Te midden van alle hype rond AI ontbreekt er een belangrijk onderwerp in de discussie: de AI-transformatiekloof.
Organisaties van alle groottes zijn inmiddels bekend met de belofte van AI om de efficiëntie, productiviteit en inkomsten van bedrijven te revolutioneren. Meer dan driekwart van de respondenten in de laatste McKinsey Global Survey on AI zegt dat hun organisaties AI gebruiken in minstens één bedrijfsfunctie.
Toch zijn er maar weinig projecten die de belofte van AI daadwerkelijk waarmaken — om precies te zijn slechts 5%, volgens een recente studie van het MIT, State of AI in Business 2025. 95% van de generatieve AI-pilots faalt, en dit zijn de eerste vruchten van de AI-implementatie.
Agentic AI, gedefinieerd als AI-applicaties die taken autonoom uitvoeren, kan veel transformatiever zijn dan generatieve AI. Maar het is ook complexer. Zozeer zelfs dat Gartner® voorspelt dat "tegen 2027 meer dan 40% van de agentische AI-projecten zal worden geannuleerd vanwege stijgende kosten, onduidelijke bedrijfswaarde of ontoereikende risicobeheersing.” (Gartner, "Emerging Tech: Avoid Agentic AI Failure: Build Success Using Right Use Cases”, 15 mei 2025).
Moeten organisaties de handdoek in de ring gooien en accepteren dat AI-transformatie te complex is om effectief door te voeren?
Natuurlijk niet. Gegevens van McKinsey & Company suggereren dat bedrijven met toonaangevende digitale en AI-capaciteiten achterblijvers twee tot zes keer overtreffen in het totale aandeelhoudersrendement.
Die ROI is te goed om te laten liggen. Maar om die opbrengsten te zien — om de kloof te dichten tussen de belofte van AI en de gerealiseerde waarde van AI — moeten organisaties begrijpen waar AI-initiatieven vastlopen.
Hier heb ik goed nieuws: AI-transformatie kan ingewikkeld zijn, maar er zijn simpele stappen die je vandaag nog kunt nemen om je bedrijf klaar te maken voor agentic AI.
Wat is AI-transformatie?
AI-transformatie is een alomvattend en strategisch proces waarbij een organisatie kunstmatige intelligentie (AI) integreert in alle aspecten van haar activiteiten, producten en diensten. De meeste bedrijven zijn van plan AI te gebruiken om taken te automatiseren, de besluitvorming te versnellen, de customer experience te verbeteren en producten of diensten te creëren.
AI-transformatie gaat verder dan alleen het invoeren van een paar AI-tools; het betekent een fundamentele verschuiving in bedrijfsstrategie, operationele processen en organisatiecultuur. En dat is precies waarom het zo moeilijk is. Om aspecten van het bedrijf aan te passen en te veranderen, moet je ze goed begrijpen, maar de meeste bedrijven doen dat niet.
Laat me dit toelichten.
Wat zijn de grootste uitdagingen bij AI-transformatie?
De grootste uitdagingen bij AI-transformatie ontstaan bij het integreren van AI in de dagelijkse workflows van de mensen die het moeten gebruiken.
Om deze uitdaging beter te begrijpen, kunnen we een analogie uit de logistiek gebruiken: het last-mileprobleem.
Het last mile-probleem verwijst naar de onevenredige moeilijkheden en kosten in het laatste deel van een levering, namelijk het product in handen van de gebruiker krijgen. Bij consumptiegoederen maakt het bijvoorbeeld niet uit hoe efficiënt het distributie- of verpakkingsproces in het magazijn is als de klant zijn pakket nooit ontvangt (of het te laat of beschadigd ontvangt).
Bij AI-transformatie is die laatste stap cruciaal, maar wordt deze vaak over het hoofd gezien: het integreren van AI in de dagelijkse werkprocessen. Veel organisaties bouwen krachtige AI-modellen of trainen algoritmen op basis van enorme datasets, maar hebben moeite om deze modellen te koppelen aan de mensen die ze gebruiken. Het maakt niet uit hoe krachtig AI is als het niet effectief wordt geïntegreerd in de bedrijfsvoering.
Dat brengt me bij mijn volgende punt: je kunt AI niet effectief integreren in je bedrijfsvoering als die bedrijfsvoering niet duidelijk gedocumenteerd is.
AI-agenten zijn bedoeld om te communiceren met verschillende bedrijfssystemen en -processen, en ze hebben veel context nodig om effectief te werken. Forrester stelt: "AI-agenten hebben stapsgewijze instructies nodig om taken uit te voeren. Voor de meeste bedrijven vandaag de dag bevindt deze kennis zich in gefragmenteerde workflows, ongedocumenteerde gegevens en niet-officiële processen.” (Forrester-blog, "Autonomy Is The Future, But AI Agents Still Deliver Value Today”, juli 2025).
De meest recente enquête van Lucid bevestigt het gebrek aan bedrijfsdocumentatie:
- 49% van de kenniswerkers zegt dat de huidige operationele workflows van hun organisatie enigszins of nauwelijks goed gedocumenteerd zijn.
- 60% zegt dat de helft of meer van de workflows van hun team afhankelijk is van informele of persoonsafhankelijke kennis.
- 80% vertrouwt op traditionele of institutionele kennis om het werk te voltooien.
Kortom: de adoptie van AI, vooral agentic AI, zal nooit zijn volledige potentieel bereiken totdat de huidige bedrijfsprocessen, workflow, architecturen, gegevensstromen en samenwerkingspraktijken worden begrepen en gedocumenteerd.
Hoe realiseer je de AI-transformatie tot in de laatste fase
We weten dat de grootste belemmering voor de adoptie van agentische AI wordt veroorzaakt door een gebrek aan documentatie, wat betekent dat de eerste stap om AI door de laatste fase te loodsen schijnbaar eenvoudig is: documentatie creëren.
Ik vind het nuttig om de laatste fase van AI-transformatie in drie stadia te zien: gereedheid, strategie en uitvoering. Elk stadium vereist andere documentatie om AI effectief in workflows te integreren.
