Investeren in AI en de kloof met implementatie op werkplek
Budgetten voor AI zijn vrijgemaakt. Testomgeving is geregeld. Strategiedagen hebben plaatsgevonden. En toch blijven de resultaten die je verwacht achter. De productiviteitswinst is kleiner dan beloofd. De adoptie is trager dan gepland. Medewerkers gebruiken AI-tools op manieren die IT niet had voorzien en er ontstaat zelfs ‘shadow AI’.
De oorzaak ligt zelden in de AI-strategie zelf. Ze ligt in wat er onder die strategie hangt: de werkplek. Het device op het bureau. De laptop waar thuis op gewerkt wordt. De werkplek waarop elke AI-toepassing uiteindelijk moet landen. Dat fundament wordt in vrijwel elke organisatie als vanzelfsprekend beschouwd. En dat is precies het probleem.
Organisaties investeren in AI op strategisch niveau, maar vergeten dat AI op werkplekniveau moet werken. De kloof daartussen kost meer dan de meeste directies beseffen.
Waarom de werkplek buiten beeld valt
Het is begrijpelijk. De werkplek is al opgelost, zo lijkt het. Er zijn devices, er is beheer, er is een vervangingscyclus. Die loopt. Terwijl AI-investeringen nieuw zijn en extra aandacht krijgen.
Maar de werkplek is de afgelopen jaren geleidelijk meegegroeid met eisen die er drie jaar geleden nog niet waren. Applicaties bevatten nu ingebouwde AI-functionaliteiten die veel rekenkracht vragen. Medewerkers experimenteren met tools die lokaal draaien. Rollen die voorheen overzichtelijk waren, zijn meer datagedreven geworden. De hardware die twee vervangingscycli geleden toereikend was, loopt vandaag structureel achter.
Dat signaal komt niet vanzelf boven water. Een medewerker die tien minuten per dag wacht op zijn systeem meldt dat niet. Hij werkt eromheen. De IT-afdeling ontvangt geen ticket. En de directie ziet geen rapportage die dit probleem zichtbaar maakt. Ondertussen wordt er op boardroomniveau gesproken over AI-transformatie.
De werkplek is niet achtergebleven omdat niemand het belangrijk vindt. Hij is achtergebleven omdat de signalen te klein zijn om op te vallen en de gevolgen te versnipperd om te kwantificeren.
Dit heeft gevolgen op drie niveaus
1. Productiviteit
AI-toepassingen zijn zo sterk als de hardware waarop ze draaien. Een medewerker die een AI-model wil gebruiken voor data-analyse of documentverwerking, maar dat doet op een device dat daar rekenkundig niet voor is uitgerust, ervaart geen productiviteitswinst. Hij ervaart frustratie.
Dit raakt een bredere groep dan je verwacht. De 3D-ontwerper heeft altijd al een krachtig systeem gehad. Maar de controller die steeds complexere modellen draait, de projectmanager die AI-samenvattingen genereert of de inkoper die rapportagetools gebruikt met embedded intelligence? Zij zitten op standaard hardware. En dit is steeds vaker onvoldoende voor wat het werk van ze vraagt.
Productiviteitsverlies door ondergekwalificeerde hardware is een verborgen kostenpost. Niet zichtbaar in een jaarverslag, wel dagelijks aanwezig op de werkvloer.
2. Kosten
AI-experimenten starten in de cloud is laagdrempelig. Tot de rekening komt. Cloud-resources voor AI schalen mee met gebruik. En dat gebruik is moeilijk te voorspellen. Een model dat groeit, een engineer die vergeet af te schalen, een dataset die uitbreidt: de factuur verdubbelt zonder dat er een beslissing aan voorafging.
Mede daardoor zijn er organisaties die precies om die reden stoppen met experimenteren. De onzekerheid over kosten wordt een rem op innovatie. Terwijl er alternatieven zijn die voorspelbaarheid bieden: lokale rekenkracht, op de werkplek zelf, met vaste investeringen en data die de organisatie niet verlaat.
De keuze tussen cloud en lokaal is geen technische keuze. Het is een strategische afweging over kosten, controle en continuïteit. En die afweging wordt zelden gemaakt op het moment dat de eerste AI-licentie wordt aangeschaft.
3. Risico
Wanneer medewerkers merken dat hun werkomgeving hen niet ondersteunt in wat ze willen doen, zoeken ze oplossingen buiten die omgeving. Ze gebruiken privéapparaten, zetten cloudtools in die IT niet kent of trainen AI-modellen op bedrijfsdata via platformen die buiten het beveiligingsbeleid vallen.
Dit is shadow AI: het onzichtbare verlengstuk van shadow IT, maar met grotere implicaties voor databeveiliging en compliance. Het ontstaat niet uit onwil. Het ontstaat omdat de organisatie de werkplek niet heeft ingericht op wat medewerkers nodig hebben.
Dataveiligheid, soevereiniteit en innovatie met AI staan hoog op de agenda van toezichthouders en bestuurders. Maar de infrastructurele basis om die ambities waar te maken, begint bij de werkplek. Een fleet met verouderde systemen, inconsistente patchstatus en onvoldoende rekenkracht is geen stevige basis voor een AI-strategie die serieus genomen wil worden.
De strategische heroverweging
De vraag is niet of de werkplek aandacht verdient. De vraag is wanneer je die aandacht geeft: voordat de AI-strategie struikelt of erna.
Organisaties die dit goed doen, doorlopen drie stappen:
1.Begin met inzicht in de huidige IT-fleet
Breng in kaart hoe apparaten presteren, welke medewerkers structureel tegen de grenzen van hun hardware aanlopen en wat dat kost in tijd en geld. Dat inzicht wordt de basis voor beslissingen over vervanging, device-fit per rol en de vraag welke AI-workloads lokaal moeten draaien en welke in de cloud.
2. Stel andere vragen bij de aanschaf van hardware
Hoe ziet het applicatielandschap er over drie jaar uit? Welke rollen worden AI-intensiever? Wat vraagt dat van de rekenkracht die we vandaag inkopen? Een device dat nu toereikend lijkt, kan over anderhalf jaar een rem zijn op precies de ambities waarvoor het budget al vrijgemaakt is.
3. Maak een bewuste keuze over lokaal versus cloud
Wat zijn de kostenimplicaties op de lange termijn? Wat zijn de beveiligingseisen? Waar moet de rekenkracht fysiek aanwezig zijn om het werk te ondersteunen? Dit is geen technisch vraagstuk. Het is een strategische afweging die vroeg in het proces gemaakt moet worden.
H&R begeleidt organisaties in die afweging. Vanuit 35 jaar ervaring in werkplek, infrastructuur, beheer en security, en vanuit de overtuiging dat technologische keuzes pas waarde hebben als ze aansluiten op wat een organisatie werkelijk nodig heeft.
Waar sta jij?
De meeste organisaties weten intuïtief dat er iets speelt op de werkplek. Ze weten alleen niet precies wat en ze hebben de data niet om het te onderbouwen richting directie of inkoop.
Doe direct de zelfscan en ontdek in twee minuten waar je IT-fleet staat. Acht concrete vragen, direct resultaat, geen verplichtingen. Wil je eerst nog verder verdiepen? Meer informatie vind je op deze pagina.
Of plan een gesprek met één van onze adviseurs. We kijken samen naar wat er speelt in je organisatie en welke stap als eerste zinvol is.
De werkplek hoeft geen blinde vlek te zijn.
