De AI-race binnen bedrijven wordt in hoog tempo een strijd om interfaces. Elke week verschijnt er weer een aankondiging over slimmere copilots, krachtigere agents of nieuwe orkestratielagen die werk binnen bedrijven moeten automatiseren. De vooruitgang valt niet te ontkennen. Toch richt een groot deel van de markt zich niet op de manier waarop bedrijven echt werken.
Dat verschil is belangrijker dan veel mensen denken. Bedrijven draaien namelijk niet op prompts. Ze draaien op uitvoering.
Een internationale fabrikant die tijdens een verstoring in de toeleveringsketen moet bepalen hoe voorraden anders worden verdeeld, heeft meer nodig dan alleen een antwoord. Het bedrijf moet alternatieve leveranciers, beschikbare voorraad, klantafspraken en financiële afwegingen tegelijk beoordelen. Een CFO die tijdens onrustige marktomstandigheden de liquiditeitsrisico’s wil voorspellen, heeft context nodig die een eenvoudige chatbotinteractie niet kan bieden. Dit zijn onderling verbonden operationele beslissingen, gevormd door afhankelijkheden, voorkeuren, goedkeuringen, financiële gevolgen en afwegingen die realtime doorwerken in de hele organisatie.
De operationele werkelijkheid
In de vele gesprekken die ik het afgelopen jaar met bestuurders heb gevoerd, verschuift de discussie uiteindelijk steeds van AI-capaciteit naar de operationele werkelijkheid. De modellen verbeteren snel. De moeilijkere vraag is of AI de bedrijfsomgevingen begrijpt waarin het moet werken.
Op dit moment gaat een te groot deel van het AI-gesprek nog steeds uit van de aanname dat betere modellen vanzelf betere bedrijfsresultaten opleveren. Dat gebeurt niet. Bedrijven ontdekken dat intelligentie zonder operationele context, dus zonder de processen, data, regels en beleidskaders die je organisatie sturen en beschermen, wel veel activiteit kan opleveren, maar weinig echte vooruitgang brengt. In sommige gevallen zorgt het zelfs voor meer versnippering en risico.
Een gegenereerde aanbeveling kan overtuigend klinken, terwijl kritieke afhankelijkheden elders in het systeem ontbreken. Een AI-agent kan één workflow efficiënt automatiseren, maar tegelijk planningsaannames in een ander deel van de organisatie verstoren. Bedrijven hebben geen tekort aan AI-output. Ze hebben een tekort aan AI-systemen die operationele gevolgen kunnen begrijpen. Dat is de echte uitdaging die nu opkomt binnen enterprise-AI. Om die op te lossen, is meer nodig dan orkestratie. Er is context nodig.
Enterprise-software als ruggengraat
Enterprise-software vormt al tientallen jaren in stilte de operationele ruggengraat van de wereldeconomie. Financiële systemen, toeleveringsketens, inkoopnetwerken, platforms voor personeelsplanning, productieprocessen en klantgerichte fulfilmentprocessen draaien allemaal op onderling verbonden systemen.
Die systemen leggen niet alleen informatie vast, maar ook de logica achter de manier waarop bedrijven functioneren. Ze bevatten jaren aan opgebouwde proceskennis en data, governancestructuren, autorisaties, beleid en economische relaties die elke beslissing van een bedrijf beïnvloeden. Ze vormen het institutionele geheugen van de onderneming.
In het AI-tijdperk wordt die bedrijfscontext enorm waardevol. Zonder die context blijven AI-outputs eerder goed onderbouwde inschattingen dan gefundeerde oordelen.
AI in het hart van processen
Wanneer AI direct is verankerd in operationele processen, kan het gaan redeneren vanuit de volledige werkelijkheid van de onderneming. Dat verandert de rol die software binnen organisaties speelt. Enterprise-systemen beginnen rechtstreeks deel te nemen aan de uitvoering zelf.
AI kan risico’s eerder signaleren, reacties over functies heen coördineren, realtime acties aanbevelen en routinematige uitvoering automatiseren binnen duidelijke grenzen. Niet als losse agents die zelfstandig opereren, maar als intelligentie die verbonden is met het economische en operationele weefsel van de onderneming zelf.
Mensen blijven verantwoordelijk
Belangrijk is dat autonomie binnen bedrijven niet betekent dat mensen uit de besluitvorming verdwijnen. Het betekent dat organisaties minder last hebben van frictie, versnippering en administratieve ballast, zodat ze op schaal sneller en samenhangender kunnen werken. Mensen bepalen nog steeds de prioriteiten, maken de afwegingen en dragen de verantwoordelijkheid. AI kan wel helpen om het operationele werk rond die beslissingen te coördineren en uit te voeren.
Neem een leveranciersverstoring die invloed heeft op een kritiek productieonderdeel. De meeste AI-systemen van vandaag kunnen het probleem samenvatten of waarschijnlijke vertragingen voorspellen op basis van geleerde patronen. Maar operationeel verankerde AI kan verder gaan dan inzicht en bijdragen aan gecoördineerde uitvoering. Het systeem kan getroffen productieschema’s herkennen, wereldwijde voorraadposities beoordelen, alternatieve inkoopopties afwegen, financiële blootstelling inschatten, risico’s voor klantleveringen markeren en tegelijk acties aanbevelen voor inkoop, logistiek, finance en klantoperaties.
Dat is geen simpele workflow-automatisering. Het is een volledig nieuwe manier waarop mensen en systemen met elkaar samenwerken. Daarom geloof ik ook dat het AI-tijdperk het strategische belang van enterprise-systemen zal vergroten, en niet verkleinen.
Naarmate AI dichter bij de uitvoering komt, worden vooral de systemen belangrijk die intelligentie kunnen verankeren in de operationele en transactionele werkelijkheid. De waarde verschuift naar systemen die rechten, beleid, afhankelijkheden, processen, financiële gevolgen en organisatorische verantwoordelijkheid op ondernemingsniveau begrijpen.
Deze verschuiving verandert ook hoe leiders naar transformatie moeten kijken.
Voorbij de experimenteerfase
De eerste fase van AI-adoptie binnen bedrijven draaide sterk om experimenteren. Bedrijven testten copilots, startten pilots en automatiseerden losse taken. Weinig daarvan leverde productiviteitswinst op. Nog minder veranderde fundamenteel hoe organisaties werken.
De bedrijven die in de volgende fase vooroplopen, zullen AI anders benaderen. Zij verbinden intelligentie direct met de operationele systemen waar beslissingen echte economische gevolgen hebben. Ze begrijpen dat betrouwbare AI niet alleen afhangt van governance, maar ook van context, datakwaliteit, procesintegriteit en transactioneel inzicht.
AI-adoptie als veranderopgave
Het belangrijkste is dat zij begrijpen dat succesvolle AI-adoptie binnen bedrijven niet alleen een technische verandering is. Het is een veranderkundige uitdaging. Echte waarde ontstaat pas wanneer AI-agents, processen en mensen goed samenwerken.
De toekomst is aan bedrijven die die balans weten te vinden: mensen bepalen de prioriteiten en dragen de verantwoordelijkheid, terwijl intelligente systemen nauwkeurig coördineren en uitvoeren. Zo kunnen bedrijven zich met meer veerkracht, productiviteit en intelligentie bewegen door een steeds complexere wereld.
Christian Klein is CEO van SAP SE.
Meer lezen