Het structurele onevenwicht in AI-investeringen
In een recent interview met Fortune wees Deloitte CTO Bill Briggs op een opvallend onevenwicht: organisaties besteden naar schatting ongeveer 93% van hun AI-transformatiebudget aan technologie en slechts 7% aan mensen.
De infrastructuur wordt gefinancierd. Van medewerkers wordt verwacht dat ze zich aanpassen.
Dat onevenwicht wordt nog duidelijker wanneer we het bekijken in het licht van breder transformatieonderzoek. McKinsey rapporteert al jaren dat slechts ongeveer 30% van de transformatie-initiatieven een duurzame impact op prestaties realiseert. Met andere woorden: de meeste grootschalige veranderprogramma’s leveren niet wat ze beloven.
Onderzoek van Prosci toont bovendien aan dat organisaties die gestructureerd change management toepassen tot 7 keer meer kans hebben om hun doelstellingen te behalen dan organisaties die de menselijke kant van verandering verwaarlozen.
Toegepast op AI is de conclusie duidelijk. Technologie alleen verandert geen organisatie. Duurzame waarde ontstaat wanneer mensen hun manier van werken aanpassen.
Waarom AI-initiatieven momentum verliezen
Bij zowel grote ondernemingen als middelgrote organisaties zien we een gelijkaardig patroon. AI-tools worden technisch correct uitgerold. Governance en security zijn op orde. Use cases worden gedefinieerd en early adopters starten met experimenteren. In het begin is het enthousiasme groot. Na verloop van tijd vertraagt het momentum.
Die vertraging wordt zelden veroorzaakt door beperkingen in de infrastructuur of de prestaties van modellen. Ze ontstaat in het dagelijkse werk. Medewerkers twijfelen wanneer AI werkelijk waarde toevoegt. Ze missen vertrouwen in het formuleren van effectieve prompts. Ze vinden het moeilijk om AI-output te integreren in bestaande processen of stellen zich vragen bij de betrouwbaarheid van gegenereerde resultaten.
AI creëert nieuwe mogelijkheden, maar verandert tegelijk rollen, verantwoordelijkheden en workflows. Zonder gerichte begeleiding en duidelijke kaders blijft die verschuiving onvolledig. Meer technologische capaciteit leidt niet automatisch tot meer productiviteit.
De echte kloof in AI-transformatie
De grootste uitdaging in AI-transformatie is vandaag niet de toegang tot technologie. De meeste organisaties kunnen relatief snel geavanceerde AI-oplossingen implementeren. De cruciale vraag is of medewerkers voldoende voorbereid zijn om die mogelijkheden effectief en verantwoord te gebruiken.
AI verandert hoe werk wordt voorbereid, uitgevoerd en beoordeeld. Rapporten worden sneller opgesteld. Data wordt efficiënter geanalyseerd. Repetitieve taken worden geautomatiseerd. Kennis wordt toegankelijk via natuurlijke taal. Maar die voordelen realiseren vraagt meer dan een softwarelicentie. Het vraagt duidelijkheid over de impact van AI op specifieke rollen, praktische vaardigheden in prompting en evaluatie, en het vertrouwen om AI structureel te verankeren in dagelijkse workflows.
Hier loopt het vaak mis. Technologie evolueert snel, maar organisaties passen zich trager aan. Die kloof dichten vraagt een gerichte en bewuste investering in mensen.
Van bewustwording naar meetbare adoptie
Bij Xylos benaderen we AI niet als een louter technische implementatie, maar als een organisatorisch traject. Een veilige en schaalbare digitale basis blijft essentieel, net als het integreren van AI in processen om efficiëntie te verhogen. Maar zonder medewerkers die begrijpen hoe ze mogelijkheden omzetten in waarde, blijft het potentieel onbenut.
Daarom zetten we sterk in op AI- en data literacy.
AI literacy is geen eenmalige opleiding. Het is een gestructureerd traject van bewustwording naar meetbare adoptie. We starten met een nulmeting om het vertrekpunt van de organisatie in kaart te brengen. Vervolgens stemmen we leertrajecten af op specifieke rollen, zodat relevantie en toepasbaarheid centraal staan. Tussentijdse pulse checks maken vooruitgang zichtbaar, en een eindrapport brengt adoptieniveau en werkpunten helder in beeld.
Meten is cruciaal. Zonder inzicht in adoptie is het onmogelijk om te beoordelen of AI daadwerkelijk bijdraagt aan productiviteit.
Om leren tastbaar te maken, combineren we gestructureerde programma’s met interactieve formats zoals de Copilot Escape Game, waarin teams AI toepassen in realistische scenario’s, en het mAIndset Prompting Game, dat promptingvaardigheden versterkt bij medewerkers met verschillende kennisniveaus. Deze formats verlagen de drempel en bouwen vertrouwen op in de praktijk.
Leren moet aansluiten bij het dagelijkse werk. Vertrouwen groeit door ervaring. Impact moet aantoonbaar zijn.
Organisaties die investeren in mensen, maken het verschil
Grote ondernemingen hebben nood aan schaal en governance. Middelgrote bedrijven focussen vaak op snelheid en gerichte impact. Ondanks die verschillen delen ze dezelfde uitdaging: technologie-investeringen afstemmen op de bereidheid en vaardigheden van hun medewerkers.
De organisaties die de komende jaren zullen uitblinken, zijn niet noodzakelijk degene met de meest geavanceerde modellen. Het zijn de organisaties die hun mensen systematisch voorbereiden om AI doordacht, effectief en verantwoord te gebruiken.
AI kan starten als technologische innovatie, maar de langetermijnwaarde hangt af van menselijke adoptie. AI-succes begint bij mensen. En organisaties die dat tijdig beseffen, zullen echt slimmer werken.
