De adoptie van AI in bedrijven verloopt sneller dan welke technologische omslag in de recente geschiedenis ook. Elke vergadering van het management komt uiteindelijk uit bij dezelfde verwachting. AI moet meetbare waarde opleveren voor de hele organisatie. Na de introductie van ChatGPT namen ontwikkelteams Copilot in gebruik, omarmden analisten Perplexity en experimenteerden operationele teams met automatisering. De productiviteit verbeterde vrijwel onmiddellijk.
Toch begonnen de adoptiecurves al enkele maanden later af te vlakken. Pilots liepen vast. Het rendement op investeringen werd wisselvallig. Deze vertraging komt niet door zwakke modellen of een gebrek aan ambitie bij bestuurders. Ze is het gevolg van een structurele kloof tussen de mogelijkheden van AI en de omgevingen waarin bedrijven werken.
Onlangs kwam ik een analyse tegen van Caleb, een contentmaker die vaak de organisatorische kant van AI-adoptie onderzoekt. Zijn invalshoek introduceerde geen nieuwe concepten, maar verduidelijkte een spanningsveld dat veel bedrijfsleiders al hadden aangevoeld. De analyse verklaarde waarom AI uitblinkt in afzonderlijke toepassingen, maar moeite heeft om transformatie op systeemniveau te realiseren.
AI-adoptie hangt niet af van de kracht van het model. Ze hangt af van de laag waarop AI in het bedrijf wordt geïntroduceerd.
Voor CIO’s, CTO’s en leiders van transformatietrajecten die zich afvragen waarom AI indruk maakt in demo’s maar vastloopt bij de uitrol, brengt dit artikel de verborgen beperkingen en de strategische routes in kaart die nodig zijn voor duurzame AI-adoptie in de hele organisatie.
Van “Moeten we AI gaan gebruiken?” naar “Waarom verloopt de adoptie zo traag?”
Twee jaar geleden discussieerden bedrijven nog over de vraag of ze AI nodig hadden. Vandaag is de vraag hoe ze AI duurzaam en veilig kunnen integreren. Analisten voorspellen dat een aanzienlijk deel van wat bedrijven produceren binnenkort door AI gegenereerd kan worden. Op papier lijkt dat onvermijdelijk. In de praktijk blijft de impact ongelijk verdeeld.
Ontwikkelteams werken sneller, maar de uitvoering over afdelingsgrenzen heen verbetert nauwelijks. Verkoopteams automatiseren het benaderen van potentiële klanten, maar verliezen nog steeds tijd aan handmatige coördinatie. Operationele teams komen snel tot inzichten, maar stemmen gefragmenteerde data nog altijd handmatig op elkaar af.
Bedrijven functioneren niet als lineaire machines. Ze werken als complexe systemen die worden gevormd door governance, prikkels, cultuur en verouderde technologie. AI vergroot die complexiteit in plaats van haar te verminderen.
Een bruikbaar kader is om AI in bedrijven te bekijken op drie volwassenheidsniveaus.
Niveau 1. Taken met AI-ondersteuning
Nuttig, maar fundamenteel beperkt
Hier beginnen de meeste ondernemingen. Medewerkers gebruiken generatieve AI voor onderzoek, het maken van samenvattingen, codesuggesties en het creëren van content. Deze tools leveren direct waarde op.
Maar taken versnellen is niet hetzelfde als workflows transformeren. De omliggende processen — goedkeuringen, overdrachten en rapportagelagen — blijven ongewijzigd. Daardoor gaat de onderneming als geheel niet wezenlijk sneller werken.
Sneller werken aan taken is niet hetzelfde als sneller werken als organisatie.
Deze fase voelt veilig omdat er geen structurele aanpassingen nodig zijn. Maar deze aanpak stelt bij voorbaat een grens aan de ROI op lange termijn.
Niveau 2. Agentische workflows
Veel potentieel en veel weerstand
Agentische AI voert zelfstandig workflows met meerdere stappen uit. Agents passen bestanden aan, beoordelen resultaten, beheren taken of coördineren werkzaamheden. De belofte is enorm.
De adoptie niet.
Het obstakel is niet het technische vermogen, maar de mate waarin de organisatie er klaar voor is. Agentische systemen vereisen vertrouwen, toezicht, governance en bereidheid om automatisering toe te laten. Ze verstoren gevestigde hiërarchieën en vaste complianceprocedures. Ze brengen onbekende operationele risico’s met zich mee.
Daardoor vallen veel agentische tools terug tot semi-autonome assistenten die alleen binnen veilige grenzen werken.
Ondernemingen wijzen autonomie niet af uit angst. Ze wijzen die af omdat ze niet aansluit op de organisatie.
Niveau 3. AI-native systemen
Het voordeel op lange termijn
AI-native systemen vertegenwoordigen het hoogste volwassenheidsniveau. Ze zijn vanaf het begin ontworpen met een rol voor AI. In plaats van workflows die voor mensen zijn geoptimaliseerd achteraf aan te passen, bouwen ondernemingen nieuwe operationele structuren waarin AI datastromen, opeenvolgende beslissingen en werkritmes orkestreert.
Dit maakt voorspellend werken mogelijk, vermindert knelpunten en ondersteunt continue besluitvorming.
De drempel is hoog. Maar het voordeel op lange termijn is veel groter dan de winst die stapsgewijze verbeteringen opleveren.
De weg naar AI-native systemen is echter lang. Het echte gevaar ontstaat in de tussentijd.
Het Ferrari-probleem
Onbeheerde AI: een bedreiging met ongekende slagkracht
Caleb gebruikte een metafoor die in de context van ondernemingen nog krachtiger wordt. Medewerkers toegang geven tot krachtige AI-tools zoals ChatGPT of Copilot is niet simpelweg hetzelfde als hun een Ferrari geven.
Het is alsof je ze een Ferrari geeft zonder training, zonder verkeersregels, zonder verzekering en zonder zicht op waar de auto daadwerkelijk naartoe zal gaan.
De motor is uitzonderlijk. Maar in een complexe bedrijfsomgeving met gevoelige gegevens, wettelijke vereisten en verouderde systemen vormt zoveel ongecontroleerde kracht een structurele bedreiging.
Ongereguleerde AI leidt tot onbedoelde datalekken, gebruik van schaduw-IT, niet-verifieerbare resultaten, ongecontroleerde modelinvoer en volledig verlies van controleerbaarheid.
De Ferrari rijdt niet alleen snel. Hij rijdt in richtingen waar de organisatie geen zicht op heeft.
Zolang werkprocessen, bestuurlijke kaders, validatielagen en de integratiearchitectuur niet opnieuw zijn opgebouwd, blijft onbeheerde AI een risico in plaats van een aanwinst.
Waarom schaalgrootte in organisaties systemische wrijving veroorzaakt
Naarmate organisaties groeien, neemt de complexiteit van de coördinatie nog sneller toe. Een verdubbeling van het team verdubbelt de complexiteit niet. Die wordt vermenigvuldigd.
AI verbetert individuele prestaties. Maar grote organisaties werken op netwerkniveau. Dat verschil doet het grootste deel van het effect teniet.
Onderzoek laat een fundamentele waarheid zien.
AI versterkt wat al bestaat. Wat op elkaar is afgestemd, versnelt. Wat versnipperd is, stort in.
Zonder opnieuw ontworpen werkprocessen en bestuurlijke kaders levert AI losse verbeteringen op in plaats van een transformatie van het hele systeem.
De realiteit binnen grote organisaties
Beveiliging, vertrouwen, datarisico's en interne weerstand
Voordat grote organisaties streven naar autonomie of werkprocessen die volledig op AI zijn ingericht, krijgen ze te maken met onvermijdelijke beperkingen.
Beveiligingseisen laten geen concessies toe aan de grenzen waarbinnen gegevens mogen worden gebruikt of aan de naleving van regelgeving.
De onbetrouwbaarheid van LLM's zorgt voor terughoudendheid, omdat hallucinaties onaanvaardbaar zijn.
Schaduw-IT ontstaat wanneer officiële hulpmiddelen achterblijven bij de behoeften van medewerkers.
Strategische gegevens en persoonsgegevens brengen juridische risico's en reputatierisico's met zich mee.
Een gebrek aan centraal bestuur creëert onzekerheid over validatie en toezicht.
Dit zijn geen tekenen van conservatisme.
Het zijn tekenen van institutionele verantwoordelijkheid.
De invoering van AI versnelt alleen wanneer deze fundamenten worden gerespecteerd.
Wat de markt werkelijk mist
Niet elk werkproces hoeft opnieuw te worden uitgevonden
Sommige verhalen over AI gaan ervan uit dat medewerkers automatisering willen. In werkelijkheid blijven veel werkprocessen onveranderd omdat ze voorspelbaar aanvoelen en binnen de organisatiecultuur een gevoel van veiligheid bieden.
De echte kans ligt elders.
Handmatige gegevensoverdracht.
Steeds opnieuw documenteren.
Wisselen tussen contexten.
Platforms die los van elkaar staan.
Workflows die niet op elkaar aansluiten.
Deze knelpunten ondermijnen ongemerkt de productiviteit.
Neem de onzichtbare frictie weg en adoptie volgt vanzelf.
Praktische stappen voor duurzame bedrijfstransformatie
Ondernemingen die hierin slagen, hanteren vergelijkbare werkwijzen.
Voer gedetailleerde workflowaudits uit.
Introduceer agentisch gedrag geleidelijk en onder toezicht.
Herontwerp rollen voordat je technologie herontwerpt.
Begin waar bestaande systemen weinig beperkingen opleggen.
Meet de snelheid van de organisatie, niet die van afzonderlijke taken.
Deze stappen lijken eenvoudig. Hun impact is exponentieel.
Een afsluitende overweging voor bedrijfsleiders
AI-adoptie in ondernemingen is geen vraagstuk rond modellen. Het is een structurele en culturele uitdaging. De meeste organisaties blijven steken in winst op taakniveau, omdat hun workflows niet zijn ontworpen voor autonome systemen.
Leiders die dit onderkennen en doelbewust herontwerpen, zullen het volgende tijdperk van bedrijfsproductiviteit vormgeven.
AI versterkt organisaties die op één lijn zitten en vergroot de fragmentatie van versnipperde organisaties. Versterk eerst het fundament. Schaal daarna op.
Een praktische kanttekening
De noodzaak van een veilige en geïntegreerde laag voor ondernemingen
In gesprekken met CIOs en transformatieteams komt steeds hetzelfde thema terug. Ondernemingen hebben geen behoefte aan nóg een op zichzelf staande assistent. Ze hebben een veilige, controleerbare, diep geïntegreerde productiviteitslaag nodig die applicaties verbindt, gegevens beschermt, aansluit op governance en AI in workflows introduceert zonder bestaande systemen te ontwrichten.
Platforms met diepgaande integraties, een architectuur waarin privacy vooropstaat en toezicht op ondernemingsniveau maken van onbeheerde AI niet langer een risico, maar een strategisch voordeel. Ze bieden het zorgvuldig ontworpen wegennet dat de Ferrari nooit had.
Dit is de filosofie achter Dvina. Het is niet ontworpen als een hulpmiddel voor afzonderlijke taken of een geïsoleerde agent, maar als een productiviteitslaag die rekening houdt met workflows. Die brengt applicaties samen, beschermt gevoelige gegevens en stelt teams in staat transformatie op workflowniveau te realiseren zonder de controle op te geven.
Slotbeschouwing
De toekomst is aan ondernemingen die de juiste wegen aanleggen
De ondernemingen die de AI-transitie winnen, zijn niet de ondernemingen met de meeste modellen. Het zijn de ondernemingen die de veiligste, duidelijkste en meest aanpasbare routes aanleggen waarlangs AI kan werken.
Wanneer workflows, governance en gegevensstromen op elkaar zijn afgestemd, gedraagt AI zich niet langer als een experimentele motor en wordt het volwaardige bedrijfsinfrastructuur.
De toekomst is niet aan de ondernemingen met de snelste motoren, maar aan die met de sterkste wegen.