AI levert pas op als procesfrictie verdwijnt

Inleiding

In veel organisaties lijkt AI al overal aanwezig. Teams gebruiken copilots, afdelingen testen agents, developers werken sneller en marketeers produceren meer output. Toch blijft de grootste zakelijke vraag vaak staan: waarom voelt de organisatie nog niet fundamenteel sneller, eenvoudiger of winstgevender?

Een groeiend aantal actuele, gezaghebbende bronnen wijst naar dezelfde oorzaak. Het probleem is niet alleen dat bedrijven nog te weinig AI hebben. Het probleem is dat ze AI te vaak bovenop bestaande frictie leggen. Taken versnellen dan wel, maar overdrachten, goedkeuringslagen, tussenschakels, dubbele controles en onduidelijke beslisrechten blijven bestaan. Dan stijgt de activiteit, maar verandert de economie van het proces nauwelijks.

Voor ondernemers en bestuurders is dat een nuttig onderscheid. De volgende AI-fase draait minder om toegang tot tools en meer om de vraag waar frictie in het werk werkelijk zit. Pas als organisaties die frictie wegnemen, verandert AI van productiviteitsprikkel in bedrijfsresultaat.

BCG laat zien waarom hogere productiviteit nog geen echte waarde is

De meest actuele bron in deze selectie komt van BCG op 31 augustus 2026. Daarin staat een opvallende spanning centraal: volgens BCG's AI Radar-survey is 82 procent van de CEO's optimistischer over AI-rendement dan een jaar geleden, maar ziet slechts 6 procent van de bedrijven al betekenisvolle waarde in de vorm van lagere kosten en hogere omzet.

Die combinatie is zakelijk belangrijk. Optimisme groeit dus harder dan aantoonbare uitkomst. BCG benoemt ook waarom. Veel organisaties automatiseren bestaande activiteiten, terwijl de onderliggende processtructuur ongemoeid blijft. Een taak kan dan van tien dagen naar een dag gaan, maar als de klant nog steeds tien dagen moet wachten doordat commissies, tussenstappen of oude besluitroutes blijven bestaan, is het werk wel versneld en het resultaat niet.

Dat is precies waar procesfrictie zichtbaar wordt. AI maakt niet alleen sneller wat al bestaat; het legt ook bloot hoeveel vertraging eigenlijk niet technisch is, maar organisatorisch. Goedkeuringsketens, managementlagen, losse rapportagecircuits en overdrachtsmomenten worden plotseling de echte rem op waarde.

BCG trekt daar een scherpe managementconclusie uit. Organisaties die bovengemiddeld rendement halen, automatiseren niet simpelweg bestaande taken. Zij herontwerpen managementlagen, governance, workflows en beslisrechten vanuit een blanco blad. Ze vereenvoudigen eerst, automatiseren daarna, en koppelen de uitkomst aan de winst- en verliesrekening in plaats van alleen aan urenbesparing.

PwC verschuift de aandacht van taakautomatisering naar uitkomstorkestratie

PwC beschreef op 17 augustus 2026 een vergelijkbare verschuiving, maar dan in nog praktischere taal. Hun kernpunt: AI moet niet in losse functionele stappen worden gedropt, maar in prioritaire workflows die rondom uitkomsten zijn herontworpen. Agents kunnen signalen volgen, werk routeren, beslissingen voorbereiden of acties uitvoeren, maar mensen moeten meer tijd krijgen voor uitzonderingen, klantcontact en zwaardere afwegingen.

Daarmee verschuift ook de managementvraag. Niet langer: welke taken kunnen we versnellen? Wel: welke uitzonderingen willen we nog menselijk laten beoordelen, welke routes mogen autonoom lopen en waar moeten escalaties landen? PwC maakt daarbij expliciet dat de winst zichtbaar wordt in minder overdrachten, kortere doorlooptijden en meer transparantie in prestaties.

Dat is voor veel directieteams relevanter dan een debat over individuele tools. Wie AI echt wil opschalen, moet het gesprek voeren over routing, overdrachtsmomenten, beslisrechten en escalatiepaden. Daar zit de structurele winst.

McKinsey laat zien dat leiders juist op systeemniveau moeten herontwerpen

McKinsey heeft eind augustus 2026 vanuit twee invalshoeken dezelfde lijn bevestigd. In McKinseys State of AI-enquête behoort ongeveer 6 procent van de respondenten tot de groep AI-high performers: zij schrijven minstens 5 procent van de EBIT toe aan AI én noemen de impact significant. Dat betekent niet dat de overige 94 procent geen waarde realiseert; 37 procent meldt enige positieve EBIT-impact. De bedrijven die wel duidelijk presteren, onderscheiden zich volgens McKinsey niet primair door superieure technologie, maar door een sterker systeem: focus op een klein aantal economische hefboompunten, senior business owners die integraal verantwoordelijk zijn, en een operating model dat snelheid en hergebruik ondersteunt.

Interessant voor bestuurders is ook de richting van hun volwassenheidsmodel. In McKinseys beschrijving van de agentic enterprise verschuift het operating model naar een agent-human model met vlakkere organisaties en kleinere teams. Dat is geen pleidooi voor zomaar minder mensen. Het is een signaal dat AI waarde creëert wanneer minder werk blijft hangen in overdrachten, afstemming en coördinatieruis.

Hun tweede publicatie, "Beyond the copilot", maakt dat nog tastbaarder. In software- en productteams waren organisaties die hun processen herontwierpen voordat zij AI toevoegden meer dan twee keer zo vaak in staat om productiviteitswinst van meer dan 20 procent te melden als organisaties die AI simpelweg op bestaande werkwijzen stapelden. McKinsey beschrijft daar ook een nieuw ritme: agents werken door in een soort nachtshift, terwijl mensen zich overdag concentreren op review en beslissingen met hoge afwegingslast.

Hoewel die bevinding uit productontwikkeling komt, is de managementles breder bruikbaar. Naarmate AI standaardwerk, voorbereiding en uitvoering overneemt, verschuift menselijk werk naar richting geven, uitzonderingen beoordelen, grensgevallen afhandelen en kwaliteit bewaken. Organisaties die dat nieuwe ritme niet ontwerpen, krijgen vooral meer snelheid in een oud proces.

Deloitte maakt duidelijk dat frictie ook een governanceprobleem is

Procesfrictie klinkt soms als een zuiver operationeel onderwerp, maar Deloitte laat zien dat het ook een governancekwestie is. In hun publicatie van 25 juni 2026 benadrukt Deloitte Legal dat organisaties voor agentic AI vooraf helder moeten maken wat systemen mogen doen, waar menselijke goedkeuring nodig blijft, wie eigenaar is van beslissingen en welke escalatiepaden gelden.

Dat is belangrijk omdat veel organisaties precies hier onnodige vertraging produceren. Niet doordat zij te voorzichtig zijn, maar doordat grenzen en verantwoordelijkheden pas laat worden uitgewerkt. Dan ontstaan extra controles, late herbeoordelingen en redesign achteraf. Deloitte koppelt dat expliciet aan minder rework en snellere adoptie: vroege duidelijkheid over goedkeuringsdrempels, escalatieprotocollen en eigenaarschap voorkomt kostbare correctierondes later.

Voor bestuurders betekent dat iets praktisch. Governance hoeft geen rem te zijn op snelheid. Slechte governance is juist vaak de reden dat snelheid verdampt. Wanneer reviewpunten, bevoegdheden en interventiemomenten vooraf duidelijk zijn, kan meer standaardwerk veilig doorstromen en kunnen mensen zich richten op de situaties die echt menselijke afweging vragen.

De echte bottleneck zit vaak niet in AI-capaciteit maar in organisatielogica

De rode draad uit deze bronnen is helder: veel bedrijven hebben geen zuiver AI-probleem, maar een organisatielogisch probleem. Zij proberen nieuwe intelligentie in een oud werkmodel te persen.

Dat oude model herken je snel. Taken gaan van team naar team. Besluiten wachten op vergaderritmes. Mensen verzamelen informatie die systemen al kennen. Managers keuren werk goed dat nauwelijks nog inhoudelijke waarde toevoegt. Uitzonderingen worden niet van standaardwerk gescheiden, waardoor alles door dezelfde zware route loopt.

AI vergroot dan zowel de kansen als de zwaktes. Alles wat helder, herhaalbaar en weinig risicovol is, kan sneller. Alles wat vaag, dubbel of slecht belegd is, wordt juist zichtbaarder als verstopping. Dat is geen reden om af te remmen. Het is een reden om preciezer te herontwerpen.

Wat directie en MT vandaag concreet kunnen doen

Voor ondernemers en bestuurders is een praktisch startpunt om niet eerst te vragen welke extra AI-tool nog ontbreekt, maar waar procesfrictie nu al waarde tegenhoudt.

Breng een prioritaire workflow in kaart aan de hand van drie vragen:

• Waar zitten de overdrachten, wachttijden en goedkeurlussen?
• Welke beslissingen zijn standaard, welke zijn uitzonderingen en welke brengen een hoog risico met zich mee?
• Welke reviewmomenten voegen aantoonbaar waarde toe en welke bestaan vooral uit historisch gegroeide zekerheid?

Koppel daar vervolgens harde stuurvragen aan:

• Daalt de totale doorlooptijd of alleen de taakduur van een deelstap?
• Neemt de hoeveelheid rework en escalatie af of verschuift die slechts?
• Worden managementlagen, overlegmomenten of externe inhuur echt lichter?
• Is vooraf duidelijk wie eigenaar is van uitkomsten, uitzonderingen en ingrepen?

Zet ten slotte expliciet een uitzonderingsmodel neer. Laat standaardwerk zo veel mogelijk door een gecontroleerde route lopen. Ontwerp voor grensgevallen een duidelijke escalatielijn naar de juiste expert. En laat governance vooraf bepalen waar menselijke goedkeuring nodig is, niet pas nadat de eerste incidenten zich hebben opgestapeld.

AI wordt pas strategisch als organisaties minder wrijving organiseren

De interessantste bedrijven van de komende fase zijn waarschijnlijk niet de organisaties met de meeste pilots of de langste toolstack. Het zijn de bedrijven die systematischer durven schrappen.

Zij begrijpen dat AI niet alleen output versnelt, maar ook onthult waar de organisatie zichzelf onnodig vertraagt. Dat maakt procesfrictie geen bijzaak meer, maar een strategisch thema. Want wie overdrachten, besluitvertraging en uitzonderingsroutes slimmer ontwerpt, wint niet alleen op productiviteit. Die wint op snellere dienstverlening aan de klant, een lagere kostenbasis, duidelijkere verantwoordelijkheid en betere schaalbaarheid.

Daarmee verandert ook de directievraag. Niet: hoe krijgen we meer AI in de organisatie? Maar: welke frictie durven we eindelijk uit het werk te halen nu AI zichtbaar maakt waar die werkelijk zit?