Succesvolle AI-Implementatie in Organisaties: Van Theorie naar Praktijk - deel 3

"AI & Product Innovation in Technology: A New paradigm".

Tijdens mijn tijd bij Philips Car Systems was ik op het hoofdkantoor in Duitsland werkzaam als General Manager Product Strategy & Planning. In die rol was ik verantwoordelijk voor het ontwikkelen van het winstpotentieel van audio- en navigatieapparatuur, zowel voor de retailmarkt als voor de OEM-auto-industrie. Het betrof een toenmalig nieuwe organisatiestructuur, opgezet om de klantgerichtheid te versterken — en dat al meer dan 30 jaar geleden.

In die periode stuitte ik op een uitgebreide studie van Arthur D. Little (ADL), een van de eerste consultancybureaus die het vakgebied Product Strategy & Planning herdefinieerden. Die studie bood mij een waardevol theoretisch én praktisch kader dat prima aansloot bij mijn dagelijkse praktijk.

Deze week las ik een even indrukwekkende analyse over AI van Arthur D. Little, geschreven door Michaël Kolk: Moving Innovation Forward: How to Harness AI to Transform Development & Engineering. Met deze publicatie wil ik mijn trilogie over succesvolle AI-implementatie in het bedrijfsleven afronden.

ADL_Moving_innovation_forward_2025.pdf

Download PDF • 6.10MB

In het eerste deel beschreef ik het Influence Model van McKinsey, het 8-stappenmodel van John Kotter en de praktijkgerichte inzichten uit Co-Intelligence van Ethan Mollick. Het begint bij leiderschap: experimenteren, ruimte bieden, vertrouwen geven, successen vieren en stap voor stap de structuren aanpassen.

In het tweede deel werkte ik de succesvolle implementatie verder uit op basis van The AI Labor Playbook van professor Jules White. Zijn centrale boodschap: AI is arbeid, geen software. Het is een cognitieve capaciteit die geleid en getrained moet worden. Let op voor vroege vendor lock-in en stimuleer een mindset van unlearning — het bewust loslaten van bestaande aannames en werkwijzen.

ADL voerde zijn onderzoek uit in zes verschillende sectoren, gebaseerd op 900 AI-use cases — bij 100 organsiaties waarin de complexiteit toeneemt, van producten naar systemen, maar ook door complexere supply chains, regelgeving en compliance.

Een belangrijk uitgangspunt was: “Fall in love with the problem, not the solution.” Omdat het moeilijk is om het potentieel van AI over vijf jaar exact te voorspellen, draaiden de onderzoekers de benadering om.

Tegen de achtergrond van toenemende product- en procescomplexiteit kregen business owners de vraag voorgelegd: “Wat gebeurt er de komende jaren als je dit probleem — of het nu gaat om complexiteit of compliance — nu niet aanpakt?” en “Wat kan AI hieraan bijdragen?” Een praktische en impactgerichte benadering om het potentieel van AI concreet en tastbaar te maken.

Een eerste conclusie was het nut van het T-shape model in competence management for lateral and deep specific skills in R&D. Het is vergelijkbaar met hoe AI zich momenteel aanbiedt en toegepast kan worden.

AI applied T-Shape

Op de horizontale as maakt AI hier het verschil door op beslismomenten alle relevante informatie te synthetiseren over domeinen en systemen heen. Waar organisaties vroeger slechts 30–50% van hun beschikbare kennis benutten, kan dat met AI oplopen tot 100% — precies at the moment of truth. De verticale as staat voor kennisexpansie in een specifiek domein: met tools zoals DeepMind kunnen onderzoekers nu doorbraken realiseren op superhuman niveau dankzij nauwkeurige voorspellingen en geavanceerde analyses. Zo combineert AI breedte én diepte — essentieel voor duurzame innovatie.

In ADL’s Network-Lab of the Future worden vergelijkbare uitgangspunten uitgewerkt als die van Ethan Mollick's Co-Intelligence.

Democratize AI, Ambidextrous Organisation: niet alleen beter, sneller, goedkoper, maar ook nieuwe manieren van innoveren, Data Sharing / collaboration en Enablement: een solide tech basis met een vernieuwde data-governance.

Net als in de eerdere analyses van Ethan Mollick en Jules White blijkt ook hier dat technologie op zichzelf niet doorslaggevend is voor succes. Het draait om de culturele verschuiving binnen organisaties — en om de mensen die er mee werken.

Hoewel de ADL onderzoekers concluderen dat AI een paradigma verschuiving teweegbrengt in hoe ideeën ontstaan, systemen worden ontworpen en oplossingen worden geleverd door grote commerciële organisaties,  blijft het pad naar daadwerkelijke toepassing en structurele integratie in werkprocessen onduidelijk en adoptie dan ook nog laag.

AI inflectie punt en de S-curve

Uit het ADL onderzoek blijkt dat slechts 15% van de bedrijven daadwerkelijk actief is met AI-implementatie in hun development- en engineeringprocessen. Vaak zijn dit al tech bedrijven of digital natives. Deze terughoudendheid wordt grotendeels verklaard door de bekende organisatorische traagheid en verandermanagement-uitdagingen, zoals eerder besproken in deel 1 en 2. Ook hier weer een bevestiging dat we met AI nog duidelijk voor het inflectie punt op de S-curve zitten en er nog veel werk is te doen.

Volgens ADL is het potentieel van AI aanzienlijk. Op basis van hun onderzoek schatten zij dat de Innovation Productivity in 2030 met 40% kan toenemen. Die winst is al te behalen door het toepassen van het T-shape-model: breed ingezet voor kennisintegratie (horizontaal) en gericht op gerichte doorbraken in de diepte (verticaal) — ondersteund door AI.

.

ADL sluit af met een oproep tot actie en benadrukt dat doing nothing is not a viable option. De uitdaging is om AI-implementatie schaalbaar, breed geadopteerd en afgestemd op strategie te maken. A "people-centric" approach that fundamentally reexamines ways of working is the best way.

Ik sluit mij daar volledig bij aan. AI is bij uitstek geschikt om de toenemende complexiteit van onze wereld het hoofd te bieden. Hoe eerder organisaties beginnen met een structurele implementatie — met inachtneming van de verandermanagementprincipes van John Kotter en de inzichten van Jules White, zoals besproken in deel 1 en 2 — des te groter de kans op blijvend succes.

Hieronder vind je de audioversie van deze blog, het interview van Michël Kolk met Zeta Alpha, en het ADL rapport , automatisch gegenereerd met behulp van NotebookLM.

De Kracht van AI in Ontwikkeling en Engineering

0:00

Bronnen:

Kolk, M. (2024, april). Moving innovation forward: How to harness AI to transform development & engineering. Arthur D. Little.

Kolk, M. (2024, april). AI & product innovation in technology: A new paradigm? | with Michael Kolk [Video]. YouTube. https://www.youtube.com/watch?v=484GbLK9Erc

White, Jules. The AI Labor Playbook: How to Build, Lead, and Scale Generative AI in Your Organization. Generative AI Innovation Network, 15 Apr. 2025.

Keller, S., & Price, C. (2011). Beyond performance: How great organizations build ultimate competitive advantage. John Wiley & Sons.

(Het Influence Model wordt hierin geïntroduceerd door McKinsey-partners Keller & Price.)

Kotter, J. P. (1996). Leading change. Harvard Business School Press.