De cijfers zien er goed uit! De ontwikkeloutput is gestegen. Het personeelsbestand blijft gelijk. Werk dat vroeger weken kostte, is nu binnen enkele dagen klaar. Iemand heeft de bespaarde uren berekend, ze op een dia gezet en er de traditionele omhoogwijzende pijl aan toegevoegd.

Prachtig! Werkelijk prachtig.

In het wekelijkse spreadsheet kan dat er geruime tijd bijzonder succesvol uitzien, nietwaar?

Laten we nu een echte vraag stellen, de vraag die veel leiders uit de weg gaan of simpelweg over het hoofd zien: Is het bedrijf daadwerkelijk slagvaardiger geworden, of hebt u alleen maar problemen gecreëerd die pas later aan het licht komen?

Begrijp me niet verkeerd: we zijn voor AI. We gebruiken het elke dag. Het neemt repetitief werk uit handen, versnelt analyses en geeft bekwame mensen meer slagkracht. Dat ontkennen zou gewoon dom zijn.

Maar we zien ook dat AI zwak leiderschap niet verhelpt. Het vergroot het slechts uit, en nog op indrukwekkende wijze ook.

Een slecht geleid team of bedrijf kan met AI meer code, meer automatisering en meer complexiteit produceren dan ooit tevoren, terwijl het steeds minder begrijpt van wat het heeft gebouwd.

Zwak leiderschap neemt kosten niet weg, maar schuift ze voor zich uit.

AI kan de tijd verkorten die nodig is om software te schrijven, informatie te analyseren en routinematig werk uit te voeren. Die winst is reëel en eenvoudig aan te tonen.

Maar wat vandaag sneller gaat, is morgen niet automatisch goedkoper.

Een bedrijf bespaart tijd door software te genereren, maar is vervolgens jarenlang bezig om die te doorgronden en te onderhouden. Het bezuinigt op opleidingen omdat minder ervaren medewerkers nu acceptabele resultaten kunnen leveren, om vervolgens te ontdekken dat ze nooit het beoordelingsvermogen hebben ontwikkeld dat nodig is om verantwoordelijkheid te dragen. Het schrapt ervaren medewerkers, brengt meer functionaliteit uit en wordt ongemerkt afhankelijk van een handvol mensen, externe tools en ongedocumenteerde aannames.

Natuurlijk ontploft er niet meteen iets.

Daarom ziet het er op de spreadsheet van deze week zo goed uit. En waarschijnlijk op die van volgende week ook.

Een afdeling efficiënt laten lijken is eenvoudig:

Bezuinig op documentatie. Kort beoordelingsrondes in. Stel onderhoud uit. Verminder opleidingen. Schrap ervaren medewerkers. Vraag alle anderen om het verschil met AI goed te maken.

Meet vervolgens het aantal afgehandelde tickets, de opleversnelheid en de personeelskrimp.

Meet herstelwerk niet. Meet niet of het team nog begrijpt wat het aan het bouwen is. Vraag niet hoelang het duurt om de oorzaak van een incident vast te stellen, of een ander team het werk zou kunnen overnemen, of welke kennis is verdwenen met de mensen die je hebt weggestuurd.

De cijfers zullen verbeteren.

Dit is niet nieuw. Tientallen jaren geleden probeerden managers de productiviteit van softwareontwikkeling te meten aan de hand van het aantal regels code. Inmiddels beschouwen we dat als bestuurlijk wanbeleid: meer code kan meer dubbel werk, meer complexiteit en meer onderhoud betekenen.

AI heeft diezelfde fout op industriële schaal teruggebracht. Het typewerk is geautomatiseerd, maar de maatstaf is er niet minder dwaas om.

De werkelijke kosten komen later, in de vorm van onbetrouwbare schattingen, langer durende incidenten, mislukte overdrachten, onzekere teams en dure reddingsoperaties. Tegen die tijd is de verantwoordelijke directiesponsor waarschijnlijk alweer verder, zijn de consultants vertrokken en ligt de presentatie over de transformatie stof te vergaren.

De rekening blijft liggen.

Ja, leiders worden vaak beloond voor kortetermijnresultaten. Niemand krijgt een bonus omdat een systeem over zeven jaar nog steeds begrijpelijk zal zijn.

Maar verder kijken dan de beloning die pal voor je ligt, is nu juist je werk.

Alleen de score bijhouden is geen leiderschap. Het is administratie met een mooiere functietitel.

AI heeft zwak, kortzichtig management niet gecreëerd.

Het heeft dat management alleen een veel snellere manier gegeven om de gevolgen te verbergen.

Meer software betekent niet automatisch meer mogelijkheden

Teams die met AI werken, kunnen echt sneller vooruit.
Het probleem ontstaat wanneer productie wordt verward met vakbekwaamheid.

Ontwikkelaars beginnen implementaties te accepteren die ze wel kunnen volgen, maar die ze zelf niet hadden kunnen ontwerpen.
Reviewers controleren of iets werkt zonder echt te begrijpen waarom.
Junior engineers leveren steeds complexer werk af, maar slaan het ongemakkelijke denkwerk over dat nodig is om senior engineer te worden.

Het bedrijf krijgt meer software.

Maar mogelijk verliest het tegelijkertijd het vermogen om zelf de regie over die software te voeren.

AI kan een antwoord genereren. Maar AI kan er geen verantwoordelijkheid voor dragen.

AI schuift niet aan bij de evaluatie van een incident. AI legt een belangrijke klant niet uit waarom iets is misgegaan. AI vertelt het bestuur niet waarom een ogenschijnlijk eenvoudige wijziging nu nog eens zes weken vergt.

Mensen moeten die dingen nog steeds doen.

En die mensen moeten begrijpen waar ze verantwoordelijk voor zijn.

Het antwoord is: extreem eigenaarschap

Geen eigenaarschap in de bedrijfsmatige zin, waarbij iemands naam in een spreadsheet staat totdat diegene van functie verandert.

Echt eigenaarschap.

Eigenaarschap voor de lange termijn.

Eigenaarschap over de beslissing, het resultaat en de gevolgen.

Eigenaarschap op directieniveau betekent niet dat je elke regel code begrijpt. Het betekent dat je weigert een operationeel model goed te keuren waarin niemand het resultaat kan uitleggen, onderhouden of veilig kan overnemen.

Degene die een door AI aangestuurde verandering goedkeurt, moet handelen alsof diegene over drie jaar nog steeds verantwoordelijk is wanneer het misgaat.

De bestuurder die de transformatie aanjaagt, moet handelen alsof diegene het resultaat uiteindelijk zelf moet overnemen en verdedigen.

Het team dat het systeem bouwt, moet het kunnen uitleggen, onderhouden en overdragen zonder dat daarvoor forensisch onderzoek nodig is.

Daardoor ga je andere vragen stellen.

Je vraagt niet langer alleen:

  • Hoeveel sneller zijn we?
  • Hoeveel mensen kunnen we schrappen?
  • Hoeveel taken hebben we geautomatiseerd?

Je begint te vragen:

  • Begrijpen we dit over drie jaar nog steeds?
  • Wie kan de verantwoordelijkheid nemen wanneer het voor de hand liggende antwoord onjuist is?
  • Bouwen we expertise op of huren we slechts de schijn ervan in?
  • Kan een ander team dit veilig overnemen?
  • Zou ik deze situatie accepteren als ik morgen bij dit bedrijf zou beginnen?

Radicaal eigenaarschap maakt kortetermijntrucs veel moeilijker te rechtvaardigen.

Je kunt je niet langer verschuilen achter de tool, de leverancier, het engineeringteam of de volgende bestuurder.

Jij hebt het goedgekeurd.

Jij bent ervoor verantwoordelijk.

Elders krijg je hetzelfde gedrag

Sommige leiders zullen dit lezen en denken: “Prima, maar ik ben al weg voordat die problemen zich aandienen.”

Misschien.

Misschien vertrek je met een goede staat van dienst. De productiviteit is gestegen. De kosten zijn gedaald. De invoering van AI is succesvol afgerond.

Vervolgens ga je bij een ander bedrijf aan de slag.

De kritieke systemen daar worden nauwelijks begrepen. Het vorige leiderschapsteam heeft ervaren medewerkers laten gaan, onderhoud uitgesteld en AI uitgerold zonder veel verder te kijken dan de volgende rapportageperiode. De overgebleven medewerkers kunnen de systemen bedienen, maar niet veilig aanpassen. Projecten duren veel langer dan verwacht. Elke afdeling heeft haar eigen tools en noodoplossingen. Niemand weet precies welke geautomatiseerde beslissingen te vertrouwen zijn.

Het bestuur vraagt je nu waarom de uitvoering zo traag verloopt.

Je ligt nu in het bed dat is opgemaakt door iemand die precies zo leidinggaf als jij.

Dit is de illusie achter kortetermijnleiderschap: iedereen denkt zijn eigen puinhoop te kunnen achterlaten en vervolgens bij een gezonde organisatie terecht te komen.

Maar gezonde organisaties ontstaan niet vanzelf. Iemand moet ze opbouwen.

Iemand moet verantwoordelijkheid nemen die verder reikt dan het volgende kwartaal.

Misschien erf je niet je eigen berg rommel. Je erft die van iemand anders.

Zeggenschap volgt eigendom

Bedrijven reageren vaak op AI-risico's door beleid op te stellen.

Beleid heeft zijn nut, maar leidt niet vanzelf tot verantwoordelijkheid.

In beleid kan staan dat gegenerd werk moet worden beoordeeld. Eigenaarschap bepaalt of die beoordeling serieus wordt uitgevoerd.

Beleid kan documentatie verplicht stellen. Eigenaarschap bepaalt of die documentatie bruikbaar is.

Beleid kan iemand eindverantwoordelijk maken. Eigenaarschap bepaalt of die persoon handelt alsof het resultaat daadwerkelijk voor zijn of haar rekening komt.

Het juiste governancemodel voor AI begint met een eenvoudig principe: niemand mag AI gebruiken om begrip, oordeelsvermogen of verantwoordelijkheid te ontlopen.

Gebruik AI voor repetitief werk. Gebruik het om mogelijkheden te verkennen, concepten op te stellen, analyses uit te voeren en werk te versnellen, maar degene die de resultaten goedkeurt, moet ze goed genoeg begrijpen om ze te kunnen verdedigen.

Het team moet voldoende kennis behouden om het werk te kunnen onderhouden. De leiding moet verder kijken dan de directe productiviteitswinst en zich afvragen welke expertise wordt opgebouwd — of ongemerkt verloren gaat.

Dat is niet anti-AI. Zo ziet volwassen AI-adoptie eruit.

Bouw iets dat je zelf zou willen erven

Wekelijkse rapportages blijven belangrijk. Dat geldt ook voor maand- en kwartaalrapportages. En voor budgetten, opleverdata en productiviteit.

Maar spreadsheets laten alleen zien wat iemand heeft besloten te meten.

Ze vertellen u niet dat uw medewerkers meer produceren, maar minder leren. Ze laten niet zien dat het bedrijf langzaam het vermogen verliest om zijn eigen systemen te begrijpen. En ze maken geen onderscheid tussen echte efficiëntie en een opschoonprogramma waarvoor nog geen budgetcode is toegekend.

Bij Binarika helpen we de leiding te bepalen of AI duurzame capaciteiten opbouwt of de kosten slechts naar de toekomst verschuift. We onderzoeken engineeringpraktijken, operationeel eigenaarschap, de discipline rond beoordelingen en kennisbehoud. Vervolgens helpen we om duidelijke verantwoordelijkheid te verankeren voor de beslissingen die ertoe doen.

Het doel is niet nóg een beleidsregel waar iedereen mee instemt, maar waar niemand zich aan houdt. Het doel is een organisatie te creëren die daadwerkelijk en voor de lange termijn verantwoordelijkheid neemt voor haar beslissingen.

AI moet uw bedrijf sterker maken.

En de toets daarvoor is eenvoudig:

Zou u met een gerust hart willen overnemen wat u vandaag creëert?

Als het eerlijke antwoord nee is, verloopt de transformatie lang niet zo goed als de spreadsheet doet vermoeden.