Wat boven water zichtbaar is van de ijsberg, zijn ambities en strategie. Wat daaronder ligt, bepaalt of die ambities gerealiseerd kunnen worden. AI is gebaseerd op processen, data en systemen. Wanneer deze basis tekortschiet, blijft AI beperkt tot losse toepassingen of experimenten. Deze spanning wordt nog verder versterkt door de opkomst van agentic AI, waarbij systemen niet alleen analyseren, maar ook zelfstandig plannen en handelen binnen processen. AI lost onderliggende problemen niet op, maar maakt ze zichtbaar en versterkt ze zodra systemen daadwerkelijk gaan handelen.

Een concreet voorbeeld hiervan zien we in de toepassing van AI in ziekenhuizen. De afgelopen jaren is het aantal AI-toepassingen in ziekenhuizen sterk toegenomen, met name op het gebied van diagnostiek en administratieve ondersteuning. Tegelijkertijd blijft de impact op de dagelijkse praktijk beperkt. Dit patroon laat zien dat brede adoptie niet automatisch leidt tot structurele waarde. De onderliggende oorzaken zijn dat data vastzit in silo’s, vaak lastig uitwisselbaar is, systemen beperkt geïntegreerd zijn en besluitvorming primair bij professionals blijft liggen. Vaak ontbreekt de samenhang om toepassingen op te schalen en te laten doorwerken in de hele organisatie. Daarmee vormt de ziekenhuispraktijk overigens geen uitzondering, maar is het een voorbeeld van wat we ook in andere organisaties zien.

De eerste fundamentele randvoorwaarde is dat er duidelijke afspraken zijn over hoe de organisatie werkt. Processen, definities en verantwoordelijkheden moeten expliciet zijn. Waar mensen kunnen omgaan met impliciete kennis en uitzonderingen, vraagt AI om consistentie en eenduidigheid. Veel organisaties werken op basis van impliciete afspraken die nooit volledig zijn vastgelegd. AI kan daar niet mee omgaan. Als niet helder is wat een proces inhoudt of wat begrippen betekenen, ontstaat inconsistent handelen.

De tweede randvoorwaarde betreft data die klopt en beschikbaar is. AI is afhankelijk van de kwaliteit, actualiteit en herleidbaarheid van data. Data moet niet alleen juist zijn, maar ook toegankelijk en bruikbaar op het moment dat beslissingen worden genomen. In veel organisaties is data versnipperd, contextafhankelijk of inconsistent gedefinieerd. AI maakt dat zichtbaar doordat uitkomsten variëren of niet reproduceerbaar zijn.

De derde randvoorwaarde is dat systemen goed samenwerken. AI functioneert niet los, maar in samenhang met bestaande applicaties en infrastructuur. De mate waarin systemen koppelbaar en aanpasbaar zijn, bepaalt wat er mogelijk is. Veel organisaties hebben te maken met legacy en dragen een geschiedenis van keuzes met zich mee die vandaag de veranderbaarheid beperken. AI legt die beperkingen bloot. De vraag verschuift daarmee van het verbeteren van losse toepassingen naar het ontwerpen van het geheel. Niet de afzonderlijke AI-oplossing staat centraal, maar hoe het volledige proces is ingericht. Verbeteringen in één onderdeel moeten doorwerken in andere onderdelen van het systeem om werkelijk effect te hebben.

De vierde randvoorwaarde gaat over heldere keuzes rond wie beslist en wanneer. AI maakt het mogelijk om beslissingen niet alleen te ondersteunen, maar ook uit te voeren. Daarmee verschuift de vraag van wat technologie kan naar wie verantwoordelijkheid draagt. Organisaties moeten expliciet maken binnen welke grenzen systemen mogen handelen en wanneer menselijke tussenkomst nodig is. Zonder deze helderheid ontstaat onzekerheid over controle, eigenaarschap en aansprakelijkheid.

De vijfde randvoorwaarde is het vermogen om te leren en bij te sturen. AI-systemen ontwikkelen zich in de tijd en vragen om continue evaluatie en aanpassing. Organisaties moeten in staat zijn prestaties te monitoren, feedback te organiseren en gedrag bij te stellen. Dit leren vindt niet alleen plaats in afzonderlijke toepassingen, maar op het niveau van het systeem als geheel. Nieuwe werkwijzen ontstaan uit de interactie tussen onderdelen, waardoor processen zich gaandeweg aanpassen.

Zoals gezegd maakt AI zichtbaar hoe goed een organisatie haar eigen functioneren begrijpt en beheerst. Waar processen onduidelijk zijn, data tekortschiet of systemen niet goed samenwerken, vergroot AI deze problemen. Met de opkomst van agentic AI wordt dit alleen nog maar sterker.

Tegelijk verklaart dit waarom veel organisaties hun AI-ambities niet realiseren. Het is prima om te experimenteren met losse AI-toepassingen, maar uiteindelijk is het van belang om AI niet te benaderen als een los initiatief, maar als een bredere organisatie-ontwerpopgave. Dat vraagt om investeringen in helderheid, samenhang en leervermogen, maar ook om een fundamentele heroverweging van hoe processen, systemen en besluitvorming als geheel functioneren. Niet alles hoeft tegelijk, maar zonder gerichte stappen richting standaardisatie, integratie en herontwerp blijft structurele waarde uit. Het betekent ook dat organisaties expliciet moeten maken wie verantwoordelijk is voor processen, data, systemen en besluitvorming. Zonder dat eigenaarschap blijven verbeteringen fragmentarisch en tijdelijk.

Deze twee werkelijkheden raken elkaar vaak nauwelijks. Terwijl boven water de ambitie wordt uitgesproken om te versnellen, wordt onder water nog gewerkt aan het fundament dat die versnelling mogelijk moet maken. Zonder verbinding tussen beide blijft versnelling een illusie.

Ben benieuwd wat jullie van de illustratie vinden. Ik hoor het in ieder geval graag!

Bronnen

• Derksen, M. (2025, 23 mei). Waarom AI organisaties dwingt tot helderheid over eigen processen. Koneksa Mondo.
• Derksen, M. (2025, 14 oktober). De opkomst van agentic AI: van automatisering naar adaptieve intelligentie. Koneksa Mondo.
• Derksen, M. (2025, 30 augustus). AI tussen belofte en realiteit: vier vensters op transformatie. Koneksa Mondo.
• Derksen, M. (2026, 3 maart). Systeemdenken als sleutel tot effectieve AI. Koneksa Mondo.
• Derksen, M. (2026, 17 maart). AI in ziekenhuizen: brede adoptie, beperkte impact. Koneksa Mondo.
• Hennen, P. (2025). AI will transform us! Let’s move fast! LinkedIn-post.