Kleine teams gooien hun grootste AI-voordeel weg
Factor voor AI-succes: Herontworpen werkprocessen zijn cruciaal voor een succesvolle implementatie van AI, belangrijker dan budget of technologie.
Voordeel van kleine teams: Kleine teams bevorderen van nature samenwerking en vermijden de trage processen waarmee grote organisaties te maken hebben.
Belang van samenwerking: Voor een effectieve invoering van AI zijn teamwork en een heroverweging van besluitvormingsprocessen nodig, niet alleen nieuwe hulpmiddelen.
Ergens kijkt een oprichter op dit moment naar een factuur en vraagt zich af waarvoor hij heeft betaald. Het werk is gedaan. Alleen kan hij het nog niet zien.
Ik heb die factuur verstuurd. Wekenlang had ik gewerkt aan iets waarin ik geloofde, zonder dat de klant iets kon aanwijzen en vooruitgang kon noemen. Je weet dat ze stilletjes je waarde in twijfel trekken. Wat ze niet zien, is het enige werk dat ertoe doet.
Het werk dat je niet op een dia kunt zetten
Twintig uur per maand. Elk uur stond op een factuur, en als de oprichter me halverwege had tegengehouden en had gevraagd welke waarde ik had gecreëerd, weet ik niet zeker of ik een antwoord had kunnen geven dat de kosten rechtvaardigde.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
We testten tools tegen elkaar, gooiden werkstromen om die het team al jaren gebruikte, en zaten in een ruimte om het eens te worden over wat "beter" eigenlijk betekende. Op sommige dagen waren we drie uur bezig om te ontdekken dat een tool waarvan we dachten dat die zou werken, niet het ene kon doen wat we nodig hadden.
Dat is geen vooruitgang die je op een dia kunt zetten. En aan de andere kant van die factuur ziet een oprichter het budget slinken, de resterende looptijd korter worden en de verbruikssnelheid oplopen. Ze zouden niet de enigen zijn.
Vorig jaar stopten middelgrote bedrijven gemiddeld met één AI-initiatief per bedrijf, tegen kosten van meer dan $4 miljoen per project, omdat ze de waarde niet snel genoeg konden zien.
Aan onze kant van de factuur werkten we als een verspreid team in verschillende steden. Iedereen was verantwoordelijk voor een ander deel van het product, terwijl we problemen probeerden op te lossen die groter werden naarmate je ze beter bekeek. Het bedrijf had snelheid nodig. Het product had kwaliteit nodig. De tools waren onbewezen. Elke oplossing die voor de een werkte, creëerde een nieuw probleem voor iemand anders.
Dat ontrafel je niet met een checklist of een projectplan. Je ontrafelt het door elk perspectief in hetzelfde gesprek te brengen, elke afweging zichtbaar te maken en de stappen te vinden die de meeste voordelen opleveren zonder problemen ergens anders naartoe te verschuiven.
Dat gaat langzaam. Het ziet er niet goed uit op foto's. En het is de enige manier waarop het werkt.
Die problemen vermenigvuldigen zich omdat iedereen in het team iets anders probeert op te lossen, en de oude regels voor het in balans brengen van die verschillen niet langer gelden. De ontwikkelaar heeft integratie nodig zonder herstelwerk. De ontwerper heeft creatieve controle nodig zonder de pijplijn te vertragen. De oprichter wil dat alles minder kost en sneller gaat.
Binnen elk van die behoeften zitten tientallen kleinere afwegingen, en elke afweging raakt weer iets anders. Kies je voor de oprichter, dan lever je kwaliteit in. Kies je voor de ontwerper, dan vertraag je alles.
Het werk dat we deden, het trage, onzichtbare en frustrerende werk, bestond uit het vinden van de versie van elke beslissing die binnen het hele systeem de meeste voordelen opleverde zonder de schade simpelweg te verplaatsen.
De enige variabele die AI-succes daadwerkelijk voorspelt
Mis je dat, dan schaal je problemen sneller op dan je ze kunt oplossen. McKinsey ondervroeg bijna 2.000 leidinggevenden in 105 landen en testte 25 factoren die voorspellen of AI echte bedrijfsimpact oplevert. De belangrijkste factor was niet het budget, de betrokkenheid van het leiderschap of de technologiekeuze. Het ging erom of de organisatie haar werkstromen fundamenteel opnieuw had ontworpen.
Vervolgens leverden we in twee dagen iets op waarvoor de oude werkstroom weken en drie of vier mensen nodig zou hebben gehad. Geen concept of prototype. Een volledig werkstuk, nagekeken en goedgekeurd, dat problemen oploste waar het team al maanden omheen had gewerkt.
Het moeilijkste probleem was niet het produceren van het werk. Het was dat we er zo veel van konden produceren, zo snel, dat de oude vraag — wat schrappen we om binnen het budget te blijven en op tijd te leveren? — niet langer relevant was.
De afwegingen die vroeger elk planningsgesprek domineerden, vielen nauwelijks nog op. In plaats daarvan moesten we opnieuw nadenken over waar we de waarde van onze tijd, onze samenwerking en onze individuele bijdragen konden inzetten. Het werk werd niet alleen sneller. Het doorbrak het ritme waarin het team al jaren werkte.
Het structurele voordeel waarvan kleine teams niet weten dat ze het hebben
Grote organisaties kunnen niet doen wat wij deden. Ze kunnen niet alle belanghebbenden in hetzelfde gesprek brengen en in realtime samen afwegingen maken. Daarom bouwen ze processen om het te benaderen: bestuurscommissies, goedkeuringsketens, expertisecentra en speciale AI-functies.
Het is allemaal duur, traag en ontworpen om iets na te bootsen wat een klein team al vanzelf doet.
De ironie is dat de meeste kleine teams het niet zo zien. Ze kijken naar de aanpak van grote ondernemingen en nemen aan dat dit is hoe serieuze AI-adoptie eruitziet. Ze wijzen iemand aan die ervoor verantwoordelijk is. Ze kopen tools en bouwen processen. En daarmee geven ze het enige structurele voordeel op dat ze daadwerkelijk hadden.
Vorig jaar schatte S&P Global dat 42% van de bedrijven het merendeel van hun AI-initiatieven had opgegeven, meer dan twee keer zoveel als het jaar ervoor.
De vaak aangehaalde bevinding van MIT dat 95% van de AI-pilots binnen bedrijven geen meetbare opbrengsten oplevert, wordt gebruikt als stok om AI-initiatieven mee te slaan, maar in de praktijk zien wij dat ze niet mislukken omdat de technologie niet werkt. Ze mislukken omdat bedrijven AI proberen te dwingen in de manier waarop ze al werken. Ze slaan het trage, weinig glamoureuze werk over van het opnieuw doordenken over hoe mensen samenwerken, waar beslissingen worden genomen en hoe succes eruitziet wanneer de hulpmiddelen alles veranderen.
Je hoeft geen AI-specialist in dienst te nemen. Je hebt geen expertisecentrum of formeel verander managementplan nodig. Je hoeft niet groter of gestructureerder te worden om AI te laten werken.
Wat je nodig hebt, is al aanwezig tijdens het gesprek: de mensen die het werk kennen, die de afwegingen voelen en die begrijpen hoe succes eruitziet vanuit hun positie.
We hebben dit al eerder meegemaakt. Elke grote technologische verschuiving, van de pc tot het internet en de cloud, vereiste hetzelfde: tijd om te leren, ruimte om te experimenteren en toestemming om opnieuw te bedenken wat je als vaststaand beschouwde.
AI is niet anders, het gaat alleen sneller. Het is geen probleem dat één persoon voor de rest van de organisatie kan oplossen. Het is een vaardigheid die je hele team moet opbouwen, op dezelfde manier waarop ze elk hulpmiddel ervoor hebben geleerd. Geef hun de tijd en ruimte om er samen uit te komen.
Dat is geen technologisch probleem. Dat is het nooit geweest.
