In deze video’s laten professor Jules White en Bob Higgins zien hoe AI niet alleen processen verbetert, maar ook digitale transformatie binnen organisaties op gang brengt. Succesvolle AI-inzet vraagt om meer dan technologie: het draait om verandermanagement, betrokkenheid en een cultuur die klaar is voor verandering.
Verderop op deze pagina bespreek ik de inzichten van assistent-professor Ethan Mollick, auteur van Co-Intelligence, en hoe succesvolle AI-implementatie in organisaties vorm krijgt – van theorie naar praktijk – op basis van de verandermodellen van John Kotter, McKinsey en The AI Playbook van Jules White.
Ethan Mollick stelt dat organisaties zelf moeten investeren in R&D om te ontdekken hoe AI het beste ingezet kan worden. Er is geen kant-en-klare oplossing, en zelfs grote AI-bedrijven weten vaak niet hoe hun technologie het beste in verschillende contexten toegepast kan worden. Daarom is het volgens Mollick belangrijk dat bedrijven zelf experimenteren, bijvoorbeeld door te werken met teams (de 'Crowd') of gespecialiseerde onderzoeksafdelingen (het 'Lab').
Tactieken voor de Crowd:
Een van zijn PhD-adviseurs, Prof. Eric von Hippel, introduceerde het concept van gebruikersinnovatie. Prof. von Hippel stelt dat veel doorbraken komen van gebruikers die producten aanpassen om hun eigen problemen op te lossen, niet vanuit centrale R&D-labs.
Dit is vooral relevant bij experimenten met Generatieve AI, omdat de systemen onbetrouwbaar zijn en gebruikers zelf het beste kunnen inschatten waar AI nuttig is.Veel mensen experimenteren met AI, maar delen hun bevindingen niet met hun werkgever.
Dit leidt tot "Secret Cyborgs", werknemers die AI gebruiken zonder het te melden. Redenen hiervoor zijn bijvoorbeeld angst voor de gevolgen, het verlies van aanzien, of de vrees dat AI hun baan bedreigt.
Om dit te veranderen, moeten bedrijven:
-
Angst wegnemen: Zorg voor duidelijke richtlijnen waarin AI-experimenten worden toegestaan.
-
Beloningen bieden: Geef grote beloningen voor productiviteitswinst, zoals geld of promoties.
-
Positief gebruik modelleren: Leiders moeten zelf AI gebruiken en hun ervaringen delen.
Bouw daarnaast een gemeenschap waarin AI-gebruikers hun kennis kunnen delen en geef toegang tot tools en trainingen om innovatie te stimuleren.
Tactieken voor het Lab:
Naast decentrale innovatie is een centrale aanpak voor R&D belangrijk. Het Lab moet bestaan uit experts en techneuten, maar ook uit niet-technische mensen. Enthousiaste medewerkers die AI-oplossingen vinden, kunnen het Lab versterken. Hun focus ligt op bouwen, niet op analyse.
Het Lab moet zich richten op:
-
AI-benchmarks ontwikkelen: Creëer benchmarks om te testen hoe goed AI-modellen taken uitvoeren die belangrijk zijn voor jouw bedrijf, zoals financiële data analyseren of juridische documenten lezen. Zonder deze benchmarks weet je niet hoe goed AI-modellen presteren of zich ontwikkelen.
-
Prompts en tools bouwen: Gebruik ideeën uit de organisatie en zet deze om in snelle prototypes. Test ze en implementeer ze binnen het bedrijf.
-
Experimenteren met toekomstige AI-modellen: Bouw prototypes, ook al werken ze nog niet perfect. Als nieuwe AI-modellen verschijnen, test ze op deze prototypes om te zien of ze beter presteren.
-
Inspireren met AI: Laat medewerkers zien wat AI kan door indrukwekkende demo's of projecten te tonen. Dit motiveert hen om AI te omarmen en in te zetten.De combinatie van innovatie door de Crowd en ontwikkeling door het Lab is cruciaal voor een succesvolle interne R&D-strategie.
Succesvolle AI-Implementatie in Organisaties: Van Theorie naar Praktijk
De blog (AI implementatie) biedt een praktisch stappenplan voor het succesvol integreren van AI in organisaties, gebaseerd op beproefde modellen en inzichten van toonaangevende experts.
Van het creëren van urgentie (burning platform) en het vormen van sterke coalities tot het ontwikkelen van kennis en het verankeren van veranderingen in de bedrijfscultuur, hier ontdek je hoe je AI niet alleen implementeert, maar ook effectief benut en duurzaam verankert.
Aan de hand van het 8-stappenmodel van Kotter, het McKinsey Influence Model, de analyse van assistent-professor Ethan Mollick en mijn praktijkervaringen leer je in deel 1 hoe je medewerkers betrekt, weerstand overwint en gedragsveranderingen stimuleert
Deel 2 van de AI-implementatie heb ik gebaseerd op het inspirerende werk The AI Labor Playbook* van professor Jules White – een 21 pagina’s tellende paper die zonder meer de moeite waard is om te lezen.
Als hoogleraar computerwetenschappen aan Vanderbilt University in Nashville (Tennessee) begrijpt hij als geen ander zowel de technologie als het potentieel ervan
*The AI Labor playbook biedt een kader om na te denken over AI-arbeid, bespreekt een systeem om de waarde ervan te bepalen via arbeid-voor-token-uitwisselingen, en geeft praktische richtlijnen voor het afstemmen van systemen, mensen en strategie op dit model waarin AI-arbeid wordt ingezet ter ondersteuning van menselijk werk.