Bedrijven zetten massaal in op AI, de budgetten stijgen explosief en toch blijven concrete voordelen voorlopig uit. Verschillende recente studies komen tot dezelfde conclusie: een meerderheid van de generatieve AI-projecten is duur, neemt volledige teams in beslag en levert voorlopig geen meetbaar rendement op. Genoeg reden voor gerechtvaardigd scepticisme bij heel wat bedrijfsleiders.
Maar als zoveel projecten teleurstellen, is dat niet omdat AI nutteloos is: het komt doordat ze vertrekken vanuit de technologie in plaats van vanuit het probleem dat moet worden opgelost. De echte waarde ontstaat wanneer we ons niet langer afvragen wat AI kan doen, maar kijken waar AI concreet de manier van werken kan verbeteren.
Bij Altesia benaderen we deze vraag vanuit verschillende complementaire invalshoeken. Een jaar geleden hebben we samen met onze consultants, interne teams en verschillende experts multidisciplinaire werkgroepen opgericht om deze denkoefening en transformatie binnen Altesia vorm te geven. Sindsdien organiseren we AI-opleidingsprogramma’s voor onze klanten binnen Finance, Procurement en Human Resources, transformeren en optimaliseren we onze eigen interne processen en bouwen we een specifiek aanbod uit rond automatisering, agentische AI-systemen en de transformatie van bedrijfsprocessen.
Tijdens onze meest recente CFO Network Roundtable nodigden we expert Cédric Fumière uit, die vier principes deelde die vandaag de basis vormen van onze aanpak.
1. Vertrek vanuit de usecase, niet vanuit de technologie
Niet elk proces heeft AI nodig. De meest voorkomende fout is om te vragen “waar kunnen we AI toevoegen?” in plaats van “waar creëert AI echte waarde?”. Voor we over tools spreken, moeten we bepalen waar winst op het vlak van snelheid, kwaliteit, kosten of besluitvorming een tastbaar verschil kan maken voor de onderneming.
2. Context is doorslaggevend
AI is slechts zo waardevol als de bedrijfskennis waarop het steunt. Dat betekent dat processen gedocumenteerd moeten zijn, gegevens beschikbaar en betrouwbaar moeten zijn en verantwoordelijkheden duidelijk moeten zijn voordat AI-agents kunnen worden geïntroduceerd.
3. Behandel het LLM als een commodity
OpenAI, Anthropic, Google of het beste model van morgen moeten uitwisselbare componenten blijven, en niet de basis vormen waarop uw volledige proces steunt. Het modellandschap evolueert van maand tot maand; jezelf afhankelijk maken van één enkele leverancier betekent dat je gegijzeld wordt door de technologie en je toekomstige bewegingsruimte beperkt. De beste aanpak bestaat erin voor elke taak het meest geschikte model te kiezen en tegelijk de controle over de eigen architectuur te behouden, zodat een model kan worden vervangen zonder alles opnieuw te moeten bouwen.
4. Integreer AI in het proces
Teams toegang geven tot ChatGPT kan de individuele productiviteit verhogen. Maar om een onderneming werkelijk te transformeren, moet AI worden geïntegreerd in workflows, systemen en beslissingsmomenten, met de nodige controles en menselijke expertise eromheen. Dat is het verschil tussen opportunistisch gebruik (nuttig maar versnipperd) en een transformatie die duurzaam verankerd is en op het niveau van de hele organisatie kan worden gemeten.
Conclusie
Zo kijken wij ook naar de volgende fase van AI: minder experimenteren om te experimenteren en meer gerichte transformatie van echte bedrijfsprocessen. En we passen deze principes eerst op onszelf toe voordat we ze aan onze klanten voorstellen.
Wilt u ontdekken waar AI tastbare waarde kan creëren binnen uw Finance-, Procurement- of HR-processen? Laten we erover praten.
