Een directieteam dat zegt "we gaan AI inzetten" bedoelt daarmee vaak niet hetzelfde. De ene helft denkt aan een taal-model dat rapporten samenvat, de andere aan systemen die klantcontact deels zelf afhandelen. Beide vragen om technologie die dat kan verwerken en om capaciteit die dat kan begeleiden. Dat zijn twee verschillende soorten gereedheid, en ze worden zelden los van elkaar getoetst.
De kosten van AI-gereedheid zitten niet primair in licenties. Ze zitten in wat er moet gebeuren voordat een taak veilig van een systeem naar AI kan verplaatsen: data die vindbaar en actueel is, koppelingen die bestaan of gebouwd moeten worden, en mensen die weten wanneer ze een uitkomst goedkeuren en wanneer niet. Wat dat kost, hangt af van hoeveel van die onderdelen er al staan en hoeveel er nog ontbreekt.
Binnen elke ambitie die AI-werk veronderstelt, valt het onderliggende werk in drie categorieen. AI kan de taak overnemen, zonder dat een mens er nog naar kijkt. Een mens houdt toezicht en keurt goed of af, met reden. Of het werk blijft mensenwerk, omdat oordeel, context of verantwoordelijkheid dat vereisen.
De technologie die nodig is, verschilt per categorie. Volledige overname vraagt om betrouwbare, goed gestructureerde data en een systeem dat foutmeldingen herkent voordat ze schade doen. Toezicht met goedkeuring vraagt om een interface waarin een mens snel kan zien waarom een systeem tot een uitkomst kwam. Mensenwerk vraagt vaak geen nieuwe technologie, maar wel duidelijkheid over wie waarvoor verantwoordelijk blijft — dat raakt aan besluitrechten die bij een verandering opnieuw belegd moeten worden.
Bedrijven die dit onderscheid al maken, merken het verschil in hoe snel een pilot van proef naar productie gaat. Bedrijven die het niet maken, blijven testen zonder dat duidelijk wordt welk deel van het werk daadwerkelijk verschuift.
Het verschil tussen bedrijven die dit vandaag al soepel laten lopen en bedrijven die er nog niet aan toe zijn, zit meestal niet in de keuze van technologie. Het zit in drie dingen die eraan voorafgaan.
Ten eerste: of de organisatie weet welke taken uit welk proces bestaan, los van de functietitel die erbij hoort. Zonder die inventarisatie is elke uitspraak over "AI-gereedheid" een schatting.
Ten tweede: of de systemen die nu bestaan data opleveren die een AI-toepassing kan gebruiken. Veel organisaties hebben data die correct is voor een mens die het leest, maar niet gestructureerd genoeg voor een systeem dat ermee moet rekenen.
Ten derde: of er capaciteit is — in uren, niet in goede bedoelingen — om de overgang te begeleiden. Iemand moet de eerste honderd uitkomsten controleren voordat een systeem zonder toezicht mag draaien. Die uren staan meestal in niemands planning.
Het eerste zichtbare teken is niet een kostenbesparing, maar een verschuiving in waar tijd naartoe gaat. Werk dat eerst uit uitvoeren bestond, wordt werk dat uit beoordelen bestaat. Dat vraagt andere vaardigheden en soms een andere rol, niet automatisch minder mensen.
Het tweede teken is dat vragen die eerst bij IT lagen, nu bij de directie liggen. Welke beslissing mag een systeem zelf nemen, en welke moet altijd door een mens bevestigd worden? Dat is een besluitrecht, geen technische instelling, en het moet ergens vastgelegd staan voordat het incident zich voordoet.
Het derde teken zit in de begroting. Vrijgespeelde uren op de ene plek verdwijnen niet automatisch als besparing; ze verschijnen vaak als extra capaciteit op een andere plek, bijvoorbeeld in controle, in klantcontact op momenten waar AI niet toereikend is, of in het onderhouden van de systemen zelf. Wat dat per saldo betekent voor de begroting, hangt samen met hoe financiele veerkracht is opgebouwd en welke marge er is om die verschuiving op te vangen voordat ze rendement oplevert.
Deze toets zegt niets over wie een organisatie in dienst houdt of laat gaan. Dat is een besluit met eigen wettelijke vereisten, buiten wat hier wordt beschreven. Wat hier wordt beschreven is capaciteit: welke uren vrijkomen, welke uren erbij nodig zijn, en welke technologie daarvoor moet staan. Dat geldt evengoed voor samenwerkingen met andere partijen — wat een partnership gereed maakt voor AI bepaalt mede of een verschuiving in eigen huis wel werkt in de keten.
Het raakt ook compliance. Een systeem dat een deel van een proces overneemt, verandert wie waarvoor aantoonbaar verantwoordelijk is, en dat verdient een eigen toets op compliance en risico die AI-gereed gemaakt moeten worden.
Er is geen percentage te noemen dat voor elke organisatie geldt. Het hangt af van hoeveel data al bruikbaar is, hoeveel processen al gedocumenteerd staan, en hoeveel capaciteit er is om de eerste periode te begeleiden. Bedrijven met veel ongestructureerde data en weinig documentatie starten met meer werk dan bedrijven die dat al op orde hebben. Dat verschil is precies waarom een schatting op voorhand weinig zegt zonder eerst te kijken naar het werk zelf, taak voor taak — dat is wat de [werkscan van FTE TO AI](/) per taak in kaart brengt.
Om te zien waar uw organisatie het verst en het minst ver is, is er een gratis gereedheidscheck: acht korte vragen, één per dimensie, met een beeld van waar de gereedheid al staat en waar nog werk ligt. De volledige ambitietoets, met de vier lagen en vijf confidence gates, is in aanbouw.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.