Wie in de beginjaren van het internet een zakelijke website nodig had, kreeg opvallend vaak hetzelfde advies: “Ik ken nog wel iemand die daar handig mee is.” Een neef, buurman, collega of kennis kon in een weekend een website bouwen. De demonstratie zag er overtuigend uit en de prijs was aantrekkelijk. Pas later kwamen de beperkingen aan het licht: de site was moeilijk te onderhouden, niet veilig, nauwelijks vindbaar en volledig afhankelijk van degene die hem had gemaakt.
De parallel met AI is ongemakkelijk herkenbaar.
Veel organisaties weten inmiddels dát zij iets met AI moeten. Alleen is veel minder duidelijk wat zij precies moeten doen, welke leverancier zij kunnen vertrouwen en hoe zij kwaliteit kunnen beoordelen. In die onzekerheid krijgt de enthousiaste bekende opnieuw een hoofdrol. Iemand heeft een slimme prompt gemaakt, een agent gebouwd of met een no-codeplatform een indrukwekkende demonstratie samengesteld. Tijdens de presentatie lijkt het te werken.
Het probleem is niet dat deze handige mensen niets kunnen. Integendeel: pioniers zijn waardevol. Zij maken mogelijkheden zichtbaar en brengen beweging. Het probleem ontstaat wanneer technische handigheid wordt aangezien voor het vermogen om een bedrijfskritische AI-capaciteit te ontwerpen.
Een werkende demo is nog geen werkend systeem
Een AI-demonstratie kan in enkele uren worden gebouwd. Een betrouwbare toepassing vraagt veel meer. Zij moet passen bij de strategie, aansluiten op echte processen, met betrouwbare gegevens werken en ook functioneren wanneer situaties afwijken van het ideale voorbeeld.
Daarnaast ontstaan vragen die tijdens een demonstratie zelden zichtbaar zijn:
- Wie is verantwoordelijk wanneer het systeem een verkeerd besluit voorbereidt?
- Welke gegevens verlaten de organisatie en onder welke voorwaarden?
- Hoe wordt gecontroleerd of een antwoord inhoudelijk klopt?
- Wat gebeurt er wanneer een model, leverancier of API verandert?
- Kan een andere partij het systeem beheren wanneer de maker vertrekt?
- Welke handelingen mag een agent zelfstandig uitvoeren?
- Kan achteraf worden gereconstrueerd wat er is gebeurd?
Dit zijn geen technische bijzaken. Het zijn vragen over bedrijfsvoering, risico en bestuurlijke verantwoordelijkheid.
Waarom organisaties toch voor de bekende kiezen
De keuze voor iemand uit het eigen netwerk is begrijpelijk. De AI-markt is onoverzichtelijk. Vrijwel iedere softwareleverancier noemt zichzelf inmiddels AI-bedrijf en veel proposities zijn moeilijk onderling te vergelijken. Bestuurders moeten expertise inkopen op een terrein waarop zij de expertise van de verkoper nog niet goed kunnen beoordelen.
Vertrouwen wordt dan persoonlijk ingevuld: we kennen deze persoon, dus het zal wel goed zijn. Maar relationeel vertrouwen is iets anders dan aantoonbare bekwaamheid. Voor een experiment kan persoonlijk vertrouwen voldoende zijn. Voor systemen die klantcontact, kennis, besluitvorming of operationele processen beïnvloeden, is een professioneler selectiekader nodig.
Tien vragen voor de selectie van een AI-partner
1. Begint de partij bij uw vraagstuk of bij haar favoriete technologie?
Een betrouwbare partner onderzoekt eerst welke organisatiewaarde moet worden versterkt. Wie direct een model, chatbot of agentplatform voorstelt, heeft de oplossing al gekozen voordat het probleem is begrepen.
2. Kan de relatie met de strategie helder worden uitgelegd?
AI moet bijdragen aan kostenleiderschap, differentiatie, een sterkere nichepositie of een bewust gekozen transformatie. Zonder die relatie ontstaat vooral activiteit. Lees ook waarom bij Convene technologie de strategie volgt.
3. Wordt het bestaande proces werkelijk onderzocht?
Automatiseren zonder procesanalyse digitaliseert vaak onduidelijkheid. De partner moet begrijpen wie het werk uitvoert, waar informatie ontstaat, welke uitzonderingen voorkomen en waar menselijk oordeel nodig blijft.
4. Zijn rollen en verantwoordelijkheden expliciet?
Wie is eigenaar van de toepassing? Wie beoordeelt de kwaliteit? Wie mag het systeem stoppen? En wie draagt verantwoordelijkheid voor de uitkomst? Antwoorden als “de AI beslist” zijn bestuurlijk onvoldoende.
5. Zijn privacy en beveiliging onderdeel van het ontwerp?
Niet als juridische controle achteraf, maar vanaf de eerste architectuurbeslissing. Vraag waar gegevens worden verwerkt, welke partijen toegang hebben en hoe bevoegdheden worden begrensd.
6. Kan de werking worden gereconstrueerd?
Een professioneel systeem legt relevante bronnen, versies, beslissingen, handelingen en menselijke goedkeuringen vast. Zonder logging is evaluatie moeilijk en verantwoording vrijwel onmogelijk.
7. Is de organisatie vrij van de oorspronkelijke bouwer?
Documentatie, overdraagbare configuratie en heldere beheerprocessen voorkomen dat één persoon de enige wordt die begrijpt hoe het systeem werkt. Afhankelijkheid van een individu is geen schaalbare architectuur.
8. Is er aandacht voor adoptie en vakmanschap?
Technologie creëert pas waarde wanneer mensen weten hoe zij ermee moeten werken, wanneer zij de uitkomst moeten betwijfelen en hoe zij moeten ingrijpen. Opleiding en rolontwikkeling horen bij de implementatie.
9. Wordt succes vooraf meetbaar gemaakt?
Een goede partner vertaalt ambitie naar operationele en bestuurlijke indicatoren. Denk niet alleen aan tijdwinst, maar ook aan kwaliteit, foutreductie, klantwaarde, leereffect en beheersing van risico.
10. Durft de leverancier te adviseren om iets níét met AI te doen?
Dit is misschien de beste test. Een onafhankelijke partner verkoopt geen AI om AI te verkopen. Soms is procesvereenvoudiging, betere data of een gewone softwarekoppeling de betere oplossing.
Maak ruimte voor pioniers, maar organiseer professionaliteit
De enthousiaste medewerker of bekende hoeft niet uit beeld te verdwijnen. Deze persoon kan juist waardevol zijn als verkenner, interne ambassadeur of inhoudelijke deelnemer aan een pilot. Het verschil zit in de context: experimenteren mag licht en snel; operationaliseren vraagt architectuur, governance en overdraagbaarheid.
Een volwassen organisatie maakt daarom onderscheid tussen drie niveaus:
- Verkennen: veilig experimenteren om mogelijkheden te begrijpen.
- Valideren: aantonen dat een toepassing waardevol, haalbaar en verantwoord is.
- Operationaliseren: structureel inbedden in processen, systemen, rollen en toezicht.
De overgang tussen deze niveaus moet een expliciet besluit zijn. Een enthousiaste demo mag niet ongemerkt een kritisch bedrijfsproces worden.
Van persoonlijk vertrouwen naar aantoonbaar vertrouwen
AI zal steeds dieper doordringen in de manier waarop organisaties kennis gebruiken en beslissingen voorbereiden. Daardoor wordt de kwaliteit van de implementatie een bestuurlijk onderwerp. Niet omdat iedere bestuurder de technologie zelf moet kunnen bouwen, maar omdat iemand moet kunnen uitleggen waarom het systeem betrouwbaar, beheersbaar en passend is.
Convene begint daarom bij strategische positionering, ontwerpt verantwoordelijkheid via AI-governance en maakt toepassingen gecontroleerd operationeel met AI-projecten en Convene AI OS.
Een goede AI-partner verkoopt geen magie. Hij organiseert verantwoordelijkheid.
Bekijk de veelgestelde vragen over AI-strategie of plan een strategisch gesprek.