AI maakt werk sneller, maar procesverbetering bepaalt de impact

Een ondernemer besluit AI in te zetten voor offertes.

Het verkoopteam krijgt toegang tot ChatGPT. Binnen een week worden offertes sneller geschreven. De eerste reacties zijn positief.

Drie maanden later blijkt dat de doorlooptijd van het verkoopproces nauwelijks is verbeterd.

De reden is simpel.

Het schrijven van de offerte was nooit het probleem.

Het echte probleem zat in de overdracht van informatie tussen sales en calculatie, de verschillende versies die rondgingen per e-mail en het wachten op goedkeuring van managers.

AI heeft de snelste stap in het proces nóg sneller gemaakt, terwijl de grootste knelpunten onaangetast bleven.

Dit patroon zien we momenteel in veel organisaties.

AI bovenop chaos blijft chaos

Recent onderzoek van Atlassian laat zien dat medewerkers wel degelijk productiever worden door AI, maar dat die winst vaak niet terug te zien is op organisatieniveau. De oorzaak is opvallend consistent: bedrijven leggen AI bovenop bestaande workflows zonder die workflows fundamenteel te herzien.

Of zoals één van de conclusies uit het onderzoek luidde: organisaties zijn AI aan het stapelen op bestaande complexiteit.

Dat klinkt misschien logisch.

Een proces bestaat immers al. Waarom zou je dat eerst veranderen?

Omdat AI zelden het procesprobleem oplost dat daadwerkelijk de meeste vertraging veroorzaakt.

De grootste denkfout bij AI-adoptie

Veel organisaties kijken naar een proces en vragen:

"Waar kunnen we AI toevoegen?"

Dat lijkt een logische vraag, maar leidt vaak tot beperkte resultaten.

Een betere vraag is:

"Als we dit proces vandaag opnieuw mochten ontwerpen, hoe zou het er dan uitzien?"

Dat is een fundamenteel andere benadering.

Dan kijk je niet naar taken.

Dan kijk je naar het proces als geheel.

Wat succesvolle organisaties anders doen

Wanneer organisaties aantoonbaar resultaat boeken met AI, zie je vrijwel altijd dezelfde aanpak terug.

Ze beginnen niet bij de technologie.

Ze beginnen bij het proces.

Voordat er wordt gesproken over modellen, agents of automatisering wordt eerst onderzocht:

• welke stappen bestaan er;

• waar ontstaat vertraging;

• waar ontstaat foutenlast;

• waar vindt dubbel werk plaats;

• waar wachten medewerkers op elkaar;

• waar gaat informatie verloren.

Pas daarna komt AI in beeld.

Van taakoptimalisatie naar procesoptimalisatie

Dit onderscheid is belangrijk.

Taakoptimalisatie betekent:

• sneller e-mails schrijven;

• sneller offertes maken;

• sneller rapportages produceren.

Procesoptimalisatie betekent:

• minder overdrachtsmomenten;

• minder handmatige controles;

• minder wachttijd;

• minder fouten;

• minder afhankelijkheid van individuele medewerkers.

De tweede categorie levert vrijwel altijd meer bedrijfswaarde op.

Begin met het in kaart brengen van de huidige situatie

Voordat je iets automatiseert, moet je begrijpen hoe het proces daadwerkelijk verloopt.

Niet hoe het op papier staat.

Niet hoe managers denken dat het werkt.

Maar hoe het werkelijk gebeurt.

Daar ontstaat vaak de eerste verrassing.

Veel organisaties ontdekken dat processen aanzienlijk complexer zijn geworden dan ooit de bedoeling was.

Extra controles.

Handmatige tussenstappen.

Excel-bestanden naast systemen.

Kopieer- en plakwerk.

Dubbele registraties.

Uitzonderingen die langzaam de standaard zijn geworden.

Onderzoek binnen process mining laat zien dat organisaties vaak pas na het analyseren van werkelijke procesdata begrijpen waar vertraging en inefficiëntie ontstaan.

De beste AI-use case is soms geen AI-use case

Een opvallende les uit procesverbetering is dat niet ieder probleem om AI vraagt.

Soms blijkt een proces inefficiënt omdat:

• verantwoordelijkheden onduidelijk zijn;

• informatie op meerdere plekken staat;

• goedkeuringen onnodig complex zijn;

• systemen niet gekoppeld zijn.

In zulke gevallen lost AI het onderliggende probleem niet op.

Sterker nog, AI kan het proces ingewikkelder maken.

De grootste winst ontstaat vaak eerst door vereenvoudiging.

Pas daarna door automatisering.

Kijk naar wachttijd, niet alleen naar werktijd

Wanneer organisaties processen analyseren, kijken ze vaak naar de tijd die medewerkers besteden aan taken.

Dat is slechts een deel van het verhaal.

De grootste vertraging zit vaak tussen activiteiten.

Een offerte ligt twee dagen te wachten.

Een aanvraag wacht op goedkeuring.

Een klantvraag wordt doorgestuurd tussen afdelingen.

Een document ligt stil omdat iemand afwezig is.

AI kan juist op deze punten veel impact hebben.

Niet door meer werk te doen, maar door informatie sneller beschikbaar te maken en overdrachten te verminderen.

Van proces naar AI

Pas wanneer een proces goed is begrepen, ontstaat de vraag waar AI daadwerkelijk waarde toevoegt.

In de praktijk vallen toepassingen vaak in vier categorieën.

Kennis ontsluiten

Wanneer medewerkers veel tijd besteden aan het zoeken naar informatie.

Besluitvorming ondersteunen

Wanneer medewerkers telkens dezelfde analyses uitvoeren.

Communicatie versnellen

Wanneer grote hoeveelheden informatie moeten worden verwerkt of gecommuniceerd.

Routinematig werk verminderen

Wanneer veel handmatige acties repetitief zijn.

Hier ontstaat vaak veel meer waarde dan wanneer AI direct op losse taken wordt gezet.

Waarom procesdenken steeds belangrijker wordt

Interessant genoeg verschuift de markt momenteel van process mining naar wat steeds vaker process intelligence wordt genoemd.

De reden is eenvoudig.

Het gaat niet langer alleen om inzicht krijgen in processen.

Het gaat om het continu verbeteren ervan met behulp van data, automatisering en AI.

Daardoor verschuift de focus van technologie naar bedrijfsvoering.

Niet: "welke AI-tool moeten we gebruiken?"

Maar:

"Hoe willen we dat dit proces werkt?"

Wat betekent dit voor het MKB?

Juist voor MKB-bedrijven is dit relevant.

Grote organisaties kunnen inefficiënte processen vaak nog compenseren met extra capaciteit, specialisten en managementlagen.

Het MKB heeft die luxe meestal niet.

Daar heeft iedere extra stap direct invloed op snelheid, klantbeleving en winstgevendheid.

Daarom is het voor veel MKB-bedrijven verstandiger om eerst processen door te lichten en daarna pas AI-oplossingen te selecteren.

Niet andersom.

Tot slot

De grootste AI-successen ontstaan zelden doordat een organisatie een nieuwe tool aanschaft.

Ze ontstaan doordat een organisatie begrijpt hoe werk daadwerkelijk verloopt, waar de knelpunten zitten en welke stappen eigenlijk niet meer nodig zijn.

Pas daarna komt AI.

Want AI maakt processen sneller.

Maar alleen procesverbetering maakt processen beter.