AI Native worden – Stap 1: De mindset, en waarom “AI Native”?

Goldman Sachs Research schat dat de wereldwijde (on-balance-sheet) capex in AI in 2026 boven de $1 biljoen uitkomt. The Wall Street Journal voegt daar een schatting aan toe van verdere verborgen (off-balance-sheet) verplichtingen die oplopen tot $3 biljoen. De geplande beursgang (IPO) van OpenAI wordt geschat op zo’n $1 biljoen (Forbes) en die van Anthropic op zo’n $2 biljoen (Reuters) – al wordt geen van beide nog onderbouwd door een wettelijk geldig IPO-prospectus met de onderliggende berekeningen.

Dat weerspiegelt een enorme verwachting dat AI eindgebruikers zoveel voordeel gaat opleveren dat de kosten van deze nieuwe infrastructuur (die al hoger zijn dan de wereldwijde IT-uitgaven) gerechtvaardigd zijn. Volgens de “Core Macroeconomic Paradox” zou een bedrijf dat nu zo’n 6% van zijn omzet aan (AI en) IT uitgeeft, dat moeten verdubbelen naar 12%. Dan moet de omzet met 50-60% stijgen en de marge van 15 naar zo’n 20%! Waar moet die omzetgroei vandaan komen?

Dat heeft de zorg gevoed dat AI afstevent op een “boom and bust”-cyclus, met grote vraagtekens bij de macro-economie en bij het gebruik van “circular funding”, dat het probleem verergert.

Moeten we AI dan afdoen als de zoveelste hype?

Wat mij betreft zeker niet! Global Finance Magazine wees op twee niveaus van ogenschijnlijk tegenstrijdig bewijs:

1. Op ondernemingsniveau kunnen maar heel weinig bedrijven (<10%) een positief rendement op hun AI-investeringen aantonen dat zichtbaar is in de totale bedrijfswinst.
2. Een meerderheid van de bedrijven meldt wel aanzienlijke voordelen in klantenservice, doorlooptijd, kosten en kwaliteit, inclusief risicoreductie, en gaat meer aan AI uitgeven.

Die tweedeling in het aantonen van de voordelen staat in schril contrast met de omvang van de investeringen hierboven!

Volgens mij staan we nog vroeg in de adoptie en toepassing van AI, met nieuwe tools die opkomen en zich in de praktijk bewijzen. De grote investeringen hierboven draaien om de Amerikaanse “magnificent 7”, die erop gokken dat “Large” modellen de enige weg naar succes zijn. Als dat zo is, vragen grote modellen zulke grote investeringen dat alleen grote spelers kunnen meedoen…

Is geleidelijke, stapsgewijze adoptie ook mooi?

De theorie dat alleen grote modellen gaan winnen, is nog niet breed geaccepteerd, en kleinere modellen – vooral uit China – hebben daar een deuk in geslagen. Laten we niet vergeten dat de brede adoptie van microchips in de Technologische Revolutie (vanaf ongeveer de jaren 60/70) juist draaide om eenvoudigere, goedkopere chips, bijvoorbeeld in koelkasten, auto’s en speelgoed, die de massa-adoptie versnelden.

Dus hoewel lastig te voorspellen blijft of de grote modellen winnen en een AI-crash wordt voorkomen, zien we wel dat de inzet van AI op belangrijke terreinen al zeer waardevol is gebleken voor klantenservice, effectiviteit en efficiëntie.

De “AI Native” mindset?

Omdat de voordelen van AI zich in meerdere functies, processen en bedrijfsactiviteiten al hebben bewezen, staan bestuurders nu al voor de opgave om te kijken waar zij ook kunnen profiteren, en een brede en veelzijdige adoptie van AI aan te moedigen. Dat hoeft niet de vorm te krijgen van één killer application voor de hele onderneming, maar zou meerdere bottom-up of gerichte initiatieven moeten omvatten. Daarbij ontdek je domeinen waar een groot voordeel te behalen is, zonder het bedrijf op het spel te zetten voor onbewezen, nieuwe technologie.

Deze aanpak heet “AI First” of breder, “AI Native”! Teams in de hele organisatie aanmoedigen om op allerlei plekken te zoeken naar stapsgewijze en vernieuwende toepassingen van AI, naast het verkennen van een klein aantal ‘big bets’.

In volgende artikelen laat ik zien waar je AI-voordelen kunt vinden, hoe je je organisatie daarop voorbereidt en hoe je dit portfolio van AI-initiatieven en -investeringen stuurt naar succes.

Voor nu is de samenvatting: begin vandaag met “AI Native” worden in hoe je naar werk kijkt!