject.
Wat dit betekent op de schaal van een Vlaamse scale-up
De voorbeelden die Swan aanhaalt, spelen zich af bij bedrijven met tienduizenden medewerkers. Bij Toyota vroeg een VP zich ooit hardop af: als Amazon een boek van 10 dollar kan tracken, waarom kunnen wij dan geen auto van 40.000 dollar tracken? Het antwoord werd een digital twin van de volledige supply chain, die vandaag 1 miljard beslissingen verwerkt in 15 minuten, werk dat voorheen 100 mensen en 75 spreadsheets vergde. Geschatte waarde: zo'n 800 miljoen dollar.
Voor een organisatie van 50 tot 500 kenniswerkers is die schaal niet het punt. Het onderliggende principe wel. Niet tien AI-experimenten tegelijk opstarten in tien afdelingen, waarvan er negen na zes maanden stilletjes doodbloeden. Eén proces kiezen dat er echt toe doet, bijvoorbeeld orderverwerking, klantenservice of planning, en dat proces grondig herdenken met AI als uitgangspunt, niet als laagje bovenop wat er al was.
Vertaald naar die schaal, komt het neer op vijf aandachtspunten.
Kies één proces, geen tien experimenten. Verspreide pilots voelen veilig aan, want niemand verliest er veel bij als ze mislukken. Precies daarom leveren ze zelden iets op dat blijft hangen. Een organisatie die overal een beetje AI probeert, meet uiteindelijk nergens het verschil.
Stel de vraag omgekeerd. Niet "waar kunnen we AI inzetten", maar "wat kost ons vandaag het meeste tijd, geld of frustratie, en hoe kan AI dat oplossen". Die omkering verplaatst het gesprek van de IT-afdeling naar de directietafel. Een technologievraag levert een technologieproject op. Een bedrijfsvraag levert bedrijfsresultaat op.
Maak van je mensen medebouwers, niet enkel gebruikers. Bij Toyota zaten de sales-, productie- en planningexperts vanaf de eerste dag mee aan tafel. Niet als eindgebruikers die later moesten testen, maar als medebouwers die achteraf het vertrouwen van de rest van de organisatie wonnen. Wie pas bij de lancering naar de mensen op de vloer stapt, heeft het bouwwerk al zonder hen opgetrokken.
Stuur van bovenaf, niet naast elke stap. McKinsey noemt dit "humans above the loop" in plaats van "humans in the loop". De mens geeft richting, bewaakt kwaliteit en grijpt in waar nodig, in plaats van naast elk stapje te blijven staan controleren. Naast elke stap blijven staan om te controleren, automatiseert niets. Het voegt gewoon een extra laag controle toe.
Reken op groeipijn die kleiner wordt. DBS, de bank uit Rewired, begon met twee, drie prioritaire domeinen, en breidde pas daarna uit naar vier, vijf, zes. Elke volgende golf ging sneller, omdat de organisatie al vaardigheden had opgebouwd: data op orde, mensen die met agents kunnen werken, leidinggevenden die weten hoe je zo'n traject stuurt. De eerste keer is het traagst. Dat is geen tegenargument, dat is de investering.
De echte les
Swan is duidelijk over wat rendement uiteindelijk bepaalt, en het zijn geen technologische factoren. Proceseigenaars moeten volledig eigenaarschap nemen: het initiatief moet van hen komen, niet iets zijn dat hen overkomt vanuit een IT-roadmap. Daarnaast is er capaciteitsopbouw nodig bij de mensen die de tools effectief gaan gebruiken. Zonder die opbouw blijft de investering op de plank liggen, hoe goed de technologie ook is. En ten slotte, meten of je de beoogde impact haalt, en als dat niet lukt, uitzoeken waarom.
HR speelt daarin een grotere rol dan de meeste organisaties beseffen. Niet omdat HR de technologie moet kennen, maar omdat mindset en communicatie, capaciteitsopbouw, en de manier waarop werk zelf georganiseerd wordt, stuk voor stuk HR-terrein zijn. De vaardigheden die een team vandaag nodig heeft, zien er over een jaar alweer anders uit.
Wat volgens Swan blijft, is duurzaam. Bedrijven die nu instappen en de lessen uit deze eerste golf trekken, bouwen een voordeel op dat niet verdwijnt zodra een concurrent dezelfde software koopt.
Het is precies die logica, bedrijfsprobleem eerst, eigenaarschap bij de klant, waarop Rescope zijn eigen 3R-aanpak heeft gebouwd.
De vraag die Swan aan bedrijfsleiders stelt, is dezelfde vraag die elke organisatie van 50 tot 500 kenniswerkers zich zou moeten stellen. Niet: hebben we AI? Wel: hebben we onze mensen, onze processen en ons leiderschap daadwerkelijk herbedraad, of hebben we gewoon software gekocht?