Een systemische kijk op AI-adoptie

Hoe zorg je ervoor dat AI geen losstaand experiment blijft, maar een strategische versneller wordt?

Daar kan het BILT model® je eenvoudig bij helpen en inzicht in geven. Inclusief handige checklist!

Sorry. De spelregels veranderen tijdens de wedstrijd.

Stel je voor: je speelt een schaakpartij, maar de regels veranderen voortdurend. Net als je een winnende zet denkt te hebben, verschuiven de pionnen en gelden nieuwe spelregels. Dit is precies hoe AI werkt binnen organisaties. Waar eerdere innovaties volgens vaste plannen werden uitgerold, vraagt AI om een compleet andere aanpak. Wendbaarheid is geen luxe meer, maar een noodzaak.

Speel je niet mee? Dan loop je het risico dat een concurrent je schaakmat zet. En heb je ineens geen koning meer.

Hoe zorg je ervoor dat het inzetten van AI geen losstaand experiment blijft, maar een strategische versneller wordt? Daar kan een model bij helpen. Het BILT model® dat biedt een systemische blik op AI-adoptie en laat zien hoe Besturing, Inrichting, Leiderschap en Teameffectiviteit samenkomen om AI succesvol te integreren in jouw organisatie

We beginnen met een stukje achtergrond en nemen je dan mee naar de praktijk. Liever gelijk naar het praktijkvoorbeeld? Klik dan even hier.

Wendbaarheid als voorwaarde: het BILT model® 

Succesvolle AI-adoptie vereist meer dan technologische innovatie. Het vraagt om een fundamentele verandering in hoe organisaties presteren, samenwerken, leidinggeven en leren.  

Door te kijken naar de interactie tussen de organisatiefactoren besturing, inrichting, leiderschap en teameffectiviteit (het BILT model®), kun je complexe vraagstukken rondom AI-adoptie, integraal benaderen. Wanneer ze goed op elkaar zijn afgestemd, versterken ze elkaar en ontstaat een wendbare organisatie die AI effectief inzet. 

Wat zien we bijvoorbeeld als we door deze systemische bril kijken?  

1. Besturing bepaalt de speelruimte voor inrichting, leiderschap en teameffectiviteit 

Besturing schept de randvoorwaarden waarin AI kan floreren. Het bepaalt hoe doelen worden gesteld, hoe prestaties worden gemeten en hoe verantwoording wordt afgelegd. 

De AI-transformatie vraagt om leiderschap dat technologie verbindt met strategische doelen. Veel organisaties laten AI-beslissingen over aan hun technische teams, waardoor de samenhang met de bredere visie soms ontbreekt. Gemiste kans. Door AI bewust te integreren in de strategie, kunnen leiders zorgen voor een succesvolle en verantwoorde implementatie. 

We zien ook dat, wanneer leiders de inhoud niet goed begrijpen en de gevolgen van een experiment (use case) met AI niet goed worden overzien, leiders in de rol van bewaker van compliance kunnen schieten. Ze gaan bewust of onbewust in een te strenge controlemodus. Wanneer de besturing dan te rigide is – met statische KPI’s en strakke controlemechanismen – worden multidisciplinaire teams beperkt in hun autonomie en innovatiekracht. Als leidinggevende ben je dan dus ‘bewaker’ in plaats van vernieuwer, en de teameffectiviteit lijdt onder een gebrek aan experimenteerruimte. Waarschijnlijk niet wat je wilt.  

Omgekeerd kan een meer flexibele en adaptieve besturing juist bijdragen aan een lerende organisatie. Wanneer AI-projecten worden beoordeeld op snelheid van leren en de impact van de iteratieve verbeteringen, krijgen teams de ruimte om zelfstandig te beslissen. Leiderschap kan zich dan richten op het ondersteunen en coachen van teams, in plaats van op het afdwingen van strakke controle. Het stellen van duidelijke organisatorische kaders en het in huis halen van voldoende en specifieke kennis en goede risico-analyses kan daarbij helpen. 

Naast organisatorische kaders, is ook een duidelijk normenkader over hoe om te gaan met ethiek en AI belangrijk. Een van de grootste risico’s van AI schuilt in de data waarmee modellen worden getraind. Onbewuste vooroordelen, incomplete datasets of verborgen patronen kunnen leiden tot onbedoelde discriminatie of verkeerde beslissingen. En dat wil niemand. Door sterke waarden en normen te hanteren en mee te geven, ontstaat een beter begrip van de speelruimte waarin geëxperimenteerd mag worden. Dit helpt organisaties om AI verantwoord te implementeren en voorkomt dat innovaties botsen met fundamentele ethische principes. 

AI kan veel, maar het kan geen bureaucratie doorbreken. Dat moet je zelf doen. 

2. Inrichting bepaalt hoe flexibel de organisatie AI kan benutten 

De manier waarop een organisatie haar processen en teams inricht, bepaalt in hoeverre AI-oplossingen succesvol worden geïmplementeerd. Traditionele hiërarchische structuren vertragen besluitvorming en innovatie. AI gaat dwars door bestaande structuren heen.  

Multidisciplinaire teams kunnen AI sneller testen en toepassen dan meer traditionele organisaties. Lean en Agile methodieken ondersteunen deze werkwijze en zorgen voor flexibiliteit en efficiëntie in de uitvoering. Maar deze teams functioneren alleen optimaal als ze de juiste strategische kaders en autonomie krijgen vanuit de besturing. Belangrijk is daarnaast dat de besluitvorming binnen zo’n team goed moet worden ingericht. Wie neemt uiteindelijk het besluit en volgt de acties op binnen de verschillende afdelingen? 

Leiderschap speelt hierin een sleutelrol.  

Als leiders onvoldoende vertrouwen hebben in de autonomie van teams, vervallen ze al snel in micromanagement, waardoor de voordelen van multidisciplinaire samenwerking verloren gaan. Teams worden dan minder effectief en gaan zich richten op verantwoording in plaats van innovatie.  

“Innovatie stopt waar silo’s beginnen.”  

3. Leiderschap beïnvloedt zowel besturing, inrichting als teameffectiviteit 

Leiderschap is de verbindende factor die besturing en inrichting vertaalt naar de dagelijkse praktijk. Zo zorgt wendbaar leiderschap er bijvoorbeeld voor dat strategische doelstellingen en organisatiedoelen niet alleen top-down worden vastgesteld, maar ook daadwerkelijk gaan leven in de teams die ermee aan de slag gaan. 

Wil je wendbaar zijn, dan moet je stabiliteit bieden en tegelijkertijd verandering stimuleren. Psycholoog en auteur George Kohlrieser benadrukt in een van zijn kernconcepten het belang van een balans tussen Care (verbinding) en Dare (uitdaging). Leiders die deze balans beheersen, creëren een veilige omgeving waarin medewerkers durven leren, experimenteren en innoveren. 

Leiders die een experimenteercultuur creëren, maken het mogelijk dat teams fouten durven maken en ervan leren. Dit versterkt de teameffectiviteit: medewerkers voelen zich veiliger om te experimenteren met AI, om ideeën te delen en om kritisch te reflecteren op hun eigen aannames. Als leiders daarentegen vasthouden aan traditionele structuren en controlemechanismen, zal de innovatiebereidheid in teams afnemen en zullen AI-initiatieven moeizamer van de grond komen. 

Je kunt de AI-golf niet stoppen, maar je kunt wel leren surfen. 

Een voorbeeld hiervan is een organisatie die AI inzet om klantinteracties te verbeteren. Wanneer leiders medewerkers het vertrouwen geven om AI-tools te testen en zelf bij te sturen op basis van klantfeedback, groeit zowel het eigenaarschap als de effectiviteit van de teams. Als leiders daarentegen vooral sturen op ‘foutloos’ werken en geen ruimte laten voor experimenten, zullen medewerkers AI als een bedreiging zien in plaats van als een kans. 

4. Teameffectiviteit zorgt voor concrete resultaten en voedt besturing met inzichten 

De effectiviteit van teams is uiteindelijk de plek waar de AI-strategie tot leven komt. Wanneer multidisciplinaire teams goed functioneren, wordt zoals we al eerder zeiden AI snel en effectief geïntegreerd in werkprocessen. Dit leidt tot snellere iteraties, betere resultaten en meer innovatie. Maar teameffectiviteit is geen op zichzelf staand fenomeen – het wordt beïnvloed door besturing, inrichting en leiderschap. 

Als teams te veel worden beperkt door strikte KPI’s of bureaucratische besluitvorming, zal hun effectiviteit afnemen.  

Een verschil met eerdere technologische ontwikkelingen is dat in de meeste organisaties de medewerkers AI al meenemen naar de werkvloer en op veel verschillende plekken en manieren toepassen. Als je hierin als organisatie te langzaam gaat, word je ingehaald door de dagelijkse praktijk. Wat doe je dan? Verbieden of organiseren? 

Sterke, wendbare teams kunnen waardevolle inzichten leveren aan de besturing. Door te werken met open feedbackloops tussen teams en management, kan de organisatie leren van de AI-implementaties in de praktijk en de strategische richting daarop aanpassen. Dit maakt de besturing adaptiever en meer gericht op wat daadwerkelijk werkt. En dat is wat je wilt!  

Het echte concurrentievoordeel is niet AI, maar hoe snel jouw team ermee leert werken. 

De vier factoren in samenhang
AI en onderhoud van de openbare ruimte bij een grote gemeente

Stel dat een grote gemeente AI wil inzetten om het onderhoud van de openbare ruimte efficiënter te organiseren. Momenteel wordt onderhoud grotendeels gepland op basis van vaste schema’s en meldingen van bewoners, wat leidt tot inefficiënties. Soms worden straten hersteld terwijl ze nog in goede staat zijn, terwijl ergens anders de stoeptegels schots en scheef liggen. De gemeente besluit AI in te zetten om onderhoudsbehoeften beter te voorspellen en de inzet van middelen te optimaliseren. Hoe komen besturing, inrichting, leiderschap en teameffectiviteit hier dan bij elkaar?

1. Besturing: Van starre onderhoudsplanning naar datagestuurde besluitvorming

Om deze AI-aanpak te laten slagen, moet de gemeente haar besturing aanpassen. Traditioneel gezien wordt onderhoud gepland op basis van vaste budgetten en jaarlijkse onderhoudscycli. Dit leidt ertoe dat sommige straten onnodig worden opgeknapt, terwijl andere plekken te lang wachten op onderhoud. De gemeente besluit de focus te verleggen van vaste onderhoudsplanningen naar datagestuurde prioritering.

In plaats van alleen te sturen op “x aantal kilometer bestrating vernieuwd per jaar”, worden KPI’s aangepast naar de effectiviteit van onderhoud en de mate waarin onderhoudsacties bijdragen aan een duurzame en veilige openbare ruimte. Dit betekent ook dat budgetten flexibeler moeten worden, zodat middelen kunnen worden ingezet waar AI voorspelt dat het onderhoud het meest urgent is.

Daarnaast verandert de manier waarop verantwoording wordt afgelegd. Er wordt nu niet alleen gekeken naar uitgevoerde werkzaamheden, maar ook naar impact. Hoe goed heeft de AI-gestuurde planning geleid tot een betere staat van onderhoud en minder klachten vanuit bewoners?

2. Inrichting: Multidisciplinaire samenwerking tussen afdelingen

Voorheen werkten de verschillende afdelingen binnen de gemeente – Stadsbeheer, ICT, en Klantcontact (voor bewonersmeldingen) – grotendeels los van elkaar. De afdeling Stadsbeheer bepaalde de onderhoudsplanning, ICT ondersteunde met software, en Klantcontact registreerde meldingen van bewoners. Dit zorgde voor vertraging en inefficiëntie, omdat inzichten uit verschillende afdelingen niet samenkwamen.

Om de AI-implementatie succesvol te maken, wordt een multidisciplinair team opgericht. Hierin werken beleidsmedewerkers, data-analisten, onderhoudsmedewerkers en wijkbeheerders samen. AI verzamelt en analyseert gegevens uit verschillende bronnen: van sensoren in wegen en satellietbeelden tot meldingen van bewoners en informatie uit inspectierapporten. Dit zorgt ervoor dat onderhoud niet langer reactief gebeurt, maar proactief wordt gepland.

AI herkent bijvoorbeeld dat een bepaald type straatverharding sneller slijt in gebieden met veel zware vrachtwagens. In plaats van te wachten op klachten, kan de gemeente op tijd onderhoud inplannen en zelfs preventieve maatregelen nemen, zoals het verbeteren van de fundering of het aanpassen van verkeersstromen.

3. Leiderschap: Vertrouwen creëren in AI-gestuurde besluitvorming

De invoering van AI brengt een cultuurverandering met zich mee. Waar onderhoudsmedewerkers en wijkbeheerders eerder hun planning baseerden op ervaring en handmatige inspecties, krijgen ze nu te maken met AI-voorspellingen. En dat zonder glazen bol! Dit kan in eerste instantie weerstand oproepen, omdat medewerkers het gevoel kunnen krijgen dat hun expertise wordt vervangen door technologie.

Leiderschap speelt een cruciale rol in deze overgang. In plaats van AI top-down op te leggen, kiest het management er in deze gemeente voor om het systeem in pilotvorm te testen in enkele wijken. Wijkbeheerders en onderhoudsteams worden actief betrokken bij de ontwikkeling en krijgen de ruimte om de AI-aanbevelingen te toetsen aan hun praktijkervaring.

Een praktijkvoorbeeld is een wijkbeheerder die merkt dat AI voorspelt dat een bepaalde straat snel onderhoud nodig heeft, terwijl hij zelf geen duidelijke slijtage ziet. In plaats van de tool blindelings te volgen of te negeren, wordt onderzocht waarom AI dit voorspelt. Het blijkt dat de ondergrondse drainage in die straat problematisch is, iets wat niet direct zichtbaar is, maar wat op termijn tot verzakkingen kan leiden. Dit inzicht helpt niet alleen om de AI-modellen verder te verbeteren, maar ook om medewerkers vertrouwen te geven in de nieuwe manier van werken.

Door deze aanpak ontstaat een cultuur waarin AI niet als bedreiging wordt gezien, maar als een hulpmiddel dat medewerkers ondersteunt bij hun werk.

4. Teameffectiviteit: AI en vakmanschap combineren voor beter onderhoud

Uiteindelijk staat of valt de effectiviteit van AI-gestuurd onderhoud met de mensen die ermee werken. Onderhoudsteams moeten niet alleen leren omgaan met de AI-aanbevelingen, maar ook actief bijdragen aan de verbetering ervan. Dit betekent dat er een cultuur van continu leren en verbeteren nodig is.

Binnen de gemeente wordt daarom een systeem van terugkoppeling en reflectie ingericht. Als onderhoudsmedewerkers een AI-voorspelling ontvangen, kunnen ze aangeven of deze klopt en waarom dit wel of niet het geval is. Op basis van hun input wordt het AI-model steeds beter. Dit versterkt het vakmanschap van de medewerkers: in plaats van simpelweg orders uit te voeren, worden ze actieve deelnemers in het verbeteren van de openbare ruimte.

Een concreet voorbeeld hiervan is de introductie van een mobiele app waarin onderhoudsteams hun observaties direct kunnen invoeren. Als een team bijvoorbeeld merkt dat bepaalde bestratingsmaterialen minder slijtage vertonen dan verwacht, kan deze informatie worden teruggekoppeld naar het AI-systeem. Hierdoor worden toekomstige voorspellingen nog nauwkeuriger.

Daarnaast zorgt AI ervoor dat teams efficiënter kunnen werken. In plaats van lukraak meldingen af te handelen, worden ze gestuurd naar locaties waar de onderhoudsbehoefte het grootst is. Dit leidt tot minder dubbel werk en een hogere tevredenheid bij bewoners, omdat problemen sneller worden opgelost.

Conclusie

Succesvolle AI-adoptie is geen kwestie van technologie implementeren en afvinken. Het vraagt om een fundamentele verandering in de manier waarop organisaties doelen stellen, processen inrichten, leiderschap vormgeven en teams laten samenwerken. Bedrijven die AI effectief inzetten, begrijpen dat strategie, structuur en cultuur onlosmakelijk met elkaar verbonden zijn.

Als jij als leider die samenhang begrijpt en benut, creëer je een omgeving waarin AI niet alleen een tool is, maar een motor voor vernieuwing en groei. In een snel veranderende wereld is dát de sleutel tot blijvend succes.

Benieuwd hoe jouw organisatie ervoor staat? Vul de checklist in! Of neem contact met ons op, we denken graag met je mee.