Leren met vallen en opstaan in operationele AI-aanpak
AI-transformatie krijgt pas echte waarde wanneer organisaties AI niet langer behandelen als een losse innovatiepilot, maar als een structureel onderdeel van hun operatie. Tijdens een sessie over AI-transformatie op het Innovation Event 2026 van The Future Group (TFG), een IT-collectief waarin 350 onafhankelijke IT-professionals samenwerken, maakten Jaap Lommerse en Dean Nieuwerf van Maxeda duidelijk waarom veel AI-projecten stranden, waarom slechte data sneller zichtbaar wordt door AI en waarom organisaties nú moeten kiezen tussen experimenteren of daadwerkelijk veranderen.
Veel organisaties investeren inmiddels miljoenen in AI-tools, copilots en automatisering. Toch blijft de echte impact vaak beperkt. Afdelingen experimenteren afzonderlijk van elkaar. Teams bouwen kleine use cases. Consultants presenteren dashboards. Maar de dagelijkse operatie verandert nauwelijks. Volgens Lommerse en Nieuwerf ligt daar precies het probleem. AI levert pas structurele waarde op wanneer organisaties processen, verantwoordelijkheden en besluitvorming opnieuw durven inrichten.
AI-transformatie vraagt operationele keuzes
Jaap Lommerse
Tijdens hun presentatie schetsten Lommerse en Nieuwerf een herkenbaar beeld van veel organisaties die de afgelopen jaren enthousiast met AI zijn gestart. Vrijwel iedere afdeling experimenteert inmiddels met tools voor analyse, contentcreatie of automatisering. Tegelijkertijd ontbreekt vaak een duidelijke samenhang tussen die initiatieven.
Volgens Jaap Lommerse, Scrum Master / Agile Coach bij de Maxeda DIY Group en partner bij TFG, ontstaat daardoor een nieuwe vorm van versnippering binnen organisaties. “Iedereen gebruikt AI, maar niemand kijkt nog naar het geheel. Dan krijg je tientallen losse oplossingen die naast elkaar bestaan zonder echte impact op de operatie.”
Die observatie raakt een fundamenteel probleem binnen AI-transformatie. Veel bedrijven behandelen AI nog steeds als een innovatieproject. Ze richten kleine pilots in, testen afzonderlijke use cases en evalueren vervolgens de resultaten. Daardoor blijft AI hangen in experimentele trajecten die nooit onderdeel worden van de kernprocessen van de organisatie.
Experimenteren i.p.v. transformeren
Dean Nieuwerf, Product Owner bij Praxis, onderdeel van de Maxeda DIY Group, ziet dat patroon steeds vaker terugkomen. “We hebben organisaties gezien met meer dan honderd AI-pilots, terwijl de dagelijkse operatie nauwelijks verandert. Dan ben je niet aan het transformeren. Dan ben je vooral bezig met experimenteren.”
Volgens hem onderschatten bedrijven hoeveel organisatorische verandering nodig is om AI echt succesvol in te zetten. Technologie alleen lost het probleem niet op. Processen, datastromen en verantwoordelijkheden moeten mee veranderen. Anders blijft AI een losse laag bovenop bestaande complexiteit.
AI-projecten leggen dataproblemen bloot
Een opvallend onderdeel van de sessie draaide om datakwaliteit. Veel organisaties hopen dat AI helpt om bestaande inefficiënties op te lossen. In de praktijk gebeurt vaak het tegenovergestelde. AI maakt verborgen problemen juist sneller zichtbaar. Lommerse omschreef dat scherp tijdens de sessie. “AI is de grote katalysator geweest van troep in onze organisatie.”
Zodra AI-modellen worden ingezet, komen fouten en afwijkingen direct naar boven
Die uitspraak vat volgens hem perfect samen wat er momenteel binnen veel bedrijven gebeurt. Organisaties beschikken over enorme hoeveelheden data, maar die data blijkt vaak inconsistent, incompleet of verspreid over verschillende systemen. Zolang medewerkers handmatig werken blijven die problemen deels verborgen. Zodra AI-modellen worden ingezet, komen fouten en afwijkingen direct naar boven.
Processen niet logisch ingericht
Volgens Nieuwerf onderschatten organisaties hoe groot dat effect is. “AI accepteert geen onduidelijkheid. Mensen kunnen nog improviseren wanneer informatie ontbreekt. AI legt direct bloot waar processen niet logisch zijn ingericht.”
Dat betekent niet dat AI-projecten mislukken door slechte data. Integendeel. Volgens de sprekers vormt die confrontatie juist een noodzakelijke stap binnen AI-transformatie. Organisaties worden gedwongen om opnieuw te kijken naar hun informatiestructuur, eigenaarschap en governance.
Daarmee verschuift AI ook van een puur technologisch vraagstuk naar een strategisch organisatievraagstuk. Want zodra verschillende afdelingen dezelfde AI-systemen gebruiken, ontstaat automatisch discussie over definities, verantwoordelijkheden en datakwaliteit.
AI-transformatie verbindt afdelingen
Een belangrijk thema tijdens de sessie was de rol van AI bij het herkennen van patronen tussen afdelingen. Volgens Lommerse ligt daar een van de grootste kansen voor organisaties die serieus met AI-transformatie aan de slag willen.
Veel bedrijven werken nog steeds in functionele silo’s. Sales, customer service, logistiek en finance verzamelen allemaal hun eigen data. Daardoor ontbreekt overzicht. Signalen die afzonderlijk weinig betekenis hebben, kunnen samen juist belangrijke inzichten opleveren.
AI maakt het mogelijk om die verbanden sneller zichtbaar te maken. Niet alleen op basis van dashboards, maar ook door continue analyse van operationele processen.
Jarenlang handmatig werk
Dean Nieuwerf
Nieuwerf gaf daarvan een concreet voorbeeld uit customer service. Medewerkers registreerden klantvragen jarenlang handmatig in verschillende categorieën. Daardoor ontstonden inconsistenties in rapportages en analyses. De ene medewerker koos bijvoorbeeld voor ‘leveringsprobleem’, terwijl een collega dezelfde situatie registreerde als ‘logistieke klacht’.
AI-systemen konden die classificatie automatisch standaardiseren. Daardoor ontstond veel betrouwbaardere data voor forecasting en besluitvorming. Volgens Nieuwerf zit de echte waarde niet alleen in automatisering. “Het gaat niet om sneller registreren. Het gaat om beter begrijpen wat er in je organisatie gebeurt.”
Dat inzicht verandert ook de rol van AI binnen managementteams. AI wordt dan geen los hulpmiddel meer, maar een operationele laag die helpt om realtime patronen zichtbaar te maken.
AI-governance voorkomt nieuwe chaos
De snelle groei van AI-tools zorgt volgens de sprekers ook voor nieuwe risico’s. Steeds meer medewerkers gebruiken generatieve AI zonder centrale afspraken of governance. Daardoor ontstaat een versnipperd landschap van tools, prompts en datasets.
Lommerse waarschuwde dat organisaties hierdoor opnieuw dezelfde fouten maken als tijdens eerdere digitaliseringsgolven. Afdelingen kopen zelfstandig oplossingen in zonder rekening te houden met integratie, beveiliging of databeleid. “Als iedereen zijn eigen AI-stack bouwt, krijg je opnieuw schaduw-IT. Alleen nu veel sneller dan vroeger.”
Volgens hem vraagt AI-transformatie daarom om duidelijke governance. Organisaties moeten bepalen welke processen geschikt zijn voor automatisering, welke datasets gebruikt mogen worden en waar menselijke controle noodzakelijk blijft.
Mens eindverantwoordelijk bij hoogrisicobesluit
Dean Nieuwerf benadrukte daarbij dat niet iedere beslissing volledig geautomatiseerd hoeft te worden. Tijdens de sessie presenteerde hij een pragmatisch model voor AI-risicobeheersing. Processen met een laag risico kunnen grotendeels worden geautomatiseerd. Middelgrote risico’s vragen om menselijke controle binnen de workflow. Bij hoogrisicobesluiten moet de mens eindverantwoordelijk blijven.
Niet alles hoeft autonoom te worden. De vraag is vooral waar AI echt waarde toevoegt
Die benadering sluit volgens hem beter aan bij de praktijk dan rigide discussies over volledige automatisering. “Niet alles hoeft autonoom te worden. De vraag is vooral waar AI echt waarde toevoegt.”
AI-transformatie verandert leiderschap
De impact van AI-transformatie beperkt zich volgens de sprekers niet tot technologie of processen. Ook leiderschap verandert fundamenteel. Managers moeten leren sturen op continue optimalisatie in plaats van vaste structuren.
Volgens Lommerse vraagt dat om een andere houding van bestuurders. Veel organisaties behandelen AI nog steeds als een tijdelijk innovatieprogramma. Daardoor ontbreekt commitment op de lange termijn. “Zolang AI een experiment blijft, gaat niemand processen echt aanpassen.”
Dat heeft directe gevolgen voor investeringen, teamsamenstelling en besluitvorming. AI-transformatie vraagt volgens hem om multidisciplinaire samenwerking tussen IT, operatie, compliance en business. Organisaties die AI volledig bij innovatie-afdelingen parkeren, lopen het risico dat oplossingen nooit breed worden toegepast.
Duidelijker AI-transformatie uitleggen
Nieuwerf ziet daarnaast een cultuurvraagstuk ontstaan. Medewerkers ervaren AI regelmatig als bedreiging of extra complexiteit. Volgens hem moeten organisaties veel duidelijker uitleggen welke rol AI krijgt binnen processen en waarom bepaalde keuzes worden gemaakt.
Jaap Lommerse en Dean Nieuwerf
Transparantie speelt daarbij een belangrijke rol. Medewerkers accepteren AI sneller wanneer duidelijk is hoe systemen beslissingen ondersteunen en waar menselijke controle behouden blijft.
Daarmee raakt AI-transformatie ook direct aan thema’s als vertrouwen, governance en verantwoord digitaliseren. Niet alleen technologie bepaalt het succes van AI, maar vooral de manier waarop organisaties verandering begeleiden.
AI-operatie bepaalt concurrentiekracht
Volgens de sprekers staan organisaties nu op een kantelpunt. De fase van vrijblijvende experimenten loopt ten einde. AI ontwikkelt zich steeds sneller richting operationele infrastructuur.
Bedrijven die AI uitsluitend blijven gebruiken voor losse productiviteitswinst lopen volgens Lommerse achterstand op. Organisaties die AI structureel integreren in besluitvorming, forecasting en procesoptimalisatie bouwen juist een concurrentievoordeel op dat moeilijk in te halen wordt. “Op een gegeven moment kun je AI niet meer uitzetten zonder dat je operatie vertraagt.”
Die uitspraak vormde een van de meest opvallende conclusies van de sessie. Want daarmee verschuift AI van een ondersteunende technologie naar een kernonderdeel van de bedrijfsvoering.
Onderdeel van dagelijkse besluitvorming
Nieuwerf verwacht dat organisaties daardoor ook anders naar digitale volwassenheid gaan kijken. Niet het aantal AI-tools wordt bepalend, maar de mate waarin AI verweven raakt met operationele processen. Volgens hem ontstaat uiteindelijk een duidelijk onderscheid tussen organisaties die AI gebruiken en organisaties die daadwerkelijk AI-gedreven opereren. “De winnaars worden niet de bedrijven met de meeste pilots. Het worden de organisaties die AI onderdeel maken van hun dagelijkse besluitvorming.”
AI verandert niet automatisch een organisatie
Die ontwikkeling maakt AI-transformatie veel groter dan een technologietrend. Het raakt direct aan concurrentiekracht, governance en organisatorische wendbaarheid. Organisaties die nu blijven hangen in losse experimenten riskeren dat ze later alsnog onder druk versneld moeten reorganiseren.
Juist daarom was de sessie van Jaap Lommerse en Dean Nieuwerf opvallend realistisch. Geen futuristische beloftes of spectaculaire demo’s, maar een scherpe analyse van de organisatorische realiteit achter AI-transformatie. Hun boodschap was helder. AI verandert niet automatisch een organisatie. Maar organisaties die hun processen, data en governance serieus herinrichten rond AI, veranderen fundamenteel sneller dan de rest.
Maxeda: stop met pilotfase in AI-transformatie
Leren met vallen en opstaan in operationele AI-aanpak
AI-transformatie krijgt pas echte waarde wanneer organisaties AI niet langer behandelen als een losse innovatiepilot, maar als een structureel onderdeel van hun operatie. Tijdens een sessie over AI-transformatie op het Innovation Event 2026 van The Future Group (TFG), een IT-collectief waarin 350 onafhankelijke IT-professionals samenwerken, maakten Jaap Lommerse en Dean Nieuwerf van Maxeda duidelijk waarom veel AI-projecten stranden, waarom slechte data sneller zichtbaar wordt door AI en waarom organisaties nú moeten kiezen tussen experimenteren of daadwerkelijk veranderen.
Veel organisaties investeren inmiddels miljoenen in AI-tools, copilots en automatisering. Toch blijft de echte impact vaak beperkt. Afdelingen experimenteren afzonderlijk van elkaar. Teams bouwen kleine use cases. Consultants presenteren dashboards. Maar de dagelijkse operatie verandert nauwelijks. Volgens Lommerse en Nieuwerf ligt daar precies het probleem. AI levert pas structurele waarde op wanneer organisaties processen, verantwoordelijkheden en besluitvorming opnieuw durven inrichten.
AI-transformatie vraagt operationele keuzes
Tijdens hun presentatie schetsten Lommerse en Nieuwerf een herkenbaar beeld van veel organisaties die de afgelopen jaren enthousiast met AI zijn gestart. Vrijwel iedere afdeling experimenteert inmiddels met tools voor analyse, contentcreatie of automatisering. Tegelijkertijd ontbreekt vaak een duidelijke samenhang tussen die initiatieven.
Volgens Jaap Lommerse, Scrum Master / Agile Coach bij de Maxeda DIY Group en partner bij TFG, ontstaat daardoor een nieuwe vorm van versnippering binnen organisaties. “Iedereen gebruikt AI, maar niemand kijkt nog naar het geheel. Dan krijg je tientallen losse oplossingen die naast elkaar bestaan zonder echte impact op de operatie.”
Die observatie raakt een fundamenteel probleem binnen AI-transformatie. Veel bedrijven behandelen AI nog steeds als een innovatieproject. Ze richten kleine pilots in, testen afzonderlijke use cases en evalueren vervolgens de resultaten. Daardoor blijft AI hangen in experimentele trajecten die nooit onderdeel worden van de kernprocessen van de organisatie.
Experimenteren i.p.v. transformeren
Dean Nieuwerf, Product Owner bij Praxis, onderdeel van de Maxeda DIY Group, ziet dat patroon steeds vaker terugkomen. “We hebben organisaties gezien met meer dan honderd AI-pilots, terwijl de dagelijkse operatie nauwelijks verandert. Dan ben je niet aan het transformeren. Dan ben je vooral bezig met experimenteren.”
Volgens hem onderschatten bedrijven hoeveel organisatorische verandering nodig is om AI echt succesvol in te zetten. Technologie alleen lost het probleem niet op. Processen, datastromen en verantwoordelijkheden moeten mee veranderen. Anders blijft AI een losse laag bovenop bestaande complexiteit.
AI-projecten leggen dataproblemen bloot
Een opvallend onderdeel van de sessie draaide om datakwaliteit. Veel organisaties hopen dat AI helpt om bestaande inefficiënties op te lossen. In de praktijk gebeurt vaak het tegenovergestelde. AI maakt verborgen problemen juist sneller zichtbaar. Lommerse omschreef dat scherp tijdens de sessie. “AI is de grote katalysator geweest van troep in onze organisatie.”
Die uitspraak vat volgens hem perfect samen wat er momenteel binnen veel bedrijven gebeurt. Organisaties beschikken over enorme hoeveelheden data, maar die data blijkt vaak inconsistent, incompleet of verspreid over verschillende systemen. Zolang medewerkers handmatig werken blijven die problemen deels verborgen. Zodra AI-modellen worden ingezet, komen fouten en afwijkingen direct naar boven.
Processen niet logisch ingericht
Volgens Nieuwerf onderschatten organisaties hoe groot dat effect is. “AI accepteert geen onduidelijkheid. Mensen kunnen nog improviseren wanneer informatie ontbreekt. AI legt direct bloot waar processen niet logisch zijn ingericht.”
Dat betekent niet dat AI-projecten mislukken door slechte data. Integendeel. Volgens de sprekers vormt die confrontatie juist een noodzakelijke stap binnen AI-transformatie. Organisaties worden gedwongen om opnieuw te kijken naar hun informatiestructuur, eigenaarschap en governance.
Daarmee verschuift AI ook van een puur technologisch vraagstuk naar een strategisch organisatievraagstuk. Want zodra verschillende afdelingen dezelfde AI-systemen gebruiken, ontstaat automatisch discussie over definities, verantwoordelijkheden en datakwaliteit.
AI-transformatie verbindt afdelingen
Een belangrijk thema tijdens de sessie was de rol van AI bij het herkennen van patronen tussen afdelingen. Volgens Lommerse ligt daar een van de grootste kansen voor organisaties die serieus met AI-transformatie aan de slag willen.
Veel bedrijven werken nog steeds in functionele silo’s. Sales, customer service, logistiek en finance verzamelen allemaal hun eigen data. Daardoor ontbreekt overzicht. Signalen die afzonderlijk weinig betekenis hebben, kunnen samen juist belangrijke inzichten opleveren.
AI maakt het mogelijk om die verbanden sneller zichtbaar te maken. Niet alleen op basis van dashboards, maar ook door continue analyse van operationele processen.
Jarenlang handmatig werk
Nieuwerf gaf daarvan een concreet voorbeeld uit customer service. Medewerkers registreerden klantvragen jarenlang handmatig in verschillende categorieën. Daardoor ontstonden inconsistenties in rapportages en analyses. De ene medewerker koos bijvoorbeeld voor ‘leveringsprobleem’, terwijl een collega dezelfde situatie registreerde als ‘logistieke klacht’.
AI-systemen konden die classificatie automatisch standaardiseren. Daardoor ontstond veel betrouwbaardere data voor forecasting en besluitvorming. Volgens Nieuwerf zit de echte waarde niet alleen in automatisering. “Het gaat niet om sneller registreren. Het gaat om beter begrijpen wat er in je organisatie gebeurt.”
Dat inzicht verandert ook de rol van AI binnen managementteams. AI wordt dan geen los hulpmiddel meer, maar een operationele laag die helpt om realtime patronen zichtbaar te maken.
AI-governance voorkomt nieuwe chaos
De snelle groei van AI-tools zorgt volgens de sprekers ook voor nieuwe risico’s. Steeds meer medewerkers gebruiken generatieve AI zonder centrale afspraken of governance. Daardoor ontstaat een versnipperd landschap van tools, prompts en datasets.
Lommerse waarschuwde dat organisaties hierdoor opnieuw dezelfde fouten maken als tijdens eerdere digitaliseringsgolven. Afdelingen kopen zelfstandig oplossingen in zonder rekening te houden met integratie, beveiliging of databeleid. “Als iedereen zijn eigen AI-stack bouwt, krijg je opnieuw schaduw-IT. Alleen nu veel sneller dan vroeger.”
Volgens hem vraagt AI-transformatie daarom om duidelijke governance. Organisaties moeten bepalen welke processen geschikt zijn voor automatisering, welke datasets gebruikt mogen worden en waar menselijke controle noodzakelijk blijft.
Mens eindverantwoordelijk bij hoogrisicobesluit
Dean Nieuwerf benadrukte daarbij dat niet iedere beslissing volledig geautomatiseerd hoeft te worden. Tijdens de sessie presenteerde hij een pragmatisch model voor AI-risicobeheersing. Processen met een laag risico kunnen grotendeels worden geautomatiseerd. Middelgrote risico’s vragen om menselijke controle binnen de workflow. Bij hoogrisicobesluiten moet de mens eindverantwoordelijk blijven.
Die benadering sluit volgens hem beter aan bij de praktijk dan rigide discussies over volledige automatisering. “Niet alles hoeft autonoom te worden. De vraag is vooral waar AI echt waarde toevoegt.”
AI-transformatie verandert leiderschap
De impact van AI-transformatie beperkt zich volgens de sprekers niet tot technologie of processen. Ook leiderschap verandert fundamenteel. Managers moeten leren sturen op continue optimalisatie in plaats van vaste structuren.
Volgens Lommerse vraagt dat om een andere houding van bestuurders. Veel organisaties behandelen AI nog steeds als een tijdelijk innovatieprogramma. Daardoor ontbreekt commitment op de lange termijn. “Zolang AI een experiment blijft, gaat niemand processen echt aanpassen.”
Dat heeft directe gevolgen voor investeringen, teamsamenstelling en besluitvorming. AI-transformatie vraagt volgens hem om multidisciplinaire samenwerking tussen IT, operatie, compliance en business. Organisaties die AI volledig bij innovatie-afdelingen parkeren, lopen het risico dat oplossingen nooit breed worden toegepast.
Duidelijker AI-transformatie uitleggen
Nieuwerf ziet daarnaast een cultuurvraagstuk ontstaan. Medewerkers ervaren AI regelmatig als bedreiging of extra complexiteit. Volgens hem moeten organisaties veel duidelijker uitleggen welke rol AI krijgt binnen processen en waarom bepaalde keuzes worden gemaakt.
Transparantie speelt daarbij een belangrijke rol. Medewerkers accepteren AI sneller wanneer duidelijk is hoe systemen beslissingen ondersteunen en waar menselijke controle behouden blijft.
Daarmee raakt AI-transformatie ook direct aan thema’s als vertrouwen, governance en verantwoord digitaliseren. Niet alleen technologie bepaalt het succes van AI, maar vooral de manier waarop organisaties verandering begeleiden.
AI-operatie bepaalt concurrentiekracht
Volgens de sprekers staan organisaties nu op een kantelpunt. De fase van vrijblijvende experimenten loopt ten einde. AI ontwikkelt zich steeds sneller richting operationele infrastructuur.
Bedrijven die AI uitsluitend blijven gebruiken voor losse productiviteitswinst lopen volgens Lommerse achterstand op. Organisaties die AI structureel integreren in besluitvorming, forecasting en procesoptimalisatie bouwen juist een concurrentievoordeel op dat moeilijk in te halen wordt. “Op een gegeven moment kun je AI niet meer uitzetten zonder dat je operatie vertraagt.”
Die uitspraak vormde een van de meest opvallende conclusies van de sessie. Want daarmee verschuift AI van een ondersteunende technologie naar een kernonderdeel van de bedrijfsvoering.
Onderdeel van dagelijkse besluitvorming
Nieuwerf verwacht dat organisaties daardoor ook anders naar digitale volwassenheid gaan kijken. Niet het aantal AI-tools wordt bepalend, maar de mate waarin AI verweven raakt met operationele processen. Volgens hem ontstaat uiteindelijk een duidelijk onderscheid tussen organisaties die AI gebruiken en organisaties die daadwerkelijk AI-gedreven opereren. “De winnaars worden niet de bedrijven met de meeste pilots. Het worden de organisaties die AI onderdeel maken van hun dagelijkse besluitvorming.”
Die ontwikkeling maakt AI-transformatie veel groter dan een technologietrend. Het raakt direct aan concurrentiekracht, governance en organisatorische wendbaarheid. Organisaties die nu blijven hangen in losse experimenten riskeren dat ze later alsnog onder druk versneld moeten reorganiseren.
Organisatorische realiteit achter AI-transformatie
Juist daarom was de sessie van Jaap Lommerse en Dean Nieuwerf opvallend realistisch. Geen futuristische beloftes of spectaculaire demo’s, maar een scherpe analyse van de organisatorische realiteit achter AI-transformatie. Hun boodschap was helder. AI verandert niet automatisch een organisatie. Maar organisaties die hun processen, data en governance serieus herinrichten rond AI, veranderen fundamenteel sneller dan de rest.