In mijn vorige artikel schreef ik dat AI-first niet hetzelfde is als AI toevoegen aan bestaande processen. De vervolgvraag is dan onvermijdelijk: oké – maar wat betekent AI-first dan wél?
Misschien zit de verwarring ook in het feit dat we het nu AI-first noemen, terwijl wat hier beschreven wordt sterk lijkt op eerdere bewegingen. Ook bij eerdere digitaliseringsgolven – online, mobiel, selfservice – begonnen organisaties bij de vraag welke behoefte ze vervulden voor klanten, en hoe ze die zo efficiënt en effectief mogelijk konden invullen. Dat leverde concurrerende producten en diensten op, met een eigen signatuur en onderscheidend vermogen.
Waarom hangen we dit denken dan toch aan AI op? Omdat er nu iets verandert wat in die eerdere bewegingen niet veranderde. Waar eerdere trends kanalen en toegang veranderden, verandert AI de beschikbaarheid en schaal van intelligentie zelf.
Daarmee wordt iets wat lange tijd schaars was, breed inzetbaar. En juist dát maakt een bekende les uit die eerdere bewegingen opnieuw relevant: niet de technologie is het vertrekpunt, maar de volgorde waarin je denkt.
De vraag is dus niet of we anders moeten leren denken, maar waarom die volgorde nu allesbepalend wordt.
Voor mij zit het antwoord niet in technologie, maar in volgorde.
AI-first betekent: eerst herontwerpen wat je levert – pas daarna wie of wat het uitvoert.
Die gedachte laat zich in drie stappen uitwerken.
1. Eerst herontwerpen wat je levert
Wie AI serieus wil toepassen, begint niet bij taken, rollen of tooling. Het vertrekpunt is de vraag welke behoefte je als organisatie vervult – en of die behoefte, gegeven nieuwe vormen van schaal en automatisering, nog op dezelfde manier ingevuld moet worden.
Veel organisaties ontdekken daarbij dat een deel van hun dienstverlening in essentie voorspelbaar en herhaalbaar is. Dat deel kan primair schaalbaar worden ingericht met AI. Tegelijkertijd wordt zichtbaar waar eventueel nog onderscheidend vermogen zit – als dat er al is. In complexiteit, context, vertrouwen of expertise. En soms is de conclusie dat een propositie weinig onderscheidend meer is zodra intelligentie op grote schaal beschikbaar komt.
Dat inzicht kan ongemakkelijk zijn, maar is onvermijdelijk. AI-only proposities zullen ontstaan, en voor de eerste spelers die zo’n behoefte weten te claimen, ligt daar een reëel voordeel. Voor organisaties die volgen, wordt die ruimte steeds kleiner. Wie hier blijft optimaliseren aan het bestaande product of de bestaande dienst, mist het moment waarop herontwerp nodig is.
2. Pas daarna kiezen wie of wat het uitvoert
Pas wanneer helder is wat je levert en welke onderdelen daarvan schaalbaar zijn, ontstaat de ruimte om te bepalen wie – of wat – het werk uitvoert. Mens, AI of een combinatie daarvan is dan geen uitgangspunt, maar een consequentie van het ontwerp.
Wie deze volgorde omdraait, loopt vrijwel altijd vast. Dan worden bestaande processen geautomatiseerd zonder dat duidelijk is of die processen nog bijdragen aan de waarde die je wilt leveren. Het resultaat is vaak hogere efficiëntie, maar zelden een fundamenteel betere dienstverlening – en soms zelfs een verslechtering.
AI-first betekent hier niet “zo veel mogelijk AI”, maar een bewuste kanaalkeuze: waar schaal logisch is, waar menselijk contact zinvol blijft, en waar een hybride vorm het beste past. Die keuze volgt uit het ontwerp van de waardepropositie, niet andersom.
3. Blijven toetsen of dit nog het best passende model is
De derde stap wordt vaak niet gezet. Zodra een kanaalkeuze is gemaakt, wordt die vastgezet in processen, tooling en KPI’s. Wat begon als een bewuste ontwerpbeslissing, verandert dan al snel in een vast model. Precies daar gaat AI-first alsnog mis.
Wie AI-first serieus neemt, accepteert dat geen enkel uitvoeringsmodel definitief is. Niet omdat technologie zo snel verandert, maar omdat de omstandigheden waaronder waarde wordt geleverd dat doen. Daarom hoort bij AI-first het vermogen om gemaakte keuzes te blijven toetsen – en waar nodig te herzien – zonder dat de propositie zelf instort.
Dat toetsen begint bij het herkennen van signalen.
Een eerste signaal zit in de match tussen kanaal en behoefte. Niet of het kanaal goed functioneert, maar of het nog steeds het juiste probleem oplost. Wanneer klanten sneller escaleren dan verwacht, menselijke inzet vooral nodig is om digitale uitkomsten te herstellen, of AI formeel ‘werkt’ maar inhoudelijk weinig toevoegt, klopt het ontwerp niet meer. Dan moet niet de uitvoering worden geoptimaliseerd, maar de invulling van de klantbehoefte opnieuw worden bekeken.
Een tweede signaal zit in de verhouding tussen kosten en schaal. Als de prijsverhouding tussen digitale intelligentie en menselijke inzet verschuift, kan een eerder logische kanaalkeuze minder vanzelfsprekend worden. Het onderscheidende vermogen zit dan niet in het gekozen model, maar in de mate waarin je kunt blijven schuiven. Wie redeneert vanuit de klantbehoefte in plaats van vanuit een vast uitvoeringsmodel, behoudt die ruimte.
Een derde signaal raakt het onderscheidend vermogen. Naarmate AI breder beschikbaar wordt, neemt de kans toe dat ervaringen inwisselbaar worden. Dat is het moment waarop opnieuw moet worden bepaald waar – en of – onderscheid wordt gemaakt. Soms leidt dat tot meer menselijk contact, soms tot verdere vereenvoudiging, en soms tot de conclusie dat een bestaande propositie zijn relevantie verliest.
In al deze gevallen vraagt bijsturen om herontwerp. Wie hier blijft optimaliseren, eindigt alsnog bij digitalisering of AI die tegen bestaande structuren wordt aangeplakt.
Consequenties
Dit perspectief leidt tot een aantal consequenties die je niet kunt negeren als je AI-first serieus neemt. Dat bestaande proposities hun onderscheid kunnen verliezen zodra intelligentie breed beschikbaar wordt. Dat AI-only spelers geen uitzondering zijn, maar een logisch gevolg. Dat menselijk contact geen vanzelfsprekend eindpunt is, maar een ontwerpkeuze. En dat kostenverhoudingen kunnen verschuiven, waardoor eerdere aannames opnieuw beoordeeld moeten worden.
Deze consequenties laten zich niet oplossen met een extra tool of een optimalisatieslag. Ze vragen om expliciete keuzes over wat je levert, hoe je dat organiseert en wanneer je bereid bent dat te herzien. Precies daar zit het verschil tussen AI toevoegen en AI-first werken.
In het laatste deel van dit drieluik ga ik dieper in op de vraag: Hoe ontwikkel je vakmanschap in een AI-first organisatie?
-- dit bericht is eerder gepubliceerd op LinkedIn