S07E18 - Leiderschap in AI transformaties: van strategie naar executie

Leiderschap bij AI-transformaties staat centraal in een driedelige serie van de podcast AIToday Live. De serie belicht de uitdagingen en oplossingen bij het implementeren van AI in organisaties.

Uit onderzoek blijkt dat 60% van de Nederlandse bedrijven geen duidelijke AI-strategie heeft. De grootste obstakels zijn niet technisch, maar liggen op het gebied van leiderschap, visie en organisatieverandering.

Gestructureerd experimenteren wordt aangeraden als sleutel tot succesvolle implementatie. Het opbouwen van een experimenteercultuur en het creëren van psychologische veiligheid zijn essentieel voor effectieve verandering.

Een AI-competentiecentrum kan helpen bij het verzamelen en delen van kennis, het bewaken van standaarden en het ondersteunen van afdelingen. Een concrete roadmap met quick wins, succescriteria en go/no-go momenten is cruciaal voor een geslaagde AI-implementatie.

Onderwerpen

• Leiderschap bij AI-transformaties
• Implementatie van AI-strategieën
• Ontwikkelen van een experimenteercultuur
• Structuur en verantwoordelijkheden binnen AI-projecten
• Roadmap voor succesvolle AI-implementatie

Links

• Canvas: Aigency AI Experiment Canvas
• Podcast serie: Leiderschap in AI transformatie: Deel 1: Inzichten uit ons marktonderzoek
• Podcast serie: Leiderschap in AI transformatie: Deel 2: De structurele uitdagingen
• Podcast serie: Ontsluit het volledige potentieel van jouw AI-experiment: Deel 1
• Podcast serie: Ontsluit het volledige potentieel van jouw AI-experiment: Deel 2
• Podcast serie: Ontsluit het volledige potentieel van jouw AI-experiment: Deel 3

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:00,001 --> 00:00:07,780
Hoi, welkom bij AIToday Live, de podcast die AI begrijpelijk maakt met verhalen uit de praktijk.

2
00:00:07,780 --> 00:00:14,740
Ik ben Joop Snijder en dit is het laatste deel van onze driedelige serie over leiderschap in AI transformaties.

3
00:00:14,740 --> 00:00:19,220
In de vorige twee afleveringen hebben we de fundamenten gelegd.

4
00:00:19,220 --> 00:00:23,000
Waarom leiderschap cruciaal is en welke uitdagingen er zijn.

5
00:00:23,000 --> 00:00:27,880
Vandaag maken we de cirkel rond door te kijken naar de praktische implementatie.

6
00:00:28,100 --> 00:00:35,140
In de eerste twee afleveringen hebben we gezien waarom leiderschap zo belangrijk is bij AI implementaties.

7
00:00:35,140 --> 00:00:38,280
En welke uitdagingen en valkuilen er op de loer liggen.

8
00:00:38,280 --> 00:00:45,240
We zagen dat 60% van de Nederlandse bedrijven helemaal geen duidelijke strategie heeft voor het gebruik van AI.

9
00:00:45,240 --> 00:00:47,920
En weet je wat het meest opvallende was?

10
00:00:47,920 --> 00:00:51,100
De grootste uitdagingen blijken niet technisch van hart.

11
00:00:51,100 --> 00:00:54,340
Het zijn geen problemen met algoritmes of computerkracht.

12
00:00:54,340 --> 00:00:58,460
Nee, het gaat om leiderschap, visie en organisatieverandering.

13
00:00:58,460 --> 00:01:02,480
We bespraken de ijsberg van AI implementatie.

14
00:01:02,480 --> 00:01:08,340
Hoe we vaak de zichtbare mogelijkheden overschatten en de onderliggende complexiteit onderschatten.

15
00:01:08,340 --> 00:01:11,140
Vandaag maken we het praktisch.

16
00:01:11,140 --> 00:01:16,380
Eind vorig jaar hebben we een driedelige serie gemaakt over het opzetten van AI experimenten.

17
00:01:16,520 --> 00:01:20,920
Je vindt de link naar deze aflevering in de show notes.

18
00:01:20,920 --> 00:01:29,220
En die serie samen met ons AI experiment canvas, dat je trouwens gratis kunt downloaden, vormt de basis voor wat we vandaag gaan bespreken.

19
00:01:29,220 --> 00:01:35,260
Want uit ons onderzoek blijkt dat organisaties vooral worstelen met de hoe vraag.

20
00:01:35,260 --> 00:01:38,580
Hoe vertaal je strategie naar executie?

21
00:01:38,580 --> 00:01:42,640
Hoe creëer je een cultuur van experimenteren?

22
00:01:42,640 --> 00:01:46,480
En hoe bouw je de juiste organisatiestructuur?

23
00:01:46,480 --> 00:01:49,140
Laten we beginnen met het eerste thema.

24
00:01:49,140 --> 00:01:50,960
Van strategie naar executie.

25
00:01:50,960 --> 00:01:56,040
En de sleutel is hier wat ik noem gestructureerd experimenteren.

26
00:01:56,040 --> 00:02:04,400
In onze eerdere serie hebben we gezien dat succesvolle AI implementaties altijd beginnen met een duidelijk afgebakend experiment.

27
00:02:04,400 --> 00:02:08,820
Dus begin niet met het uitrollen van AI in je hele organisatie.

28
00:02:09,020 --> 00:02:14,720
Nee, start met één specifiek probleem dat impact heeft, maar wel beheersbaar blijft.

29
00:02:14,720 --> 00:02:18,080
En wat bedoel ik dan met gestructureerd experimenteren?

30
00:02:18,080 --> 00:02:24,900
Het begint met het formuleren van een heldere hypothese die je in vijf tot tien werkdagen kunt testen.

31
00:02:24,900 --> 00:02:27,260
Laat ik een voorbeeld geven.

32
00:02:27,260 --> 00:02:33,560
Een AI-assistent kan de verwerkingstijd van standaardvragen met 40% verlagen.

33
00:02:33,560 --> 00:02:35,880
Dat zou een hypothese kunnen zijn.

34
00:02:35,880 --> 00:02:38,640
Stel vooraf duidelijke criteria op.

35
00:02:38,640 --> 00:02:40,160
Wat willen we leren?

36
00:02:40,160 --> 00:02:41,680
Hoe meten we succes?

37
00:02:41,680 --> 00:02:43,720
Welke risico's zijn acceptabel?

38
00:02:43,720 --> 00:02:47,660
Dit geeft dan een kader om daar beslissingen op te nemen.

39
00:02:47,660 --> 00:02:54,240
En het helpt je ook om het experiment op tijd te stoppen als het niet de gewenste resultaten levert.

40
00:02:54,240 --> 00:02:55,920
Want dat is ook leiderschap.

41
00:02:55,920 --> 00:02:58,320
Durven we zeggen dat iets niet werkt?

42
00:02:58,320 --> 00:03:05,340
Nu dat we weten hoe we van strategie naar executie kunnen gaan, is het tijd voor het tweede thema.

43
00:03:05,780 --> 00:03:08,580
Het ontwikkelen van een experimenteercultuur.

44
00:03:08,580 --> 00:03:14,000
Want uit ons onderzoek blijkt dat veel organisaties worstelen met verandermanagement.

45
00:03:14,000 --> 00:03:20,580
En dat is niet verrassend, want we vragen mensen om op een fundamenteel andere manier te gaan werken.

46
00:03:20,580 --> 00:03:26,620
Maar goed, hoe bouw je dan een cultuur waarin experimenteren niet eng is, maar juist heel normaal?

47
00:03:27,140 --> 00:03:30,360
Dat begint met het creëren van psychologische veiligheid.

48
00:03:30,360 --> 00:03:38,300
Klinkt als iets heel groots, maar het gaat er vooral om dat mensen zich veilig moeten voelen om fouten te mogen maken en daarvan te leren.

49
00:03:38,300 --> 00:03:44,100
Dat klinkt vanzelfsprekend, maar in de praktijk is dit wel een van de grootste uitdagingen die wij zien.

50
00:03:45,020 --> 00:03:47,880
Het betekent dat je als leider zelf het voorbeeld moet geven.

51
00:03:47,880 --> 00:03:50,640
Dus wees ook open over je eigen leermomenten.

52
00:03:50,640 --> 00:03:57,500
Deel niet alleen de successen, maar ook de zogenaamde mislukkingen en wat je daarvan hebt geleerd.

53
00:03:58,140 --> 00:04:02,500
Creëer ook een formele structuren die experimenteren juist ondersteunen.

54
00:04:02,500 --> 00:04:07,000
Uit onze experimentenserie hebben we geleerd dat je drie dingen nodig hebt.

55
00:04:07,000 --> 00:04:09,220
Tijd, ruimte en het duidelijk proces.

56
00:04:09,220 --> 00:04:13,700
Dus reserveer expliciet tijd en budget voor experimenten.

57
00:04:13,700 --> 00:04:18,560
Maak ook iemand verantwoordelijk voor het verzamelen en delen juist van die lessen.

58
00:04:18,560 --> 00:04:21,380
En gebruik een gestructureerd canvas.

59
00:04:22,500 --> 00:04:30,060
Nogmaals, je vindt de onzin in de show notes, maar er zijn ook anderen, om alle experimenten te documenteren van begin tot eind.

60
00:04:30,060 --> 00:04:42,000
Want wanneer een experiment dat zogenaamd mislukt, waarvan je leert, dat is natuurlijk waardevoller dan een experiment dat slaagt, maar waarvan niemand weet waarom.

61
00:04:42,000 --> 00:04:51,700
En als je ervoor zorgt dat experimenten zo klein zijn, dat je ze binnen vijf tot tien werkdagen kunt afronden, dan is de investering ook niet zo groot.

62
00:04:51,700 --> 00:04:59,180
Het derde thema is misschien wel het belangrijkste, is namelijk het opbouwen van de juiste organisatiestructuur.

63
00:04:59,180 --> 00:05:13,760
Ook weer uit ons marktonderzoek onder die 414 bedrijven blijkt dat bij 32% van de Nederlandse organisaties de verantwoordelijkheid voor AI bij één specifieke afdeling ligt.

64
00:05:14,260 --> 00:05:23,520
Wat nog verontrustende is, bij 20% van de organisaties is het zelfs volledig onduidelijk wie er verantwoordelijk is voor AI implementaties.

65
00:05:23,520 --> 00:05:26,200
Dat is precies wat je niet wil.

66
00:05:26,200 --> 00:05:32,740
AI is geen IT project, het is uiteindelijk een business transformatie.

67
00:05:32,740 --> 00:05:37,520
Dus je hebt een structuur nodig die cross functionele samenwerking bevordert.

68
00:05:37,520 --> 00:05:39,660
Hele mond vol, maar dat is wel belangrijk.

69
00:05:39,660 --> 00:05:47,480
In de praktijk zie ik dat succesvolle organisaties vaak werken met een zogenaamde AI competentiecentrum.

70
00:05:47,480 --> 00:05:55,220
En het hoeft niet letterlijk zo te heten, maar sterker nog, het hoeft niet eens een traditionele afdeling te zijn.

71
00:05:55,220 --> 00:05:59,720
Maar het belangrijkste is dat je een netwerk krijgt van mensen uit verschillende disciplines.

72
00:05:59,720 --> 00:06:06,800
IT, data science, maar ook business experts, ethici, misschien zelfs mensen uit HR en juridische zaken.

73
00:06:06,800 --> 00:06:12,660
En dit zogenaamde competentiecentrum heeft dan drie belangrijke functies.

74
00:06:12,660 --> 00:06:16,400
Eén, het verzamelen en delen van kennis en best practices.

75
00:06:16,400 --> 00:06:20,680
Twee, het bewaken van standaarden en ethische richtlijnen.

76
00:06:20,680 --> 00:06:25,740
En drie, het ondersteunen van verschillende afdelingen juist bij hun AI initiatieven.

77
00:06:25,920 --> 00:06:31,820
Maar vergis je niet, het betekent niet dat alle AI initiatieven via dit centrum moeten lopen.

78
00:06:31,820 --> 00:06:40,260
Dit centrum faciliteert en ondersteunt, maar de business blijft de eigenaar van hun eigen AI toepassingen.

79
00:06:40,260 --> 00:06:46,680
En als je deze organisatiestructuur hebt opgezet, is de volgende stap het creëren van een concrete roadmap.

80
00:06:46,680 --> 00:06:54,940
Ook weer in onze eerdere serie over AI experimenten hebben we geleerd dat een goede roadmap verschillende essentiële elementen bevat.

81
00:06:55,740 --> 00:06:58,360
Begin gewoon met quick wins.

82
00:06:58,360 --> 00:07:06,420
Experimenten nogmaals die in vijf tot tien werkdagen concrete resultaten kunnen opleveren en die je kan laten zien.

83
00:07:06,420 --> 00:07:14,860
Dus als je dit in een zogenaamde pressure cooking formaat stopt, kort intensief en juist gericht op snelle validatie.

84
00:07:14,860 --> 00:07:18,140
Dat je snel ziet, snel kan leren.

85
00:07:18,140 --> 00:07:23,040
Het doel is niet perfectie, maar juist leren en valideren.

86
00:07:23,640 --> 00:07:27,480
Daarnaast is het belangrijk om concrete succescriteria per fase te hebben.

87
00:07:27,480 --> 00:07:32,500
Maar ja, hoe bepaal je of je AI transformatie succesvol is?

88
00:07:32,500 --> 00:07:37,380
Laat me je meenemen langs de verschillende meetniveaus die je zou kunnen gebruiken.

89
00:07:37,380 --> 00:07:42,160
Op operationeel niveau kijk je naar de dagelijkse resultaten.

90
00:07:42,820 --> 00:07:45,540
Bijvoorbeeld verwerkingstijd van processen.

91
00:07:45,540 --> 00:07:46,220
Wordt dat minder?

92
00:07:46,220 --> 00:07:48,240
Worden je foutpercentages lager?

93
00:07:48,240 --> 00:07:50,500
Gaat je gebruikers tevredenheid omhoog?

94
00:07:50,500 --> 00:07:57,700
Deze cijfers vertellen je of je AI oplossing technisch goed functioneert en of de mensen er prettig mee werken.

95
00:07:59,440 --> 00:08:03,000
Op strategisch niveau, daar meet je de impact op je bedrijfsdoelen.

96
00:08:03,000 --> 00:08:04,980
Hoeveel kosten bespaar je?

97
00:08:04,980 --> 00:08:07,000
Verbeter je marktpositie?

98
00:08:07,000 --> 00:08:09,160
Kun je nieuwe diensten aanbieden?

99
00:08:09,160 --> 00:08:14,600
Deze metingen laten zien of AI echt waarde toevoegt aan je organisatie.

100
00:08:15,340 --> 00:08:21,420
Het niveau van organisatorische volwassenheid, misschien wel het belangrijkste niveau.

101
00:08:21,420 --> 00:08:26,460
Daar meet je hoe je organisatie groeit in haar AI capaciteiten.

102
00:08:26,460 --> 00:08:30,040
Hoeveel medewerkers zijn AI vaardig?

103
00:08:30,040 --> 00:08:34,080
Wat tegenwoordig natuurlijk wordt gezegd als AI geletterd.

104
00:08:34,080 --> 00:08:37,740
Hoeveel afdelingen experimenteren de zelfstandig?

105
00:08:37,740 --> 00:08:41,320
Hoe vaak worden ethische vraagstukken proactief besproken?

106
00:08:41,880 --> 00:08:48,980
Door op deze drie niveaus te meten voorkom je wat wij de experiment drift noemen.

107
00:08:48,980 --> 00:08:54,160
Het eindeloos doorgaan met experimenteren zonder duidelijke beslismomenten.

108
00:08:54,160 --> 00:09:03,560
Want het meten van je AI transformatie is geen eenmalige actie, maar een continu proces van leren en bijsturen.

109
00:09:03,560 --> 00:09:06,740
Dus begin met het stellen van de juiste vragen.

110
00:09:06,740 --> 00:09:11,400
Niet alleen werkt het, maar ook maken we de juiste impact.

111
00:09:11,660 --> 00:09:14,240
En groeien we als organisatie?

112
00:09:14,240 --> 00:09:17,900
Tot slot bevat een goede roadmap.

113
00:09:17,900 --> 00:09:20,600
Duidelijke go-no-go momenten.

114
00:09:20,600 --> 00:09:25,440
In je roadmap plan je formele evaluatiemomenten in.

115
00:09:25,440 --> 00:09:30,500
Hier kijk je niet alleen naar de technische resultaten, maar ook naar wat we de showstoppers noemen.

116
00:09:30,500 --> 00:09:36,780
Zijn er onvoorziene privacy issues, wetgevingsproblemen, organisatorische blokkades.

117
00:09:37,280 --> 00:09:43,380
Door deze structuur in te bouwen voorkom je dat je projecten of experimenten te lang doorlopen zonder duidelijke richting.

118
00:09:43,380 --> 00:09:47,440
Maar er is nog één vraag die ik moet beantwoorden.

119
00:09:47,920 --> 00:09:52,440
Hoe zorg je nu concreet dat je organisatie klaar is voor de toekomst?

120
00:09:52,500 --> 00:09:58,920
Het antwoord ligt in het combineren van alle elementen die we in deze serie hebben besproken.

121
00:09:58,920 --> 00:10:03,700
Dus je hebt een flexibel competentiecentrum nodig dat kennis verzamelt en deelt.

122
00:10:03,700 --> 00:10:06,460
Een cultuur van gestructureerd experimenteren.

123
00:10:07,120 --> 00:10:10,360
En een duidelijke roadmap die ruimte laat voor aanpassing.

124
00:10:10,360 --> 00:10:19,040
Door deze drie pijlen te combineren, creëer een organisatie die niet alleen vandaag met AI kan werken, maar ook klaar is voor de innovaties van morgen.

125
00:10:19,040 --> 00:10:24,640
Maar nu we aan het eind van deze serie komen, wil ik nog één les delen.

126
00:10:24,640 --> 00:10:28,540
Er is geen standaard route voor AI transformatie.

127
00:10:28,540 --> 00:10:31,320
Elke organisatie moet haar eigen weg vinden.

128
00:10:31,900 --> 00:10:36,620
Maar er zijn wel universele principes die het verschil maken tussen succes en falen.

129
00:10:36,620 --> 00:10:42,020
En het gaat om het vinden van de juiste balans tussen structuur en flexibiliteit.

130
00:10:42,020 --> 00:10:46,620
Tussen centrale coördinatie en decentrale innovatie zou je kunnen zeggen.

131
00:10:46,620 --> 00:10:48,120
Tussen ambitie en realisme.

132
00:10:48,120 --> 00:10:51,580
Maar vooral tussen technologie en menselijkheid.

133
00:10:51,580 --> 00:11:01,560
We begonnen deze serie met de ontnuchterende statistiek dat slechts 3% van de Nederlandse organisaties AI volledig heeft geïntegreerd.

134
00:11:01,560 --> 00:11:12,480
Met de praktische stappen die we vandaag hebben besproken en in de vorige twee delen heb je nu de tools in handen om bij de voorhoede te gaan horen.

135
00:11:12,480 --> 00:11:17,800
Dit was de laatste aflevering van onze serie over leiderschap en AI transformaties.

136
00:11:17,800 --> 00:11:22,900
Vergeet niet om ook onze driedelige serie over AI experimenten te beluisteren.

137
00:11:23,960 --> 00:11:25,520
Dit was AIToday Live.

138
00:11:25,520 --> 00:11:28,680
De podcast die AI begrijpelijk maakt met verhalen uit de praktijk.

139
00:11:28,680 --> 00:11:32,580
Abonneer je via je favoriete podcast app en mis geen aflevering.

140
00:11:32,580 --> 00:11:33,460
Tot de volgende keer.

141
00:11:33,460 --> 00:11:34,460
[Muziek]

142
00:11:34,460 --> 00:12:04,440
[Muziek]