Van experimenten naar focus
Bij Ahold Delhaize werd de afgelopen jaren druk geëxperimenteerd met allerhande AI-projecten. Van voedselverspilling tot logistiek — het concern probeerde van alles uit.
CEO Frans Muller over de resultaten: "De uitdaging is om de energie van de werkvloer te behouden, maar die te kanaliseren richting projecten die écht impact hebben."
De nieuwe aanpak: niet langer honderden kleine projectjes verspreid over afdelingen, maar focus op twee tot drie grote bedrijfsprocessen. Niet een stukje van de keten verbeteren, maar het hele proces in zijn geheel aanpakken.
ING deed hetzelfde. CEO Steven van Rijswijk: "We richten ons op een paar grote processen. Anders heb je allerlei verschillende data en inzicht in heel veel processen nodig. Dat creëert enorm veel complexiteit."
KLM-directeur Marjan Rintel bevestigt: "Het is beter twee of drie dingen heel goed te doen, die groter zijn en meer opleveren, dan dat we te veel initiatieven op verschillende plekken krijgen."
Begin bij het probleem, niet bij de technologie
ING heeft de verantwoordelijkheid voor AI bewust niet bij IT ondergebracht, maar bij de operationele tak. En cruciaal: de businessleiders zijn verantwoordelijk.
Van Rijswijk: "Anders krijg je innovatie om de innovatie: mensen die iets heel cools willen bouwen dat vervolgens weinig zakelijke impact heeft."
Het ING-proces begint met de vraag wat ze willen oplossen, dan analyseren wat het huidige proces is, dan kijken of ze stappen kunnen elimineren. Pas daarna komt technologie in beeld.
Van Rijswijk: "Soms leerden we: we moeten gewoon een paar stappen elimineren, in plaats van AI erop loslaten."
Ahold-CEO Muller is realistisch over de positie van een retailer: "Als je een bedrijf bent dat tomaten en muesli verkoopt dan zit je er wat pragmatischer in." Ze kiezen voor een "smart follower"-strategie: niet alles zelf uitvinden, maar bewezen technologie toepassen.
De monteurs die de AI negeerden
Bij NS ontwikkelden ze een systeem dat monteurs moest helpen bepalen welke trein als eerste onderhoud nodig heeft. Technisch werkte het perfect. Maar de monteurs negeerden het.
CEO Wouter Koolmees: "Die dachten: 'Ik heb hier twintig jaar ervaring in, ik weet het echt wel'."
Het probleem zat niet in de technologie, maar in de presentatie. Koolmees: "Het was te veel the system says no."
De tool werd afgevoerd, maar later opnieuw geïntroduceerd — nu als hulpmiddel om het werk makkelijker te maken. Het resultaat: enthousiaste monteurs die het systeem actief gebruiken.
Een ander voorbeeld: camerapalen langs het spoor analyseren nu wielstellen en stroomafnemers. Koolmees: "Vroeger moest iemand 's avonds en 's nachts met een zaklamp onder de trein kijken. Nu kan een monteur overdag op een scherm zien: bij de derde bak, bij het tweede wielstel, zit iets."
De monteurs zijn enthousiast omdat het hun werk makkelijker maakt én omdat er minder nachtdiensten nodig zijn.
De boardroom moet het ook snappen
KLM-directeur Rintel is opvallend eerlijk: "Ik gebruikte het in het begin als een soort internetvraagbaak in plaats van als een AI-tool die heel veel kan. Als je op YouTube kijkt wat met AI inmiddels allemaal mogelijk is, dan moet de boardroom dat ook snappen."
Die erkenning is zeldzaam. Waar veel bedrijven doen alsof hun top al helemaal mee is, geeft Rintel toe dat het bestuur de mogelijkheden van generative AI nog beter kan benutten. Het hele bedrijf krijgt trainingen. Ook de top.
Wat de CEO's zelf gebruiken: Muller werkt met ChatGPT en Perplexity voor commerciële vraagstukken en speeches. Van Rijswijk vat presentaties van concurrenten samen. Koolmees gebruikt NS' beveiligde AI-chatomgeving. Rintel laat AI haar week samenvatten met openstaande actiepunten — "maar het zit nog niet in mijn systeem."
Het fundament: data kwaliteit
Alle vier de CEO's benadrukken hetzelfde fundament: data kwaliteit.
Muller: "Het fundament is data en datakwaliteit. Zonder schone, betrouwbare data werkt geen enkel AI-systeem goed."
ING testte een chatbot op duizend klanten. De bot bood soms producten aan die niet bestonden. Maar dat was precies de bedoeling — ze wilden leren wat er mis kon gaan.
Van Rijswijk: "De enige manier om snel te leren is door het écht te testen. Want dan kun je onderzoeken wat er in de data niet goed zit, waardoor je die rare antwoorden krijgt."
Realisme over impact
Opvallend: geen van de CEO's verwacht dat AI hun bedrijf volledig omgooit.
Rintel: "80% van het werk is mensenwerk, met crew aan boord. Zeker met verstoringen vinden mensen het fijn dat je persoonlijk geholpen wordt. AI kan ons vooral helpen in onze processen, meer dan dat het ze helemaal overneemt."
Koolmees: "Ons belangrijkste doel is treinen op tijd, schoon en veilig laten rijden. Wij zijn geen techbedrijf dat heel veel investeert in pilots in de hoop dat er iets uit komt."
Deze pragmatische houding helpt om verwachtingen realistisch te houden en te focussen op échte waarde.
Wat deze bedrijven leerden
Deze vier organisaties — groot, gevestigd, met resources voor experimenten — kwamen tot vergelijkbare conclusies. Dat betekent niet dat hun aanpak universeel is. Wat voor Ahold werkt, werkt niet automatisch voor een startup of een mkb-bedrijf.
Wat wel opvalt: de nadruk op focus boven versnippering. De keuze om bij het probleem te beginnen, niet bij de technologie. Het belang van medewerkers meenemen in plaats van opleggen. En het besef dat data kwaliteit het fundament is waar alles op rust.
Of pilots zinvol zijn, of je zelf moet innoveren of bewezen technologie moet volgen — dat hangt af van je organisatie, je markt, je resources. Maar de vragen die deze CEO's stellen zijn voor iedereen relevant: waar zit de echte impact? Begrijpt het management wat AI kan? Staan de medewerkers erachter?
Klaar voor gerichte AI-implementatie?
Ontdek welke processen in jouw organisatie de meeste impact kunnen leveren. Gebaseerd op bewezen principes van succesvolle AI-adoptie.