In de directiekamer klinkt het vaak als een enkele zin: de marge moet omhoog, en AI helpt daarbij. Iedereen knikt, maar de een denkt aan minder inkoopkosten, de ander aan snellere doorlooptijden, en een derde aan minder handmatig werk in de backoffice. Dat is het probleem niet van de ambitie, maar van de vertaling. Marge verbeteren met AI is geen kostenmaatregel, het is een verschuiving in wie het werk doet en wie controleert of het goed is gedaan.
Die verschuiving verloopt langs drie sporen die door elkaar lopen. Een deel van het werk kan AI zelf overnemen: standaardrapportages, reconciliaties, eerste analyses van afwijkingen. Een ander deel blijft een samenwerking, waarbij AI een voorstel doet en een medewerker dat goedkeurt of afkeurt, met een reden erbij. En een derde deel blijft mensenwerk, omdat het beoordeling, onderhandeling of context vraagt die niet in data zit. Marge verbeteren betekent dat u deze drie sporen in uw eigen bedrijf moet kunnen aanwijzen, per proces, niet in algemene termen.
Het verschil zit zelden in de techniek. Twee vergelijkbare bedrijven met dezelfde AI-tools boeken andere resultaten, omdat de een wel en de ander niet heeft ingericht wie de uitkomst van een AI-voorstel mag goedkeuren, wie de kwaliteit van de data bewaakt waarop die voorstellen draaien, en wie verantwoordelijk is als een marge-verbetering ergens anders een probleem veroorzaakt, bijvoorbeeld in leverbetrouwbaarheid.
Bedrijven waar dit al loopt, hebben dat besluitrecht expliciet gemaakt voordat het werk verschoof. Ze wisten welke rol de output van een AI-model beoordeelt op een productieplanning, en welke rol enkel het proces bewaakt. Bedrijven waar het nog niet loopt, ontdekken dat pas als de eerste afwijking zich voordoet en niemand weet wie daar iets van mag zeggen.
Marge verbeteren onder deze omstandigheden vraagt gereedheid op acht dimensies, niet op een. Een paar die in de praktijk het snelst een ambitie vertragen:
De ambitietoets legt deze ambitie vast in vier lagen: de visie zoals de directie hem uitspreekt, de vision state die beschrijft hoe het werk er na de verschuiving uitziet, de target met een concreet doel, en de target state die beschrijft welke capaciteit daarvoor vrijkomt. Die vier lagen worden getoetst langs acht dimensies en vijf confidence gates, en vertaald naar rollen en besluitrechten die vandaag al ingevuld moeten zijn, niet pas als het misgaat.
Marge verbeteren met AI vraagt niet automatisch nieuwe functies, maar wel nieuwe verantwoordelijkheden op bestaande rollen. Een controller die nu rapporten samenstelt, wordt de rol die AI-gegenereerde afwijkinganalyses beoordeelt. Een operationeel manager die nu planningen goedkeurt, wordt de rol die uitlegt waarom een AI-voorstel is afgekeurd, zodat het model daarvan leert. Dat vraagt een ander soort tijdsbesteding: minder uren aan het samenstellen van het overzicht, meer uren aan het beoordelen ervan.
Deze verschuiving raakt de vraag hoeveel fte-capaciteit vrijkomt en waar die capaciteit vervolgens wordt ingezet. Dat is een vraag over werk, niet over personeel; wat een werkgever daarmee doet, valt onder eigen wettelijke vereisten en is aan de werkgever.
Geen enkele directie hoeft te wachten op een jaarrapport om te zien of dit werkt. De signalen zijn eerder zichtbaar: een team dat AI-voorstellen binnen dagen goedkeurt of gemotiveerd afkeurt, in plaats van weken laat liggen. Een controller die kan aanwijzen welk deel van de marge-verbetering aan een AI-voorstel is toe te schrijven en welk deel aan een eigen ingreep. Een organisatie die niet meer discussieert over of AI het werk aankan, maar over welke afwijking de aandacht verdient. Meer over wat die vroege signalen precies zijn, staat beschreven op wat zijn vroege signalen dat een verandering aanslaat.
Deze ambitie staat zelden alleen. Marge verbeteren raakt vaak dezelfde besluitrechten als welke capabilities sneller leveren vraagt als AI werk overneemt, en bij een fusie of overname komt de vraag in versnelde vorm terug, zoals beschreven op welke capabilities een overname integreren vraagt als AI werk overneemt. Wie merkt dat een strategisch plan op papier blijft staan ondanks deze ambitie, vindt een verklaring op hoe je voorkomt dat een strategie een document blijft.
De onderliggende vraag is meestal niet of AI marge kan verbeteren, maar welk werk in dit specifieke bedrijf daadwerkelijk over te nemen is. Die vraag wordt per taak beantwoord met de werkscan van FTE TO AI.
Wie eerst wil weten waar de organisatie staat, kan de gratis gereedheidscheck doen: acht korte vragen, een per dimensie, met een beeld van waar u het verst en het minst ver bent. De volledige ambitietoets, met de vier lagen en de 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.