De meeste "AI-strategieën" die ik op directietafels heb zien liggen, zijn geen strategieën. Het zijn inventarissen. Een lijst van plekken waar AI zou kunnen helpen — netjes geclusterd, voorzien van een impact-schatting en een kleurgecodeerde prioritering. Het ziet er professioneel uit. Het voelt verantwoord. En het is, bij nadere beschouwing, het tegenovergestelde van een strategie.
Een strategie is een keuze. Een keuze om iets níet te doen, zodat iets anders écht kan gebeuren. Een lijst van dingen die "we ook zouden kunnen doen" is juist een manier om die keuze uit te stellen.
Strategie is niet het verzamelen van mogelijkheden. Het is het eerlijk benoemen van wat je áchter je laat.
Hoe je het verschil herkent
Er is een simpele test. Vraag in een vergadering: "Wat gaan we niet doen?" Als er stilte valt, of als mensen gaan omschrijven wat de strategie wél inhoudt — dan is er geen strategie. Dan is er een verzameling hoop.
Een echte strategie laat zich in één zin samenvatten, zonder de woorden "synergie", "schaalbaar" of "toekomstbestendig". Probeer het maar eens. Als je het niet kunt, dan bestaat ze niet.
Drie symptomen van een niet-strategie
- Alles kan meedoen. Elk idee dat langs is gekomen, staat erin. Niemand is afgewezen. Dat voelt inclusief, maar het betekent dat er niet is gekozen.
- Het einddoel is een dashboard. "We willen data-driven worden" is geen doel. Het is een intentie zonder richting. Wat wil je anders dóen zodra je het bent?
- Iedereen heeft er een stukje van. Als alle afdelingshoofden kunnen wijzen op "hun" use case, is er niet geprioriteerd. Er is onderhandeld.
Waarom het ertoe doet
Een niet-strategie heeft een voorspelbare levensloop. De eerste zes maanden worden gevuld met pilots. Pilots leiden tot POC's. POC's leiden tot het inzicht dat "we eigenlijk eerst het datafundament op orde moeten hebben". En dan begint het werk waarmee we hadden moeten beginnen — maar nu met een jaar vertraging en een organisatie die wat moe is van AI.
Onze diagnose-vraag #1
Als één project in deze strategie zou falen, zou dat dan een probleem zijn? Als het antwoord "niet echt" is, dan hoort het project er niet in.
Wat wel werkt
Een strategie die we bruikbaar vinden beantwoordt drie vragen, in deze volgorde:
Wat wil je over twee jaar als organisatie anders kunnen? Niet: wat wil je met AI doen. Maar: welk besluit, welk gesprek, welke klantinteractie moet er fundamenteel anders verlopen?
Wat staat daar nú tussen? Vaak blijkt dat AI daar niet eens de dichtstbijzijnde oplossing voor is. Soms is het een proces. Soms een afsprakenstelsel. Soms — vaak — een datafundament dat te fragiel is om iets serieus op te bouwen.
Welke twee of drie dingen gaan we dus écht doen? Twee of drie. Niet twaalf. Alles dat niet op die lijst staat, is expliciet uitgesteld of afgewezen.
Een goede AI-strategie heeft meer te maken met moed dan met modellen.
Tot slot
Als je het gevoel hebt dat jouw AI-strategie meer een inventaris is dan een keuze, ben je in goed gezelschap. De meeste zijn dat. Het goede nieuws: het is vaak niet nodig om opnieuw te beginnen. Je hoeft alleen te durven benoemen wat er níet meer in staat.
Dat is het moeilijkste werk. En — in onze ervaring — ook het meest productieve.