Waarom ik eerst naar het proces kijk.

De afloop is meestal al te voorspellen op het moment van aanschaf. Er wordt een tool gekocht, die tool wordt op het bestaande werk gezet, en drie maanden later opent niemand hem meer. Wat daar misging zit zelden in de techniek. De tool deed waarvoor hij gebouwd was: hij versnelde het proces dat eronder lag. Alleen was dat proces al niet in orde.

Als het proces stuk is, versterkt AI het stuk-zijn. Daarom kijk ik eerst naar het proces, dan pas naar AI. Je automatiseert de rommel en schaalt de inefficiëntie op. Wat je overhoudt is een duur systeem dat binnen een kwartaal wordt uitgezet, en een team dat de volgende keer bij voorbaat afhaakt.

Die tweede post is de duurste, en hij staat op geen enkele factuur. Een mislukte implementatie kost je de investering. Daarnaast kost hij je de jaren erna, waarin niemand in het bedrijf het onderwerp nog durft aan te snijden.

Process First, AI Second gaat daarom niet over techniek maar over volgorde. Vier stappen, en de winst zit in de twee die iedereen wil overslaan.

Begrijpen komt vooraan. Wat doet het proces nu werkelijk, hoe lang duurt het, wie raakt het aan, welke gegevens lopen erdoorheen en waar loopt het vast. Dat klinkt als een formaliteit tot je het uitschrijft en ziet dat twee afdelingen hetzelfde werk twee keer doen, of dat een goedkeuringsstap wacht op iemand die er al een jaar niet meer over gaat.

Optimaliseren is de tweede. Overbodige stappen eruit, de bottleneck weg, en het proces stabiel en voorspelbaar maken. Deze stap alleen levert vaak al rendement op zonder dat er één model aan te pas komt, en hij bepaalt of de stap erna überhaupt zin heeft. Een instabiel proces is niet te automatiseren, want er valt geen regel te vinden die morgen nog klopt.

Pas dan komt de vraag of AI hier iets toevoegt. Welke stap is repetitief, data-intensief of schaalbaar, en staat de data er in een kwaliteit waar een model iets zinnigs mee kan. Bij een deel van de processen is het antwoord nee. Dat is geen mislukte analyse maar een bruikbare uitkomst, want het scheelt je de investering.

Wat wel doorgaat, gaat één proces tegelijk. Bouwen, meten wat het oplevert, en pas daarna verbreden naar het volgende.

Een concern kan een experiment laten mislukken en het afboeken als leergeld. Ik heb 11 jaar aan die kant gewerkt, dus ik weet hoe die post eruitziet in een jaarrekening waar niemand van opkijkt. In een bedrijf van dertig man bestaat die post niet.

Daar komt bij dat er geen laag omheen zit die een misser opvangt. Geen eigen IT-afdeling, geen change-manager, geen projectbureau. Wat je neerzet moet blijven draaien zonder die mensen, anders draait het over drie maanden niet meer.

En dan het stuk dat het vaakst wordt onderschat: draagvlak. In een klein bedrijf weet iedereen binnen een week dat de nieuwe manier van werken niet werkt. Dat oordeel is daarna niet meer terug te draaien met een betere tool.

De volgorde beschermt alle drie. Niet omdat hij voorzichtig is, maar omdat hij de kans vergroot dat er over een jaar nog iets van draait.

Een volgorde is pas een principe als hij je een keer een opdracht kost. Anders is het een verkoopargument met een net jasje aan.

Concreet betekent het nee zeggen wanneer het proces nog niet stabiel is, wanneer de data te rommelig is om op te bouwen, wanneer het team er niet klaar voor is, of wanneer het verwachte rendement de investering niet rechtvaardigt. Dat gesprek duurt langer dan een offerte sturen en het levert op korte termijn minder op.

Daarom staat het ook in het product en niet alleen in de copy. Over de diagnose staat er dit: "Geen garantie, wel deze afspraak: zie ik geen rendabele AI-kans, dan staat dat gewoon in het rapport." En tegenover het implementatiewerk staat een afspraak die letterlijk in de algemene voorwaarden is opgenomen: "Draait de workflow niet in productie? Dan komen wij terug, op onze rekening."

Aan de ene kant van deze markt staan bureaus die een transformatietraject verkopen. Aan de andere kant staan partijen die een tool verkopen zonder er een proces bij te leveren. De positie ertussenin is ongemakkelijker en luidt: misschien heb je AI helemaal niet nodig, laten we dat eerst uitzoeken.