Het boek AI aan het werk van Timo Boezeman is geschreven als praktisch handvat voor organisaties en individuen die verder willen kijken dan de hype rond kunstmatige intelligentie. Het boek, gepubliceerd in augustus 2025, richt zich op het duurzaam integreren van AI binnen organisaties, waarbij AI een middel is om uitdagingen en problemen op te lossen, met aandacht voor de menselijke maat.

De 3 kernpunten uit dit boek:

• AI is geen toekomstmuziek maar noodzaak: Organisaties kunnen tot 70% van repetitief werk wegautomatiseren en 30-45% productiviteitswinst behalen, maar moeten nu beginnen om niet achter te raken
• Het AI Transformatiecanvas biedt houvast: Een praktisch raamwerk met vier lagen (Intentie, Impact, Infrastructuur, Integratie) helpt organisaties stapsgewijs en verantwoord AI te implementeren
• Mens en machine als team: AI vervangt mensen niet, maar ondersteunt hen – de menselijke factor blijft cruciaal voor creativiteit, ethiek en leiderschap

De evolutie van AI: van Turing tot ChatGPT

De aanleiding voor de huidige AI-hype begon abrupt op 30 november 2022 met de lancering van ChatGPT, dat binnen vijf dagen meer dan een miljoen gebruikers trok en AI massaal in de schijnwerpers zette. Hoewel dit een explosieve adoptie was, is AI geen moderne rage, maar het resultaat van decennia aan ontwikkeling.

Belangrijke mijlpalen in de AI-geschiedenis

• De Turing-machine en de Turing-test (1950): vertaalden de filosofische vraag ‘kunnen machines denken?’ naar toetsbaar gedrag
• Het Dartmouth-moment (1956): waar de term ‘Artificial Intelligence’ werd gemunt
• Het Eliza-effect (1966): waarschuwde al vroeg voor de menselijke neiging om empathie toe te dichten aan machines
• Verschillende AI-winters (jaren ’70 en ’90): perioden van teleurstelling en teruggeschroefde financiering als gevolg van te hoge verwachtingen en beperkte rekenkracht
• Doorbraken in gespecialiseerde AI: Deep Thought (1988) en Deep Blue (1997) toonden aan dat computers op specialistische taken mensen konden overtreffen
• De verschuiving naar statistische modellen: IBM’s Watson (2011) en Google DeepMind’s AlphaGo (2016) verkenden nieuwe creatieve wegen
• De transformer-revolutie: Google BERT (2018) en GPT-3 (2020) leidden tot de generatieve AI-revolutie van ChatGPT

Kernlessen uit de geschiedenis

Elke mijlpaal leert kernlessen: hype en teleurstelling wisselen elkaar af, specialisatie leidt tot doorbraken, data en rekencapaciteit zijn essentieel, en menselijke factoren (vertrouwen, ethiek, governance) blijven cruciaal. De auteur benadrukt dat organisaties die vandaag nog niet massaal inzetten op AI niet direct achterlopen, maar wel een serieus probleem riskeren als ze over een jaar of twee nog steeds afwachten.

Praktische waarde en strategische impact van AI

AI kan worden gezien als een digitale collega die routinetaken overneemt, waardoor mensen zich kunnen richten op creativiteit, strategie en waardetoevoeging. Organisaties kunnen tot wel 70% van de tijd die aan repetitief werk wordt besteed vrijspelen, operationele kosten verlagen, en de besluitvorming verbeteren. AI kan bijvoorbeeld wervingstijd halveren in HR, responstijden verkorten bij klantenservice, en bijdragen aan cybersecurity.

Strategische voordelen

Strategisch gezien fungeert generatieve AI als een ideeëngenerator op steroïden, wat kan leiden tot 66% hogere prestaties bij complexe taken en wereldwijd 2,5 tot 4 biljoen euro aan extra waarde kan toevoegen, met name in marketing, klantcontact, sales en supplychainmanagement. Het maakt hyperpersonalisatie mogelijk en resulteert in een gemiddelde productiviteitswinst van 30-45% in klantcontact en 5-15% besparing op het marketingbudget.

Cases uit de praktijk

Cases zoals die van Rabobank, die tijdelijk op de rem trapte om governance en risicobeheersing in te richten alvorens gecontroleerd op te schalen, en Coca-Cola, die AI inzette voor co-creatie en merkbeleving met commercieel succes, illustreren de balans tussen innovatie en verantwoordelijkheid.

Wat AI wel en niet kan: krachten en beperkingen

Generatieve AI kan nieuwe inhoud creëren, van teksten tot code en beelden. Het werkt door patronen te leren uit enorme datasets en voorspelt het meest waarschijnlijke volgende woord of pixel. De voordelen zijn kortere doorlooptijden, lagere kosten en gepersonaliseerde klantervaringen. Freshworks’ Freddy Copilot versnelde bijvoorbeeld codering en documentatie voor ontwikkelaars.

Belangrijke risico’s en tekortkomingen

Echter, AI kent ook belangrijke tekortkomingen en risico’s:

Hallucinaties: AI genereert regelmatig onjuiste of verzonnen informatie die overtuigend kan klinken. Dit werd pijnlijk duidelijk bij CNET, waar AI-gegenereerde artikelen feitelijke fouten en plagiaat bevatten, wat leidde tot reputatieschade. Ook Google Bard maakte bij de lancering een kostbare feitelijke fout.

Gebrekkig begrip van context en emotie: AI heeft moeite met subtiliteiten zoals sarcasme, culturele verschillen of morele afwegingen, omdat het niet echt begrijpt.

Bias en discriminatie: Getraind op historische data, kunnen AI-systemen bestaande vooroordelen versterken. Amazons wervingsalgoritme dat vrouwen benadeelde, is een prominent voorbeeld. De AI-verordening classificeert recruitment met AI als hoog risico en stelt strenge voorwaarden aan eerlijkheid en menselijk toezicht.

Auteursrecht en transparantie: Het gebruik van beschermde beelden voor AI-training roept juridische vragen op. Getty Images ging over tot juridische stappen, maar ontwikkelde tevens een eigen ‘schone dataset’ en een model met vrijwaring voor klanten.

Afhankelijkheid en controleverlies: Ongecontroleerd gebruik van externe AI-tools (shadow AI) kan leiden tot datalekken, zoals bij Samsung, dat door interne uploads van vertrouwelijke informatie op OpenAI-servers een totaalverbod instelde en een eigen LLM ontwikkelde.

Mens en machine als team

Het boek benadrukt dat AI de mens niet volledig zal vervangen, maar vooral een ondersteunende rol speelt en de aard van het werk verandert. De mens blijft nodig voor creativiteit, leiderschap, sociale vaardigheden en ethische afwegingen – concepten die vallen onder ‘collaborative intelligence’ of ‘augmented intelligence’.

Het AI Transformatiecanvas: een praktisch instrument

Om organisaties gestructureerd met AI aan de slag te helpen, introduceert Boezeman het AI Transformatiecanvas. Dit canvas, dat met een multidisciplinair team moet worden ingevuld, bestaat uit elf onderdelen verdeeld over vier lagen:

De vier lagen van het canvas

Intentie (Het fundament): Visie, commitment en budget. Zonder dit fundament heeft het geen zin verder te gaan.

Impactgebieden (De toepassing): Klantwaarde, medewerkerervaring, innovatiekracht en efficiëntie & potentie.

Infrastructuur (Enablement): Data & tools, vaardigheden & rollen, en ethiek & governance.

Integratie (De verankering): Strategie & besturing, en cultuur & leiderschap.

Elk onderdeel krijgt een score van 1 tot 5, wat inzicht geeft in de volwassenheid van de organisatie op het vlak van AI en waar groei nodig is. De overallscore helpt bij het bepalen van de volgende stappen, variërend van het bouwen van het fundament tot het versnellen en innoveren.

Van strategie naar actie: vijf praktische stappen

Het boek biedt een vijfstappenplan om het canvas in de praktijk te brengen en ‘pilotmoerassen’ te voorkomen:

Stap 1: Identificeer kansen en koplopers

Zoek AI-toepassingen die direct bijdragen aan strategische doelen en betrek enthousiaste medewerkers (‘koplopers’) als ambassadeurs en feedbackkanalen.

Stap 2: Zet pilots op en valideer

Voer kleinschalige proeven uit in een gecontroleerde omgeving om haalbaarheid en waarde te testen, met duidelijke doelen en KPI’s. Essentieel is het betrekken van een multidisciplinair pilotteam en een stuurgroep die beslist over opschaling of stopzetting.

Stap 3: Realiseer structurele integratie

Veranker AI in de bedrijfsstrategie, processen en cultuur. Dit omvat ‘herbedrading van de onderneming’, aanpassing van functieprofielen (het 4R-plan: Redesign, Reskill, Redeploy, Relief & support) en doorlopend onderhoud van AI-systemen.

Stap 4: Focus op verandermanagement

Focus op de menselijke factor door transparante communicatie over het ‘waarom’ van AI, het wegnemen van angst voor baanverlies (‘fear of becoming obsolete’ – FOBO), en het bieden van trainingen en begeleiding. Leidinggevenden moeten als rolmodel fungeren.

Stap 5: Zorg voor governance en borging

Zorg voor duurzaamheid door structuren voor toezicht (AI-commissies), risicomanagement (privacy, bias, transparantie) en operationeel beheer. ‘Governance by design’ is essentieel om de complexiteit en risico’s van AI te beheersen.

Toekomstvisie: AI-first cultuur en continu leren

De toekomst van generatieve AI omvat multimodaliteit (integratie van tekst, beeld, audio, video) en autonome agents. Domeinspecifieke modellen, zoals BloombergGPT, tonen de waarde van gespecialiseerde data. Dit vereist constante aanpassing, levenslang leren en een innovatiecultuur.

Organisaties zoals Duolingo en Shopify omarmen een ‘AI-first’ cultuur, waarbij AI-gebruik een basisverwachting wordt en AI-vaardigheden worden opgenomen in functioneringsgesprekken. Hoewel dit leidt tot enorme productiviteitswinsten, brengt het ook uitdagingen met zich mee op het gebied van werknemersmoraal en de noodzaak van continue bijscholing.

Conclusie: AI als kompas voor de toekomst

Het AI Transformatiecanvas is een dynamisch kompas dat helpt bij het continu meten, leren en bijsturen van de AI-reis. Door intentie, impact, infrastructuur en integratie als samenhangend geheel te beschouwen, en door middel van scoreloops en objectieve metingen, kunnen organisaties AI doelgericht, verantwoord en met draagvlak realiseren.

De boodschap is helder: AI is geen project, maar een onmisbare basisvoorwaarde voor het voortbestaan van organisaties.

(Voor deze samen vatting van dit boek maakte ik gebruik van NotebookLM van Google. Ik vroeg om een samenvatting van zo’n 1000 woorden. Dat werden er wat meer. Daarna maakte ik er een blogpost van met behulp van Claude, die voor een betere structuur en tussenkoppen zorgde. H.F.)