De zichtbaarheidsvalkuil: waarom AI een frisse blik beloont

Dit artikel is gebaseerd op het oorspronkelijke artikel van Dan Diasio, EY Global Consulting AI Leader. Heb je vragen over dit onderwerp? Neem dan contact op met Menno Bonninga, EY Nederland AI Lead.

De zichtbaarheidsvalkuil laat zien hoe een sterke focus op het bestaande AI-beslissingen kan verankeren in de processen van gisteren, in plaats van in de mogelijkheden van morgen.

In het kort:

• Selectieve aandacht verklaart waarom zelfs ervaren leiders ingrijpende AI-kansen kunnen missen en zich in plaats daarvan richten op het optimaliseren van bestaande systemen.
• Echte transformatie ontstaat wanneer domeinexperts en AI-specialisten samen richting geven aan de toekomst.
• Dat zagen we ook binnen EY: door de samenwerking tussen vakinhoudelijke experts en AI-engineers werd binnen een Risk-proces een efficiëntieverbetering van 88% gerealiseerd.

Hoe beter je een systeem kent, hoe groter de kans dat de logica ervan vanzelfsprekend lijkt. Daardoor richten zelfs de meest capabele leiders, gewapend met enkele van de krachtigste technologieën die het bedrijfsleven ooit heeft gekend, hun expertise met grote precisie op het verbeteren van bestaande aannames. Ze automatiseren wat ze al zien, niet wat ze nog niet zien.

Ondertussen loopt de gorilla ongemerkt door het beeld. Dat is de toekomst die zij missen. Niet omdat het hen aan intelligentie ontbreekt, en ook niet omdat zij zich onvoldoende inspannen, maar juist omdat hun aandacht volledig is gericht op datgene waarop zij zich altijd al hebben gefocust.

De medewerkers die helpen ontsnappen aan de valkuil

De meeste leiders stellen transformatieteams samen zoals ze elke strategisch belangrijke uitdaging aanpakken: met hun meest ervaren mensen. Juist dat instinct zorgt ervoor dat de de zichtbaarheidsvalkuil blijft bestaan.

Het juiste AI-transformatieteam voor deze fase wordt opgebouwd langs twee dimensies. De eerste is expertise: diepgaande kennis van de organisatie, inzicht in patronen, begrip van hoe het bedrijf echt werkt en welke beperkingen daadwerkelijk bestaan. De tweede is mindset: de bereidheid om niet alleen te vragen hoe een systeem verbeterd kan worden, maar ook of dat systeem überhaupt nog de juiste oplossing is. Een frisse blik hoeft niet voort te komen uit onervarenheid. Juist iemand die naar een systeem kan kijken zonder erdoor te worden beperkt, kan nieuwe mogelijkheden zien.

Niet alle ervaring is hetzelfde, en hetzelfde geldt voor mindset. Om aan de de zichtbaarheidsvalkuil te ontsnappen, is het essentieel te begrijpen dat je zowel doorgewinterde experts als mensen met een frisse blik nodig hebt om een toekomstbestendige AI-visie vorm te geven.

De domeinexpert

Dit is de persoon die begrijpt hoe de organisatie daadwerkelijk functioneert. Niet volgens het organigram, maar zoals het er in de praktijk aan toegaat. Deze persoon heeft jarenlang patronen leren herkennen, weet welke beperkingen reëel zijn en welke simpelweg zijn overgenomen uit het verleden. Daardoor beschikt hij of zij over een sterk gevoel voor wat de organisatie wel en niet kan realiseren, en wat klanten wel en niet zullen accepteren.

Die diepgaande kennis is van grote waarde. Tegelijkertijd is dit precies de plek waar de de zichtbaarheidsvalkuil ontstaat. Deze experts zien volop kansen voor verbetering, maar blijven vaak denken binnen de grenzen van wat al bestaat. Succes wordt daardoor regelmatig afgemeten aan praktijkvoorbeelden, snelheid en efficiëntie. Allemaal belangrijk, maar allemaal gericht op het optimaliseren van gisteren.

De AI-native

Dit is de persoon die binnenkomt zonder een vast beeld van hoe dingen altijd zijn gedaan. Hij of zij begrijpt diepgaand wat AI kan betekenen, niet alleen in theorie maar juist in de praktijk. Deze mensen weten hoe ze AI kunnen configureren, uitdagen en inzetten om nieuwe mogelijkheden te verkennen. Ze dragen geen historische aannames met zich mee over hoe werkprocessen zouden moeten verlopen. Sommigen zijn misschien pas vorig jaar, direct na hun studie, bij de organisatie gestart. Het zijn niet de meest ervaren medewerkers, maar juist nu kunnen ze wel de belangrijkste zijn. Soms praten ze over mogelijkheden waarvan anderen zich afvragen waar het over gaat.

Wat hen vaak ontbreekt, is context. Zonder een domeinexpert aan tafel ontstaat al snel een oplossing die op papier werkt, maar in de praktijk niet aansluit op de realiteit van de organisatie. Of het wordt een systeem dat iedere buitenstaander had kunnen ontwerpen: technisch indrukwekkend, maar zonder onderscheidend vermogen. Dit is de uniformiteitsvalkuil, de valkuil waarin AI-natives terechtkomen wanneer ze op zichzelf opereren. Zij meten succes vaak aan de hand van producten en de technische mogelijkheden van AI. Allemaal waardevol, maar vooral gericht op potentie, zonder voldoende verbinding met de praktijk.

De doorbraak

Geen van beide kan het alleen als het gaat om strategie. Een domeinexpert zonder AI-specialist optimaliseert het verleden met grote precisie. Een AI-specialist zonder domeinexpert ontwerpt de toekomst voor de verkeerde organisatie.

De uitdaging is dat vandaag de dag meestal één van de twee het voortouw neemt. Ofwel AI-specialisten van buiten de business die optreden als veranderaars. Ofwel een intern initiatief gericht op productiviteitsverbetering, waarbij domeinexperts de visie bepalen en AI-specialisten die uitvoeren.

Maar wanneer beide groepen samen de visie vormgeven, komen er totaal nieuwe mogelijkheden in beeld. Niet slechts verbeteringen van bestaande processen, maar fundamenteel nieuwe uitkomsten.

Van theorie naar praktijk

Toen EY-professionals aan de slag gingen om onderdelen van de Risk-dienstverlening opnieuw vorm te geven, voerden we tegelijkertijd twee experimenten uit.

In het eerste experiment vroegen we de mensen die het werk dagelijks uitvoeren om hun processen te optimaliseren, ondersteund door de beste AI-tools die op dat moment beschikbaar waren. Het ging om gedreven, technologisch vaardige professionals die het proces door en door kenden, inclusief alle 86 afzonderlijke stappen. Zij identificeerden concrete mogelijkheden om de productiviteit met 20% te verhogen. Dat was een betekenisvolle verbetering en een resultaat om trots op te zijn in een tijd waarin AI vaak gepaard gaat met veel beloftes en verwachtingen.

Vervolgens koos onze Risk-leider voor een andere aanpak. We haalden enkele van dezelfde domeinexperts uit de dagelijkse operatie en brachten hen samen met onze AI-engineers. Op afstand van de dagelijkse werkzaamheden maakten zij de omslag naar een productgerichte manier van denken. Met gerichte uitdaging en begeleiding stopten ze met nadenken over hoe de bestaande stappen verbeterd konden worden en begonnen ze zich af te vragen waarom die stappen überhaupt bestonden.

Samen ontwikkelden ze een volledig nieuwe werkwijze. Het resultaat was een efficiëntieverbetering van 88% én de mogelijkheid om nieuwe dienstverlening aan te bieden die voorheen niet uitvoerbaar was. Dezelfde domeinexperts. Hetzelfde proces. Twee verschillende benaderingen. Twee totaal verschillende uitkomsten.

De vraag waar je AI kunt inzetten is belangrijk. Maar minstens zo belangrijk is de vraag wie er aan tafel moet zitten om die vraag te beantwoorden.