1
00:00:00,001 --> 00:00:07,060
Welkom bij de AIToday Live, de podcast die AI begrijpelijk maakt met verhalen uit de praktijk.

2
00:00:07,060 --> 00:00:12,720
Ik ben Niels Naglé en ik bespreek deel 2 van onze speciale serie over leiderschap in AI transformaties.

3
00:00:12,720 --> 00:00:17,500
Vorige week bespraken we drie cruciaal aspecten van AI leiderschap.

4
00:00:17,500 --> 00:00:21,920
We zagen hoe je een simpel AI project kan uitgroeien tot een complete transformatie.

5
00:00:21,920 --> 00:00:28,800
Hoe belangrijk de culturele impact is, denk aan onze kwaliteit controleurs en waarom visie en timing zo essentieel is.

6
00:00:29,980 --> 00:00:35,160
Uit ons marktonderzoek bleek dat slechts 3% van de Nederlandse organisaties AI volledig heeft geïntegreerd.

7
00:00:35,160 --> 00:00:39,600
En dat 60% nog geen duidelijke AI strategie heeft.

8
00:00:39,600 --> 00:00:46,920
Die cijfers onderstrepen precies waarom we vandaag dieper ingaan op de structurele uitdagingen die bij deze aspecten komen kijken.

9
00:00:46,920 --> 00:00:51,820
Vandaag gaan we dieper in op de structurele uitdagingen waar leiders tegenaan lopen.

10
00:00:51,820 --> 00:00:57,200
En de grootste problemen blijken niet technisch van aard, maar organisatorisch en strategisch.

11
00:00:58,360 --> 00:01:02,960
Een van de meest fundamentele uitdagingen is het gebrek aan strategische visie.

12
00:01:02,960 --> 00:01:09,540
Organisaties behandelen AI vaak als een verzameling losse projecten, zonder duidelijke verbinding met hun bedrijfsdoelstellingen.

13
00:01:09,540 --> 00:01:11,820
Het is als bouwen zonder bouwtekening.

14
00:01:11,820 --> 00:01:15,420
Je kunt wel mooie kamers maken, maar uiteindelijk past het niet bij elkaar.

15
00:01:16,040 --> 00:01:20,280
Dit gebrek aan visie manifesteert zich op verschillende niveaus.

16
00:01:20,280 --> 00:01:26,400
Op strategisch niveau zien we dat organisaties worstelen met het vertalen van AI mogelijkheden naar concrete bedrijfswaarden.

17
00:01:26,400 --> 00:01:32,320
Op tactisch niveau is er vaak geen duidelijk plan voor de integratie met bestaande systemen en processen.

18
00:01:32,320 --> 00:01:40,400
En op operationeel niveau zien we, zoals in het voorbeeld van vorige week, dat er te weinig aandacht is voor de menselijke kant van de transformatie.

19
00:01:41,400 --> 00:01:44,840
Wat het extra complex maakt is de integratie met bestaande systemen.

20
00:01:44,840 --> 00:01:49,120
Veel organisaties hebben jarenlang geïnvesteerd in hun IT-infrastructuur.

21
00:01:49,120 --> 00:01:56,300
Het implementeren van AI is dan niet simpelweg het toevoegen van een nieuwe laag.

22
00:01:56,300 --> 00:02:00,860
Het vraagt om fundamentele heroverwegingen van hoe systemen met elkaar communiceren.

23
00:02:01,780 --> 00:02:13,300
En dit sluit aan bij wat we in ons onderzoek zien, maar liefst 17% van de organisaties noemt de integratie met bestaande systemen en processen als een van de grootste uitdagingen.

24
00:02:13,300 --> 00:02:21,480
Nu we de fundamentele uitdagingen hebben besproken, is het tijd om te kijken naar twee verradelijke valkuilen die vaak over het hoofd worden gezien.

25
00:02:21,480 --> 00:02:25,980
En die verrassend genoeg weinig aandacht krijgen in de meeste AI-discussies.

26
00:02:26,680 --> 00:02:28,880
De eerste is een interessante paradox.

27
00:02:28,880 --> 00:02:38,200
We overschatten vaak wat AI op korte termijn kan bereiken, terwijl we tegelijkertijd onderschatten wat het vraagt van onze organisaties om AI succesvol te implementeren.

28
00:02:38,200 --> 00:02:40,140
Het is als een ijsberg.

29
00:02:40,140 --> 00:02:42,740
Boven water zie je indrukwekkende mogelijkheden.

30
00:02:42,740 --> 00:02:45,640
ChatGPT die menselijk lijkende teksten schrijft.

31
00:02:45,640 --> 00:02:48,620
Algorithmes die patronen herkennen in enorme datasets.

32
00:02:48,620 --> 00:02:50,900
AI die complexe problemen oplost.

33
00:02:50,900 --> 00:02:52,440
Dat is verleidelijk.

34
00:02:53,180 --> 00:02:59,100
Maar onder water zit een van de vele grote massa's de noodzaak om processen aan te passen.

35
00:02:59,100 --> 00:03:00,720
Mensen op te leiden.

36
00:03:00,720 --> 00:03:02,420
Data te structureren.

37
00:03:02,420 --> 00:03:04,340
Ethische richtlijnen op te stellen.

38
00:03:04,340 --> 00:03:06,240
En systemen te onderhouden.

39
00:03:06,240 --> 00:03:13,680
We zien in de praktijk dat organisaties vaak een bescheiden budget vrijmaken en een kort project inplannen.

40
00:03:13,680 --> 00:03:16,120
Alsof ze een standaard softwarepakket uitrollen.

41
00:03:16,120 --> 00:03:21,840
Maar AI-systemen zijn geen kant-en-klare oplossingen die je simpelweg installeert en aanzet.

42
00:03:22,020 --> 00:03:26,120
Je kunt AI niet even uitrollen zoals je een nieuw mailprogramma uitrolt.

43
00:03:26,120 --> 00:03:30,180
Het vereist continue aandacht, aanpassingen en verfijningen.

44
00:03:30,180 --> 00:03:31,700
Het is een reis.

45
00:03:31,700 --> 00:03:32,600
Geen bestemming.

46
00:03:32,600 --> 00:03:34,700
En de tweede valkuil.

47
00:03:34,700 --> 00:03:36,720
Die is misschien nog wel verraderlijker.

48
00:03:36,720 --> 00:03:40,280
Namelijk het gebrek aan focus op schaalbaarheid.

49
00:03:40,280 --> 00:03:44,080
Veel organisaties slagen erin om een succesvolle pilot op te zetten.

50
00:03:44,080 --> 00:03:47,660
Ze hebben een mooi proof-of-concept in een gecontroleerde omgeving.

51
00:03:48,860 --> 00:03:53,280
Maar dan komt de uitdaging hoe schaal je dit op naar de hele organisatie.

52
00:03:53,280 --> 00:03:56,900
Het is hier waar veel AI-initiatieven stranden.

53
00:03:56,900 --> 00:04:00,340
Ze blijven hangen in wat ik noem de pilot paradox.

54
00:04:00,340 --> 00:04:02,700
Te succesvol om te stoppen.

55
00:04:02,700 --> 00:04:05,100
Te complex om te schalen.

56
00:04:05,100 --> 00:04:07,360
Het probleem is vaak schaalbaarheid.

57
00:04:07,360 --> 00:04:10,580
Geen prioriteit heeft gehad in de ontwerpfase.

58
00:04:11,140 --> 00:04:13,060
Men focust op het bewijzen dat iets kon.

59
00:04:13,060 --> 00:04:15,180
Niet op hoe het in de praktijk zou werken.

60
00:04:15,180 --> 00:04:18,880
Deze uitdagingen en valkuilen lijken misschien ontmoedigend.

61
00:04:18,880 --> 00:04:22,980
Maar zijn drie bewezen elementen die het verschil maken tussen succes en falen.

62
00:04:22,980 --> 00:04:25,380
Ten eerste.

63
00:04:25,380 --> 00:04:27,820
Alignment met bedrijfsdoelstellingen.

64
00:04:27,820 --> 00:04:29,820
AI moet geen doel op zich zijn.

65
00:04:29,820 --> 00:04:32,660
Maar een middel om concrete business uitdagingen op te lossen.

66
00:04:32,660 --> 00:04:34,320
Of kansen te benutten.

67
00:04:34,760 --> 00:04:37,440
We zagen dit recent in twee fascinerende gesprekken.

68
00:04:37,440 --> 00:04:43,220
Bij de Nederlandse Spoorwegen vertelde Edwin Wenink hoe ze hun AI-platform ontwikkelde vanuit een concrete bedrijfsbehoefte.

69
00:04:43,220 --> 00:04:45,980
Veilig gebruik van AI door medewerkers.

70
00:04:45,980 --> 00:04:48,560
Ze kozen niet voor een verbod.

71
00:04:48,560 --> 00:04:52,760
Maar voor een constructieve aanpak die aansluit bij de organisatiedoelstellingen.

72
00:04:52,760 --> 00:04:56,700
Een andere interessante benadering zagen we bij NXTLI.

73
00:04:56,700 --> 00:04:59,740
Maar ze kozen voor een AI-first strategie.

74
00:04:59,740 --> 00:05:03,700
Ze vroegen hun medewerkers niet of ze AI wilden gebruiken.

75
00:05:04,400 --> 00:05:08,340
Met welke taken ze zouden uitbesteden als ze tien nieuwe collega's konden aannemen.

76
00:05:08,340 --> 00:05:11,460
Die taken werden vervolgens vertaald naar AI-toepassingen.

77
00:05:11,460 --> 00:05:14,280
Als je meer wilt weten over deze inspirerende voorbeelden.

78
00:05:14,280 --> 00:05:16,560
Raad ik je aan om beide afleveringen terug te luisteren.

79
00:05:16,560 --> 00:05:18,800
Je vindt ze in ons podcastarchief.

80
00:05:18,800 --> 00:05:20,040
Ten tweede.

81
00:05:20,040 --> 00:05:22,920
Vroege betrokkenheid van stakeholders.

82
00:05:22,920 --> 00:05:27,780
We zagen vorige week al hoe het mis kan gaan als de eindgebruikers niet betrekt.

83
00:05:27,780 --> 00:05:29,500
Maar het gaat verder dan dat.

84
00:05:29,500 --> 00:05:32,760
Je hebt ook de business owners nodig.

85
00:05:33,300 --> 00:05:34,420
De compliance afdeling.

86
00:05:34,420 --> 00:05:35,240
HR.

87
00:05:35,240 --> 00:05:36,040
En ja.

88
00:05:36,040 --> 00:05:38,660
Zelfs de ondernemingsraad moet je erbij betrekken.

89
00:05:38,660 --> 00:05:41,920
Niet omdat ze allemaal moeten meebeslissen over elk detail.

90
00:05:41,920 --> 00:05:47,240
Maar omdat ze elk een uniek perspectief brengen dat waardevol is voor het succes van de transformatie.

91
00:05:47,240 --> 00:05:48,780
En ten derde.

92
00:05:48,780 --> 00:05:50,080
Niet onbelangrijk.

93
00:05:50,080 --> 00:05:51,440
Misschien wel de belangrijkste.

94
00:05:51,440 --> 00:05:52,700
Een duidelijke roadmap.

95
00:05:52,700 --> 00:05:54,480
Je kunt niet alles tegelijk doen.

96
00:05:54,480 --> 00:05:55,620
En dat hoeft ook niet.

97
00:05:56,260 --> 00:06:00,920
Succesvolle organisaties beginnen met kleine behapbare projecten die snel waarde opleveren.

98
00:06:00,920 --> 00:06:05,240
Ze gebruiken deze early wins om draagvlak te creëren voor grotere veranderingen.

99
00:06:05,240 --> 00:06:07,860
Het is als bouwen van een kathedraal.

100
00:06:07,860 --> 00:06:12,520
Je begint met een stevige fundering en bouwt vanuit daaruit steeds hoger op.

101
00:06:12,520 --> 00:06:20,000
Wat ik fascinerend vind aan deze drie elementen is ze allemaal draaien om mensen, processen en niet om technologie.

102
00:06:21,160 --> 00:06:24,600
Ze vragen om leiderschap dat verder kijkt dan de waan van de dag.

103
00:06:24,600 --> 00:06:30,320
Leiderschap dat begrijpt dat AI transformaties geen sprint zijn, maar een marathon.

104
00:06:30,320 --> 00:06:37,060
Als je na deze aflevering één ding wilt gaan doen, begin dan alsjeblieft met het in kaart brengen van je stakeholders.

105
00:06:37,060 --> 00:06:40,920
Niet alleen wie ze zijn, maar vooral ook wat hun belangen en zorgen zijn.

106
00:06:40,920 --> 00:06:45,680
Want zoals we hebben gezien is het niet de technologie die bepaalt of je AI transformatie slaagt,

107
00:06:45,680 --> 00:06:48,620
maar de mate waarin je mensen meekrijgt in de verandering.

108
00:06:49,600 --> 00:06:55,940
Volgende week, in het laatste deel van deze serie, gaan we heel praktisch kijken naar hoe je deze inzichten kunt vertalen naar concrete acties.

109
00:06:55,940 --> 00:06:57,420
Hoe bouw je die roadmap?

110
00:06:57,420 --> 00:06:59,760
Hoe creëer je de experimenteerruimte?

111
00:06:59,760 --> 00:07:03,640
En vooral, hoe zorg je dat de organisatie klaar is voor de toekomst?

112
00:07:03,640 --> 00:07:10,460
Dit was AIToday Live, de podcast die AI begrijpelijk maakt met verhalen uit de praktijk.

113
00:07:10,460 --> 00:07:11,880
Tot volgende week!

114
00:07:11,880 --> 00:07:21,720
[Muziek]

115
00:07:21,720 --> 00:07:22,720
[Muziek]