In de zakelijke dienstverlening bestaat het werk voor een groot deel uit taal: documenten opstellen, dossiers doornemen, adviezen formuleren, rapportages afstemmen op een klant of situatie. Advocatenkantoren, accountantskantoren, consultancybureaus en verzekeringstussenpersonen verschillen in vak, maar niet in dit patroon: veel uren gaan naar het verzamelen en herschikken van informatie die al ergens bestaat, en een kleiner deel naar het oordeel dat daarop volgt. Dat maakt de sector gevoelig voor een verschuiving die inmiddels gaande is: taalwerk is precies het soort werk waar AI-systemen goed op scoren, mits de informatie waarmee ze werken toegankelijk en betrouwbaar is.
De omstandigheden die de uitkomst sturen, liggen niet in het vak zelf maar in hoe het kantoor is ingericht. Werkt een team met vaste sjablonen en een dossierstructuur die iedereen hetzelfde gebruikt, dan is een groot deel van het werk voorspelbaar te maken. Werkt het team per klant of per zaak op maat, met afwijkingen die alleen in het hoofd van de behandelaar zitten, dan is dat werk lastiger over te dragen, ongeacht hoe ambitieus de doelstelling is.
Binnen dezelfde sector lopen kantoren nu al uiteen. Bij het ene kantoor stelt een systeem een eerste conceptadvies op, met een medewerker die het beoordeelt en met reden goedkeurt of terugstuurt. Bij het andere kantoor gebeurt exact hetzelfde werk nog volledig handmatig, niet uit onwil maar omdat de dossiers niet in een vorm staan die een systeem kan lezen, of omdat niemand heeft vastgelegd wanneer een conceptadvies goed genoeg is om door te laten.
Drie categorieën werk lopen door elk kantoor heen. Een deel kan een systeem zelfstandig overnemen: het samenvatten van stukken, het invullen van standaardformulieren, het signaleren van afwijkingen in cijfers. Een deel kan deels, met een medewerker die de uitkomst beoordeelt en gemotiveerd goedkeurt of afkeurt. En een deel blijft mensenwerk: het gesprek met de klant over een lastige situatie, de afweging die niet in regels te vangen is, de verantwoordelijkheid die bij een naam en een handtekening hoort. Welke taak in welke categorie valt, verschilt per kantoor en per proces, en dat is precies waarom een ambitie als "wij zetten AI in voor ons adviesproces" zonder verdere uitleg weinig zegt.
Een zin als "AI gaat ons dossierwerk versnellen" klinkt eenduidig, maar in de directiekamer wordt hij zelden eenduidig gehoord. De ene partner denkt aan een systeem dat conceptteksten aanlevert die nog integraal worden herschreven. De andere denkt aan een proces waarin het systeem grotendeels zelfstandig werkt en alleen bij twijfel wordt voorgelegd. Beide lezingen zijn een redelijke uitleg van dezelfde ambitie, en het verschil daartussen bepaalt hoeveel capaciteit er vrijkomt, welke rollen daadwerkelijk veranderen en welke besluitrechten daarbij horen. Hoe dat verschil precies ontstaat en waarom het zo vaak onopgemerkt blijft, staat beschreven op de pagina over waarom mensen verschillende dingen bedoelen met dezelfde woorden.
Deze onduidelijkheid raakt ook de vraag hoe de organisatie zelf is ingericht: welke afdeling het werk straks doet, welke laag daarop stuurt, en welk besluit waar wordt genomen. Wie daar een vast beeld bij wil hebben voordat de ambitie wordt vastgelegd, vindt een uitleg zonder vakjargon op de pagina over een target operating model in gewone woorden.
Een ambitie die AI-werk veronderstelt, vraagt andere dingen van een organisatie dan dezelfde ambitie zonder AI. Voor de zakelijke dienstverlening komt dat onder meer neer op: staan dossiers en sjablonen in een vorm die een systeem kan lezen, is er een vastgelegd moment waarop een medewerker een AI-uitkomst beoordeelt en met reden goedkeurt of afkeurt, en is duidelijk wie verantwoordelijk blijft wanneer het uiteindelijke advies de deur uitgaat. Op deze punten blijkt vaak dat de ambitie sneller gaat dan de organisatie: de directie spreekt over automatisering van het adviesproces, terwijl de onderliggende dossiers nog niet gestructureerd genoeg zijn om door een systeem te worden gelezen. Dat is geen kwestie van willen, maar van gereedheid, en die gereedheid is per dimensie apart te toetsen.
Andere sectoren kennen een vergelijkbaar patroon met eigen omstandigheden: in het onderwijs spelen andere ambities dan hier, zoals te lezen op de pagina over AI-ambities in het onderwijs, en ook in de detailhandel verschuift het werk langs een ander soort lijnen, uitgewerkt op de pagina over AI-ambities in de detailhandel. Het onderliggende mechanisme — welk werk zich laat overdragen en welk werk mensenwerk blijft — is in elke sector hetzelfde, alleen de invulling verschilt.
Deze pagina beschrijft welk werk kan verschuiven, niet wat een kantoor met zijn personeel zou moeten doen als dat gebeurt. Voor besluiten die de arbeidsrelatie raken, gelden eigen wettelijke vereisten, los van welke taak een systeem al dan niet kan overnemen.
De vraag welk werk in dit specifieke kantoor daadwerkelijk door AI over te nemen is, laat zich niet beantwoorden met een algemene indruk van de sector. De werkscan van FTE TO AI beantwoordt die vraag per taak, met een uitkomst die aangeeft welk deel van het werk zelfstandig, onder toezicht of nog altijd door mensen wordt gedaan. Wie eerst wil weten waar de eigen organisatie het verst en het minst ver staat, kan de gratis gereedheidscheck doen: acht korte vragen, één per dimensie, met een beeld van waar de gereedheid al staat en waar nog een stap te zetten is. De volledige ambitietoets, met de vier lagen van visie tot target state en de vertaling naar rollen en besluitrechten, 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.