Wat gaat er mis?
In veel organisaties wordt AI behandeld als een IT-onderwerp. Iets voor specialisten, projecten en externe partijen. Daarmee wordt het precies geplaatst waar het niet hoort: buiten de operatie, ver van de plek waar het werk gebeurt.
“Dat is niets voor ons.” “Daar hebben wij de mensen niet voor.”
Dat zijn geen tekenen van achterstand, maar van een verouderd beeld van AI. Het idee dat je specialisten nodig hebt hoort bij de tijd van klassieke automatisering, niet bij de huidige realiteit.
En dus wachten bedrijven op kant-en-klare oplossingen die “erin passen”, terwijl de echte kansen zitten in het dagelijkse werk op de vloer: herhaling, administratie en informatieverwerking. Er wordt veel over AI gepraat, maar weinig mee gedaan waar het echt verschil maakt.
De grootste fout is niet technisch. Het is een keuze: AI buiten de deur houden in plaats van er intern mee leren werken.
Wat maakt ontwikkelen eigenlijk lastig?
Niet de techniek, maar het eindeloze vertalen.
Wie ooit een systeem heeft laten bouwen, herkent het patroon. Je legt uit wat je bedoelt. De ontwikkelaar begrijpt het net anders. Er komt een versie die niet klopt met je verwachting. Je legt het opnieuw uit. En na maanden heb je iets dat in de buurt komt, maar nooit helemaal aansluit op de praktijk.
Die ruis op de lijn maakt ontwikkelen lastig. Niet het bouwen zelf, maar het vertalen van jouw kennis naar iemand die je bedrijf niet kent.
Zelf ontwikkelen met behulp van AI kost vaak een fractie van traditionele externe ontwikkeling. Niet omdat het minder goed is, maar omdat de vertaalstap grotendeels verdwijnt. Je werkt direct vanuit je eigen kennis, zonder tussenlaag. Want jij weet zelf het beste hoe jouw vak en organisatie werken.
Waar zit de winst eigenlijk echt?
De winst zit zelden in één grote toepassing. Hij zit in tientallen kleine dingen die nu “gewoon zo gaan”. Dingen die je team elke dag tijd kosten, zonder dat iemand het nog echt ziet:
- Orders die handmatig worden overgetypt tussen systemen
- E-mails die worden gelezen, gesorteerd en doorgezet
- Kwaliteitsdocumenten die telkens opnieuw worden ingevuld of gecontroleerd
- Vergadernotities die pas later worden uitgewerkt of helemaal verdwijnen
- Interne vragen die steeds dezelfde antwoorden hebben, maar telkens opnieuw worden beantwoord
Elk bedrijf heeft zijn eigen varianten hiervan. Processen lijken vaak hetzelfde, maar zijn dat nooit. Ze zijn in de loop van jaren gevormd door mensen die telkens keuzes hebben gemaakt op basis van hun praktijk. Juist daardoor zit er zoveel verborgen kennis in hoe dingen nu gebeuren.
Wat we vaak over het hoofd zien
De grootste onderschatting zit niet in AI, maar in de kennis van je eigen organisatie. De mensen die precies weten waar het wringt, zitten niet in IT of bij externe bureaus. Dat zijn de planner die elke dag dezelfde knelpunten oplost, de kwaliteitsmedewerker die weet waar dubbel werk ontstaat en de operator die ziet waar informatie steeds opnieuw moet worden overgenomen.
Juist de meer ervaren generatie is hierin vaak van enorme waarde. Niet omdat zij technisch zijn, maar omdat zij de historie, keuzes en logica van het bedrijf begrijpen. Zij weten waarom dingen zijn zoals ze zijn.
Als die kennis wordt gecombineerd met nieuwe mogelijkheden, ontstaat er iets krachtigs: geen vervanging van ervaring, maar versnelling ervan.
Wat je als leider kunt doen
Dit is geen technologievraagstuk. Dit is een ontwikkelkeuze voor je organisatie. En die keuze hoeft niet groot te zijn om te beginnen.
Kies één of twee mensen die nieuwsgierig zijn en het bedrijf goed kennen. Maak hen verantwoordelijk voor AI binnen de operatie. Niet als IT-rol, maar als verkenner van het dagelijkse werk.
Geef ze een basistraining. Niet om expert te worden, maar om te begrijpen wat AI kan, wat het niet kan en hoe je ermee werkt.
Laat ze daarna kleine dingen ontwikkelen, direct in echte processen. Een terugkerende administratieve taak, een rapportage, het verwerken van orders. Klein genoeg om te overzien, groot genoeg om verschil te merken.
Pas bij de laatste stap komt de techniek. Het koppelen aan systemen, het veilig en stabiel maken: dat laat je uitvoeren door een partij die dat kan borgen. Maar pas nadat vanuit de praktijk duidelijk is wat er gebouwd moet worden. Niet andersom.
De prijs van afwachten
Wie AI blijft uitstellen, mist niet alleen efficiëntie. Hij bouwt ongemerkt een kostenstructuur op die steeds moeilijker te verdedigen wordt.
Want als een concurrent dezelfde kwaliteit kan leveren met minder handwerk, ontstaat er druk. Eerst op prijs. Daarna op marge.
Een paar vragen om bij stil te staan
- Welk werk gebeurt in jouw organisatie vandaag nog “omdat het altijd zo gedaan wordt”?
- Waar wordt informatie meerdere keren overgenomen of ingevoerd?
- Kun je nu iemand aanwijzen die verantwoordelijk is voor AI? En als dat niet lukt, wat zegt dat?
- Hoeveel uur per week betaal je voor werk dat zich elke dag herhaalt?
- Wat zou er gebeuren als je team één dag per week tijd terugkrijgt?
Als deze vragen iets losmaken, dan zit daar ruimte.
Mijn overtuiging
AI verandert organisaties niet als technologie. Het verandert organisaties als leiders besluiten het naar binnen te halen. Als vaardigheid die in de operatie wordt opgebouwd, niet als project dat buiten de deur wordt gezet.
En het is niet alleen voor jonge generaties. Juist niet. Het wordt pas waardevol wanneer ervaring en praktijkkennis worden gecombineerd met nieuwe mogelijkheden. Dat maakt het toegankelijk voor iedereen die zijn vak begrijpt, ongeacht leeftijd of technische achtergrond.
Wacht daarom niet af, maar omarm het in fases. Begin klein, leer van wat werkt en bouw van daaruit verder.
Hulp hierbij
Wil je hier in jouw organisatie concreet mee aan de slag, maar weet je niet waar te beginnen?
Opsight helpt organisaties in de foodsector om AI dicht op de praktijk te brengen. Niet als systeemproject, maar als manier om werk slimmer en eenvoudiger te maken, met behoud van veiligheid, stabiliteit en structuur.
Wil je hier samen naar kijken? Stuur mij dan een berichtje.
AI wordt niet waardevol door de techniek zelf. Het wordt waardevol door mensen die hun eigen kennis erin stoppen en elke dag ontdekken wat gisteren nog handwerk was.
