De kunst van het transformeren
Het onderwerp digitale transformatie ontbreekt op geen enkele strategische to-do-list. De urgentie is duidelijk, het idee dat een bedrijf makkelijk ten onder kan gaan als het niet meegaat in de digitalisering, en met name de inzet van articifial intelligence (ai), is voldoende doorgedrongen tot de bestuurskamers. En hoe langer u ermee wacht, des te groter de kans dat concurrenten of nieuwkomers u de loef afsteken. Digitaal ondernemen helpt bij het zoeken naar nieuwe producten en diensten, naar andere markten en nieuwe inkomstenbronnen. Het kan het aanscherpen van de strategie aanjagen, de weg openen naar nieuwe businessmodellen.
Daarnaast is het in steeds sterkere mate van belang bij het optimaliseren van de bedrijfsvoering: bedrijfsprocessen kunnen met dank aan digitalisering goedkoper, efficiënter en klantgerichter ingericht worden. Deze processen zijn nooit losse elementen, maar hangen nauw met elkaar samen. Digitaliseert het ene proces, dan heeft dat direct ook effect op andere processen.
De cruciale vraag is: hoe pakken we door ai gedreven digitale transformatie het aan? Hierbij een aantal overwegingen.
Data als brandstof voor uw nieuwe businessmodel
De data binnen onze eigen organisatie plus die binnen het ecosysteem waarin we als organisatie opereren, kunnen we beschouwen als de belangrijkste grondstof voor digitaal transformeren. Organisaties vergeten vaak om die data centraal te stellen, om data te zien als bron voor een vernieuwd of ander businessmodel. Paradoxaal genoeg komen we werkelijk om in die data, maar blijft het onduidelijk welke data we kunnen inzetten om tot een nieuw of verbeterd businessmodel te komen. Hier dreigt het gevaar van data rich, information poor. De kunst is om met slimme algoritmes nieuwe inzichten te genereren uit de rap groeiende databergen, om van daaruit waardevolle producten en diensten te kunnen ontwikkelen. Toegevoegde waarde voor een klant ontstaat pas als je al die data op vernieuwende wijze weet in te zetten.
Werken vanuit ‘the end in mind’
In de praktijk zien we dat de start met ai vaak plaatsvindt in splendid isolation. Dat is begrijpelijk, omdat de organisatie vaak via experimenten wil ervaren wat ai überhaupt kan brengen. Dus wordt voor een deelproces een punt-oplossing neergezet, bijvoorbeeld een specifieke oplossing voor het kredietbeoordelingsproces. Uitdaging hierbij is dat deze oplossingen beperkt schaalbaar zijn en niet breder binnen de organisatie kunnen worden uitgerold, richting bijvoorbeeld een koppeling met andere processen. Idealiter overstijgt ai-technologie de grenzen van organisatieonderdelen als afdelingen, businessunits of divisies en ligt de focus op een hele klantreis of heel bedrijfsproces en rammelt het aan de poorten van het huidige bedrijfsmodel. Maak het daarom niet te klein en denk vanaf het begin al, om met Stephen Covey te spreken, met the end in mind.
Dit vraagt om een team dat niet alleen de technologie maar vooral ook de business en de klant begrijpt. Dat team bestaat idealiter uit een mix van jong en oud. Geef het team de opdracht de huidige status quo van de organisatie en haar processen uit te dagen. Geef ze de missie om tot een in het bedrijf inpasbare disruptie van het bedrijfsmodel te komen zonder the end in mind los te laten. Laat ze hun werk in korte iteraties opleveren om snel inzichten te krijgen of de ingeslagen weg passend is, maar gun ze ook de tijd en investering die het vraagt om succesvol te zijn. Ai inpassen is complex, vergt een echte investering in geld, mens- en denkkracht en vraagt de mogelijkheid om te kunnen vallen en opstaan.
Het is bij het opstarten van trajecten makkelijk om je te verliezen in alle mogelijkheden die technologie te bieden heeft. Echter als uw team de (meer) geavanceerde technologie en programmeertalen, zoals R en Python, nog niet in de vingers heeft, is het beter om te beginnen met generieke ai-bouwblokken die op de markt beschikbaar zijn, zoals van bijvoorbeeld Amazon, Google of Microsoft. Voordeel hiervan is dat het team zich niet verliest in het bouwen van de toepassing en zich focust op het ontdekken hoe algoritmes toe- en in te passen, met welke data deze te ‘voeden’ om ze te optimaliseren en te ontdekken waar ze het businessmodel kunnen verbeteren.
Krijgt een succesvol gebleken ai-toepassing vervolgens het groene licht, dan moet je eerst kijken hoe je deze het beste kunt laten ‘landen’ binnen de huidige processen of bedrijfsvoering. The proof of the pudding is in the eating, zeker bij ai. Teveel trajecten komen tot stilstand omdat ze niet geïmplementeerd worden. Durf met de juiste mitigerende maatregelen de toepassing te finetunen in de dagelijkse operatie. Alleen zo lukt het om van toegevoegde waarde voor de business te zijn. Daarnaast helpt het bij de acceptatie in de organisatie dat ai van waarde is. En legt het de basis om de technologie op te schalen.
Houd rekening met zorgen
Tegelijk zien we in de markt de nodige terughoudendheid onder bestuurders. Ze hebben zorgen en dat is op zich niet onterecht: bij digitale transformatie spelen uiteenlopende risico’s, van cyberrisico’s tot het niet meer voldoen aan nieuwe wet- en regelgeving – denk aan privacy-issues en intellectueel eigendom. Ook investeringen in technologie die uit de hand lopen en medewerkers die de digitale omschakeling niet goed aankunnen door ontbrekende competenties of begeleiding, vormen een risico. Dat is veel om rekening mee te houden en goed over na te denken.
Het is zeker dat een groot deel van de taken van medewerkers wordt overgenomen door ai. Zo voorspelt het World Economic Forum dat in 2025 ongeveer 52 procent van alle huidige taken zal zijn overgenomen door machines, robots en andere slimme technologie; nu staat die teller op 29 procent. Vrijwel iedere sector gaat dit merken. Neem de medische sector: daar wemelt het inmiddels van de ai-innovaties, waarbij zelflerende computers gebruikmaken van zogenoemde deep learning neurale netwerken. Analyse door zelflerende computers van duizenden röntgenbeelden wint het qua accuratesse en snelheid steeds vaker van het blote oog van de arts, hoe ervaren die ook is. Dat geldt voor de radioloog die scans beoordeelt, voor de patholoog die weefsel bestudeert door zijn microscoop, voor de dermatoloog die met het blote oog een verdacht plekje op de huid bekijkt. Nu kan de arts een computerbeeld nog op de mail zetten voor een second opinion door een collega-arts, maar hoe lang duurt het nog voordat zelflerende algoritmen deze taak van artsen overnemen, omdat ze het veel beter en sneller doen?
Wat geldt voor medici, geldt net zo goed voor apothekers, juristen (contracten worden steeds vaker door software geschreven), registeraccountants, et cetera.
Investeer ook in de implementatie
De digitale revolutie heeft volgens consultantskantoor McKinsey tien keer meer impact dan de industriële revolutie, in een vijfde van de tijd. Daar staat tegenover dat de totale hoeveelheid werk wereldwijd zal toenemen. In de distributiecentra van webgiganten als Amazon of Bol.com worden de orderpickers weliswaar geheel of gedeeltelijk vervangen door robots en ai, maar Amazon groeit ondertussen wel hard door, wat per saldo resulteert in meer werk op andere afdelingen van het bedrijf.
Het is daarbij wel essentieel dat medewerkers zich blijven doorontwikkelen, met het oog op veranderende en nieuwe rollen, en bedrijven moeten oppassen niet de fout te maken om wel te investeren in nieuwe technologie, maar niet in de implementatie daarvan. Dat laatste kan bijvoorbeeld door het trainen van medewerkers en door eraan te werken dat zij die nieuwe technologie ook daadwerkelijk accepteren. Aan dat laatste schort het nogal eens, is de ervaring. Sowieso moeten bedrijven het inpassen van nieuwe ai in huidige processen en de bestaande organisatiecultuur nooit onderschatten.
Hoe dan ook moeten organisaties voorsorteren op een toekomst met een hybride personeelsbestand: robots nemen uiteindelijk steeds meer saaie taken van werknemers over, maar de creativiteit van de mens zal altijd nodig blijven als aanjager van innovatie en groei. Waar dat toe kan leiden, zien we bijvoorbeeld in China waar ANT Financial Services Group, vergeleken met Amerikaanse banken, dankzij ai tien keer meer klanten bedient met een tiende van het personeel.
Dit artikel is gepubliceerd in Management Scope 03 2020