Bestuurders hoeven geen AI-expert te zijn om goede beslissingen over kunstmatige intelligentie te nemen. De belangrijkste taak van een directie is niet het beoordelen van algoritmen, maar het stellen van de juiste vragen over data, eigenaarschap, meetbaarheid en risico. Volgens het meest recente McKinsey State of AI-onderzoek gebruikt inmiddels meer dan 70 procent van de organisaties AI in ten minste één bedrijfsproces. De uitdaging verschuift daarmee van experimenteren naar besturen.
Na tientallen keynotes over AI zie ik steeds hetzelfde patroon. Organisaties die succesvol opschalen, praten opvallend weinig over de technologie zelf. Hun bestuurskamers voeren gesprekken over verantwoordelijkheid, besluitvorming en meetbare waarde. Organisaties die blijven hangen in pilots voeren juist eindeloze discussies over tools.
Wat moet een bestuurder wel en niet zelf begrijpen van AI?
Een bestuurder hoeft niet te weten hoe een large language model technisch is opgebouwd.
Hij of zij hoeft geen prompts te schrijven, neurale netwerken te begrijpen of machine learning-modellen te trainen.
Wat een bestuurder wél moet begrijpen is:
- welke bedrijfsprocessen veranderen;
- welke risico’s ontstaan;
- welke data worden gebruikt;
- welke afhankelijkheden ontstaan;
- welke strategische kansen AI creëert.
Vergelijk het met cloud computing.
Bestuurders hoefden ook nooit precies te begrijpen hoe een datacenter werkte.
Ze moesten wel begrijpen welke gevolgen cloud had voor kosten, veiligheid en concurrentiekracht.
Voor AI geldt precies hetzelfde.
Welke vier vragen stel je bij elk AI-voorstel?
Iedere AI-investering zou in de bestuurskamer langs dezelfde vier vragen moeten gaan.
1. Op welke data draait dit?
Is de gebruikte data betrouwbaar, actueel en juridisch toegestaan?
Wanneer de kwaliteit van de data onvoldoende is, zal ook de uitkomst van AI onbetrouwbaar zijn.
2. Wie is eigenaar van de beslissing?
AI kan adviseren.
De verantwoordelijkheid blijft altijd bij mensen.
Daarom moet vooraf duidelijk zijn wie eindverantwoordelijk is.
3. Hoe meten we succes?
Welke KPI bepaalt of dit project daadwerkelijk waarde toevoegt?
Kostenbesparing?
Omzet?
Klanttevredenheid?
Doorlooptijd?
Meetbaarheid voorkomt dat AI-projecten eindeloos blijven bestaan zonder aantoonbaar resultaat.
4. Wat doen we als het systeem uitvalt of fouten maakt?
Iedere AI-toepassing heeft een terugvalscenario nodig.
Niet omdat AI slecht is.
Wel omdat organisaties voorbereid moeten zijn op fouten, storingen of onverwachte uitkomsten.
Juist deze vierde vraag ontbreekt nog opvallend vaak in bestuurskamers.
Waaraan zie je dat een AI-initiatief in de organisatie doodbloedt?
Vrijwel iedere organisatie start tegenwoordig AI-pilots.
Veel minder organisaties schalen ze daadwerkelijk op.
Onderzoek van Boston Consulting Group en MIT Sloan Management Review laat zien dat veel AI-projecten blijven steken tussen experiment en implementatie.
In de praktijk herken je dat aan een aantal signalen.
- Er wordt vooral over tools gesproken.
- Niemand voelt zich eigenaar.
- Er zijn geen duidelijke KPI’s.
- Successen worden niet gedeeld.
- Afdelingen ontwikkelen allemaal hun eigen oplossingen.
- Het bestuur krijgt vooral demo’s, maar weinig bedrijfsresultaten te zien.
Dat zijn meestal geen technische problemen.
Het zijn bestuursproblemen.
Wie zou eigenaar moeten zijn van AI binnen een organisatie?
Er bestaat geen universeel antwoord.
Dat hangt af van de organisatie.
Wel zie ik dat succesvolle organisaties drie kenmerken delen.
AI is geen project van één afdeling.
Er is één duidelijke bestuurlijke eigenaar.
Er bestaat een multidisciplinair team waarin IT, legal, HR, operations en business samenwerken.
Wanneer AI uitsluitend bij IT wordt ondergebracht, verschuift de aandacht vaak naar techniek.
Wanneer AI uitsluitend bij innovatie ligt, ontbreekt soms de verbinding met de dagelijkse operatie.
Bestuurlijk eigenaarschap zorgt voor samenhang.
Hoe meet je of AI daadwerkelijk waarde oplevert?
Een AI-project is pas succesvol wanneer het aantoonbare bedrijfswaarde oplevert.
Dat betekent dat vooraf duidelijke indicatoren nodig zijn.
Bijvoorbeeld:
- kortere doorlooptijden;
- lagere operationele kosten;
- hogere klanttevredenheid;
- minder fouten;
- hogere medewerkerstevredenheid;
- extra omzet;
- snellere besluitvorming.
De grootste valkuil is dat organisaties vooral meten hoeveel AI wordt gebruikt.
Dat zegt weinig.
Gebruik is geen doel.
Waarde is het doel.
Wat is de rol van de raad van commissarissen bij AI?
Ook raden van commissarissen krijgen steeds vaker vragen over AI-governance.
Hun rol verschuift van toezicht op technologie naar toezicht op besluitvorming.
Belangrijke vragen zijn bijvoorbeeld:
- past AI binnen de strategie?
- zijn risico’s voldoende afgedekt?
- is privacy goed geregeld?
- zijn verantwoordelijkheden helder?
- wordt AI verantwoord toegepast?
Juist omdat AI steeds meer invloed krijgt op primaire processen, wordt toezicht belangrijker.
Niet op modelniveau.
Wel op bestuursniveau.
Welke fouten maken directies het vaakst met AI?
Na honderden gesprekken met bestuurders zie ik zeven terugkerende fouten.
1. AI wordt gezien als een IT-project.
2. Er ontbreekt één bestuurlijke eigenaar.
3. Er worden te veel pilots gestart.
4. Er zijn geen duidelijke succescriteria.
5. Medewerkers krijgen onvoldoende begeleiding.
6. Juridische en ethische vragen komen pas achteraf.
7. AI wordt behandeld als doel, niet als middel.
Onderzoek van Gartner laat bovendien zien dat veel AI-initiatieven hun beloofde bedrijfswaarde niet realiseren doordat governance en verandermanagement onvoldoende aandacht krijgen.
Hoe zet je AI op de agenda zonder hype?
Bestuurders hoeven niet iedere week een nieuwe AI-tool te bespreken.
Veel effectiever is een vast strategisch gesprek.
Bijvoorbeeld ieder kwartaal.
Bespreek dan steeds dezelfde vragen.
- Welke ontwikkelingen zijn relevant?
- Welke experimenten lopen?
- Welke resultaten zijn bereikt?
- Welke risico’s zien we?
- Welke besluiten zijn nodig?
Daardoor ontstaat rust.
AI wordt dan geen hype, maar een normaal onderdeel van strategische besluitvorming.
Het patroon dat ik steeds opnieuw zie
Na presentaties vraag ik regelmatig hoeveel organisaties al een AI-strategie hebben.
Bijna altijd gaan veel handen omhoog.
Wanneer ik vervolgens vraag hoeveel organisaties één bestuurder hebben die eindverantwoordelijk is voor AI, blijft vaak nog maar een klein deel over.
Het opvallendste verschil tussen organisaties die echt versnellen en organisaties die blijven experimenteren zit zelden in technologie.
Het zit in eigenaarschap.
Een organisatie vertelde mij na afloop van een keynote dat zij binnen zes maanden meer vooruitgang had geboekt nadat één directielid formeel verantwoordelijk werd voor AI dan in de twee jaar daarvoor met losse innovatieteams.
Dat patroon zie ik inmiddels zo vaak terug dat het nauwelijks nog toeval lijkt.
Veelgestelde vragen
Moet iedere bestuurder AI begrijpen?
Nee. Bestuurders hoeven AI niet technisch te begrijpen, maar moeten wel de strategische gevolgen kunnen beoordelen.
Is AI een verantwoordelijkheid van IT?
Nee. IT speelt een belangrijke rol, maar AI raakt de volledige organisatie en vraagt daarom om bestuurlijk eigenaarschap.
Hoe begin je als organisatie?
Start met een beperkt aantal toepassingen die direct bedrijfswaarde opleveren en maak vooraf duidelijke afspraken over eigenaarschap, risico’s en succescriteria.
Is AI-governance alleen belangrijk voor grote organisaties?
Nee. Iedere organisatie die AI gebruikt, moet nadenken over verantwoordelijkheid, toezicht en besluitvorming.
Conclusie
De belangrijkste AI-vraag in de bestuurskamer is niet welke technologie de beste is.
De belangrijkste vraag is hoe een organisatie ervoor zorgt dat AI aantoonbaar waarde toevoegt én bestuurbaar blijft.
Directies die zich richten op data, eigenaarschap, meetbaarheid en risico bouwen aan duurzame AI-governance.
Directies die vooral nieuwe tools bespreken, lopen het risico dat AI een verzameling losse experimenten blijft.
De toekomst van AI wordt daarom niet alleen bepaald door technologie, maar vooral door goed bestuur.