Machine learning, data maturity en algoritmes. Het zijn waarschijnlijk (nog) geen termen die in de visie van je organisatie opgenomen staan. Toch gaan ze het bedrijfsleven en de wereld om ons heen grondig veranderen. Data was altijd al overal, maar we krijgen nu pas de tools in handen om er ook naar te handelen. En er kan al veel meer dan we denken.

Op basis van data voorspellen wanneer een machine onderhoud nodig heeft? Kan al. Met data voorspellen wie de grootste kans heeft op een bepaalde ziekte? Ook dat kan al. Bovendien wordt de data analyse steeds specifieker en betrouwbaarder zodat fouten steeds minder vaak voorkomen. Het is voor veel bedrijven in zowel de techniek als de zorg dus noodzakelijk om ook zelf aan de slag te gaan met de data die ze al in huis hebben.

Leiderschap en kunstmatige intelligentie

Of je nu een wereldwijd opererende productieonderneming leidt of een lokale zorgorganisatie, de impact van kunstmatige intelligentie op je business neemt ieder jaar verder toe en daarmee ook de urgentie om hier strategie op te formuleren. De technologie die kunstmatige intelligentie mogelijk maakt, is ruimschoots voorhanden. We hebben de rekenmethoden, de data en de computerkracht. In combinatie met sensoren, camera’s, beeldherkenning en stemsturing is bijna alles mogelijk. De belangrijkste belemmering voor de verdere uitrol is ons voorstellingsvermogen. Zie je de mogelijkheden eerder dan je concurrenten en kun je hiermee eerder de markt op?

Een van de moeilijkste aspecten van strategievorming in tijden van snelle technologische veranderingen is de timing. Wat is het juiste moment om je bedrijfsvoering en businessmodel radicaal te veranderen? Als het heel goed gaat met je bedrijf is er geen urgentie om de organisatie te transformeren en bestaande inkomstenbronnen te kannibaliseren. Hoe leg je dat immers uit aan medewerkers en aandeelhouders? Het is belangrijk het ontwikkelen van een toekomstvisie en een besluit over timing als twee afzonderlijke en volgtijdelijke activiteiten te zien. Als je een toekomstvisie hebt ontwikkeld en daarna constateert dat het nu nog te vroeg is om die te implementeren, dan kan dat een heel goede, logische strategische keuze zijn. Maar andersom, dat wil zeggen: nu oordelen dat er nog geen reden is om over de toekomst na te denken, is geen goed management.

Problemen kunnen sneller ontstaan dan je denkt, omdat kunstmatige intelligentie een voorbeeld is van een exponentiële technologische ontwikkeling. De impact verdubbelt iedere anderhalf tot twee jaar, maar daar merk je in het begin niet veel van. En op het moment dat de impact wel voelbaar wordt, voelt dat heel snel en onverwachts. Het aanpassingsvermogen van de meeste mensen en organisaties is vooral incrementeel. Dit leidt op den duur tot een zodanig groot gat tussen wat er kan en wat er gebeurt, dat er nieuwe partijen komen die een bestaande markt ontwrichten. Dit effect staat bekend als de Law of Disruption. En dan gebeurt er wat Ernest Hemmingway in 1926 al beschreef: ‘How did you go bankrupt? (..) Two ways, (..) Gradually and then suddenly.’

Waar zit de businesscase?

Een goed begin is de strategische opties te verkennen voor het toepassen van kunstmatige intelligentie. Wat is er allemaal mogelijk? Het doel van deze verkenning is te komen tot een lijst van mogelijke businesscases, die je prioriteert naar haalbaarheid en impact om tot een selectie te komen. Bestaande bedrijven hebben daarbij de neiging in eerste instantie te kijken naar opties om kosten te besparen of meer omzet te genereren binnen het kader van het bestaande businessmodel. In de operationele processen zijn vaak efficiencyverbeteringen mogelijk als je meer data over het proces gaat verzamelen en die data gebruikt om het proces te optimaliseren. Op dezelfde manier kan ook de kwaliteit van de output worden verbeterd. Als je afwijkingen detecteert voordat je producten worden verzonden, levert dat ook een hogere klanttevredenheid op. Kunstmatige intelligentie kan verder bijdragen aan een hogere omzet door een betere selectie te maken van interessante klanten en door klanten aanbevelingen te doen die beter aansluiten bij hun behoeften, wensen en sentiment. Ook dynamic pricing draagt bij aan een hogere omzet.

Daarnaast moet je kijken naar de mogelijkheden die kunstmatige intelligentie biedt voor het ontwikkelen van nieuwe producten en diensten en om radicale, disruptieve veranderingen in de sector tot stand te brengen. Voor veel start-ups is dit de reden om toe te treden tot een markt. Voor bestaande organisaties vraagt het een bewuste inspanning om buiten het bestaande businessmodel te denken. Het is essentieel niet alleen naar kostenbesparingen te kijken, maar ook naar andere klantbelevingen en groeimogelijkheden in nieuwe markten. Een eenzijdige focus op kosten leidt uiteindelijk tot krimp, omdat een kostenvoordeel niet tot in lengte van dagen houdbaar is.

Veranderen begint aan de top

Het doorvoeren van veranderingen in een organisatie begint altijd aan de top. Als leiders niet in de gaten hebben dat de wereld is veranderd en niet in staat of bereid zijn zich daaraan aan te passen, gebeurt er niets. De impact van de digitalisering en kunstmatige intelligentie is bovendien zo groot dat je anders over strategie en technologie moet denken. Technologie is niet meer een middel om een strategie te realiseren, maar de basis van de strategie. Voorheen was het gebruikelijk eerst de strategie te bepalen en daarna te bedenken welke middelen, waaronder technologie, je daarvoor moet mobiliseren. Tegenwoordig moet je je afvragen hoe je technologie kunt inzetten om je klanten beter en efficiënter te bedienen. En daar hoort een andere manier van werken bij.

Er is een groot verschil tussen de voorlopers en de volgers in de markt. Voorlopers doen aan ‘self-disruption’. Zij transformeren hun organisatie van het ene businessmodel naar het andere en profiteren van nieuwe bronnen van winstgevendheid, voordat zij marktaandeel verliezen aan nieuwkomers op de markt. Het is een groot contrast met de bedrijven die zo in zichzelf gekeerd zijn dat zij ideeën en businessmodellen van nieuwe toetreders en start-ups op voorhand afdoen als irrelevant. Deze bedrijven zullen de waarschuwingssignalen van ophanden zijnde veranderingen zeer waarschijnlijk missen.

Menselijke intelligentie

In eerdere blogs heb ik uitvoerig stilgestaan bij de risico’s en mogelijke ethische consequenties van kunstmatige intelligentie en het belang om die actief te adresseren. Kunstmatige intelligentie heeft de potentie het leven (nog) beter te maken en het is onze gezamenlijke verantwoordelijkheid om dat op een verantwoorde manier te realiseren. Dit vraagt om te beginnen dat we meer kennis vergaren over kunstmatige intelligentie en een beter begrip krijgen van de mogelijkheden, de voordelen en de risico’s van de technologie. Levenslang leren is niet alleen van belang met het oog op je inzetbaarheid op de arbeidsmarkt. Ook het maatschappelijk debat over de ethische en andere gevolgen van kunstmatige intelligentie is gebaat bij meer deelnemers met kennis van zaken.

We kijken naar de leiders van de bedrijven om de transitie van de economie vorm te geven en nieuwe producten en diensten op de markt te brengen. Van de overheid mag worden verwacht dat de condities worden geschapen die het Nederlandse bedrijfsleven in staat stellen te kunnen concurreren met de grootmachten op het gebied van kunstmatige intelligentie: China en de Verenigde Staten. Bij de politiek ligt de verantwoordelijkheid wetgeving, scholing en sociale zekerheid aan te passen aan de nieuwe technologie. De wet moet burgers beschermen, maar mag tevens de innovatie niet belemmeren. Het onderwijs moet leerlingen voorbereiden op nieuwe banen. En waar de nieuwe technologie tot uitzonderlijke werkloosheid of uitsluiting van bepaalde groepen leidt, moet sociale zekerheid worden geboden.

We zitten middenin een ingrijpende technologische, economische en maatschappelijke transitie en we hebben vooral veel menselijke intelligentie nodig om de kunstmatige intelligentie in goede banen te leiden.

Vergelijkbare berichten