AI strategie: van losse proeven naar een plan dat rendeert

Een AI strategie is een plan dat beschrijft waar en hoe je bedrijf AI inzet, en waarom juist daar. Een goede AI strategie is concreet. Een lijst met trends of een visie op de toekomst van werk helpt je maandag niet verder. Een goed plan bevat:

• de taken en processen waar AI het meeste oplevert, met de tijd die ze nu kosten;
• een keuze per kans: kopen, verbeteren wat je al hebt, of laten bouwen;
• cijfers: investering, terugverdientijd en wat het per maand oplevert;
• een volgorde die past bij je mensen, je systemen en je budget;
• afspraken over veiligheid, gegevens en wie wat beslist.

AI en strategie gaan dus over keuzes. Wat pak je eerst aan, wat laat je bewust liggen, en wanneer is iets geslaagd. Hoe je zo'n plan stap voor stap opstelt, lees je ook in een AI roadmap maken.

1. Doelen scherp. We beginnen bij de directie. Wat wil het bedrijf de komende jaren bereiken? Groeien zonder extra mensen, marges verbeteren, sneller leveren? De AI strategie volgt die doelen. AI zonder bedrijfsdoel levert vooral losse proeven op.
2. In kaart brengen. We praten met management en met de mensen die het werk doen. Per afdeling en rol leggen we vast welke taken terugkomen, hoeveel tijd ze kosten, hoe vaak ze voorkomen en in welke systemen ze gebeuren. Ook de managementrapportages nemen we mee: welke cijfers heb je nodig en hoeveel moeite kost het om ze te krijgen.
3. Scoren en rekenen. Elke taak krijgt een potentiescore. Voor de beste kansen rekenen we de investering, de terugverdientijd en het financiële beeld per maand uit. Als AI voor een proces niet logisch is, zeggen we dat. Soms is een betere werkafspraak of een bestaande tool de betere keuze.
4. Plan en volgorde. Je krijgt een rapport en een plan voor twaalf maanden. De volgorde houdt rekening met wat je team aankan, welke systemen eerst op orde moeten en wat snel resultaat geeft. Zo verdient de eerste stap vaak de volgende terug.

Generatieve AI, zoals ChatGPT, Claude, Copilot en Gemini, krijgt de meeste aandacht. Het is sterk in schrijven, samenvatten, vertalen, vragen beantwoorden en ongestructureerde informatie lezen, zoals mails en documenten. Een gen AI strategie bepaalt welke taken daar baat bij hebben, welke tools je medewerkers mogen gebruiken en met welke gegevens.

Maar veel winst zit in gewone automatisering en koppelingen, zonder taalmodel. Gegevens die van het ene systeem naar het andere moeten, een voorspelling op basis van verkoopcijfers, een rapportage die zichzelf vult. In een goede AI strategie staan beide naast elkaar. We kiezen per taak wat werkt, en dat is niet altijd het nieuwste.

De tools zelf zijn de kleinste keuze. Welke taalmodellen je gebruikt, OpenAI, Anthropic, Google, Mistral of een open model op je eigen server, hangt af van de taak en de gevoeligheid van de gegevens. Voor gevoelige gegevens kijken we naar private AI.

Veel adviesrapporten verdwijnen in een la. Het verschil bij ons: hetzelfde team dat het plan maakt, kan het ook bouwen. We kopen wat al goed bestaat, verbeteren wat je al gebruikt en bouwen alleen waar maatwerk waarde toevoegt.

Bouwen we verder, dan werken we met een vaste prijs per afgesproken stap, met functionaliteiten en acceptatiecriteria vooraf. Kost het ons meer tijd dan ingeschat, dan dragen wij dat binnen de scope. Lost de opgeleverde kernfunctionaliteit het vooraf omschreven probleem niet op, dan betaal je niet voor die oplossing. AI versnelt bij ons code, tests en documentatie, en onze developers blijven verantwoordelijk voor architectuur, veiligheid, integraties en elke release. Daardoor bouwen we bij vergelijkbare maatwerkscope tot vijf keer voordeliger.

Je bent niet verplicht om met ons verder te gaan. Het plan is van jou, en je kunt het ook met een andere partij of je eigen IT uitvoeren.