AI gaat straks nog véél meer kunnen. Maar dat is voor de meeste organisaties helemaal niet het probleem. Het probleem is dat ze niet weten wát ze willen dat AI voor hen doet - laat staan waarom.
De misvatting: ‘We moeten méér investeren, want AI wordt nóg beter’
Veel bestuurders denken in capabilities: grotere modellen, betere reasoning, meer intelligentie. Maar voor het grootste deel van de bedrijfsvoering is dat niet de bottleneck. LLM’s zijn nu al ruim voldoende voor de meeste processen waarin communicatie, interpretatie en besluitondersteuning centraal staan.
De constraint zit niet in de technologie.
Die zit in het bedrijf.
Wat LLM’s nú al kunnen
LLM’s kunnen communiceren. En daar draait een verbazingwekkend groot deel van onze processen om.
- Bi-directioneel meertalig.
- Voldoende begrip van context en intentie.
- Consequente tone of voice via goede prompting.
- Lage fouten door structuur, niet door nóg grotere modellen.
We hoeven niet te wachten op een volgende generatie om klanten beter te helpen, processen te versnellen of medewerkers te ontlasten. De basis is er allang.
Waar de crux ligt: RAG
RAG (Retrieval-Augmented Generation) is simpel gezegd: de LLM mag alleen antwoorden op basis van informatie die jíj hebt goedgekeurd en aangeleverd. Geen verzinsels, geen interpretatie buiten de kaders. Het model gebruikt zijn taalvermogen, maar jouw kennis bepaalt de inhoud.
RAG legt vast wát het model mag zeggen.
Daarmee wordt AI herhaalbaar, uitlegbaar en schaalbaar.
De echte bottleneck is dus niet het model, maar het beheer van je kennis.
De vergeten vraag: waarom wil je AI inzetten?
Organisaties kunnen vaak een prima “wat” formuleren, maar geen “waarom”.
En zonder waarom blijft AI een demonstratie, geen oplossing.
Goede redenen hebben altijd te maken met échte waarde:
- Klanten die sneller of duidelijker geholpen willen worden.
- Frictie in processen die anders nooit opgelost wordt.
- Medewerkers die verdrinken in repetitief of administratief werk.
- De wens om betere inzichten of betere beslissingen te nemen.
Slechte redenen zijn er ook:
- “De concurrent doet het.”
- “De board wil iets met AI.”
- “Het moet goedkoper.”
Zonder waarom kun je niet sturen. Met een duidelijk waarom heb je richting, keuzes en consistentie.
De tweede vraag: waarvoor wil je AI inzetten - en waarvoor niet?
AI werkt uitstekend voor werk dat repeterend, voorspelbaar, tekstgedreven en kennisintensief is.
Maar AI werkt slecht op plekken waar je zelf niet weet wat ‘goed’ is, waar keuzes ontbreken of waar menselijkheid de kern van de waarde is.
AI lost geen chaos op.
AI maakt chaos zichtbaar.
De echte conclusie
De vraag is niet of je méér moet investeren omdat AI straks nóg beter wordt.
De vraag is of jij weet wat jouw organisatie goed moet doen - en waarom.
AI kan al meer dan genoeg.
Wat ontbreekt, is niet nóg een model.
Wat ontbreekt, is jouw besluitvorming.
Jouw visie.
Jouw kennisbasis.
Jouw waarom.
Slot
Wie AI echt werkend wil krijgen, begint niet bij technologie.
Maar bij de vraag: waarom willen we dit eigenlijk?
Als dát scherp is, doet een LLM de rest.
-- dit bericht is eerder gepubliceerd op LinkedIn