AI maakt orkestratie schaarser dan analyse

Inleiding

Jarenlang was analyse een schaars managementgoed. Wie sneller data kon verzamelen, betere scenario's kon bouwen en overtuigender presentaties kon maken, had vaak een voorsprong. AI verandert dat tempo nu fundamenteel. Analyses, samenvattingen, vergelijkingen en eerste adviezen worden goedkoper, sneller en voor veel meer mensen beschikbaar.

Dat klinkt als goed nieuws, en dat is het ook. Maar er zit een managementval in. Als steeds meer teams toegang hebben tot dezelfde modellen en vergelijkbare output, verschuift de echte schaarste. Niet analyse is dan nog de bottleneck, maar de kwaliteit van keuzes eromheen. Welke vraag stel je? Waar zet je AI wel en niet op in? Wie beslist? Hoe voorkom je dat de organisatie voller raakt met output, zonder dat richting, snelheid en eigenaarschap verbeteren?

Voor ondernemers en bestuurders is dat een belangrijke verschuiving. De volgende AI-voorsprong ontstaat waarschijnlijk minder uit nog meer analysecapaciteit en meer uit betere orkestratie: scherp kiezen, werk slimmer verdelen, verantwoordelijkheden explicieter maken en besluitvorming opnieuw ontwerpen.

McKinsey: de winnaars bouwen geen losse tools, maar bestuurbare systemen

McKinsey beschreef op 28 augustus 2026 een nieuw managementhandboek voor AI dat precies om deze reden interessant is. Hun conclusie is niet dat de beste bedrijven simpelweg de modernste tools hebben. Hun conclusie is dat de sterkste bedrijven nieuwe organisatorische vermogens bouwen waarmee zij technologie sneller en gerichter in bedrijfsproblemen kunnen inzetten.

Dat maakt hun onderzoek concreet. In een geselecteerde analyse van twintig bedrijven met sterke AI-resultaten zag McKinsey na drie jaar gemiddeld 20 procent EBITDA-verbetering op het onderzochte bedrijfs- of divisieniveau. Gemiddeld realiseerden deze cases voor elke dollar eenmalige investering ongeveer drie dollar extra jaarlijkse EBITDA. Dit zijn uitkomsten van geselecteerde succesvolle transformaties, geen gemiddeld verwacht rendement voor alle AI-projecten. Maar het belangrijkst is waarom: zij focusten op een klein aantal economische hefboompunten, bouwden AI-systemen in plaats van puntoplossingen en koppelden business, technologie en verandering strak aan elkaar.

Dat laatste verdient extra aandacht. McKinsey stelt expliciet dat waarde niet uit de technologie zelf komt, maar uit het organisatorische vermogen om die technologie in bedrijfswaarde om te zetten. Met andere woorden: AI maakt niet automatisch het slimste bedrijf sterker; AI maakt vooral het best geleide bedrijf sterker.

Analyse wordt goedkoper, maar strategisch denken wordt niet automatisch beter

BCG trekt die lijn op 13 augustus 2026 door in een interessant stuk over de strategiefunctie. Hun hoofdobservatie: analytisch werk wordt in rap tempo gecommoditiseerd. Wat vroeger het exclusieve domein was van strategieteams, consultants of senioranalisten, wordt nu breder beschikbaar in de organisatie.

Dat betekent niet dat strategie minder belangrijk wordt. Integendeel. Volgens BCG verschuift de waarde van strategie naar iets anders: het herkennen welk soort vraagstuk je eigenlijk voor je hebt, het kiezen van de juiste denkmodus en het hard toetsen van aannames, afruilen en gevolgen. In hun survey zegt bijna zes op de tien chief strategy officers dat AI inmiddels centraal staat in hun rol, terwijl driekwart tegelijk erkent dat hun eigen vaardigheden daarop nog onvoldoende ontwikkeld zijn.

Dat is een nuttige correctie op de populaire gedachte dat meer AI-output vanzelf tot betere besluiten leidt. In werkelijkheid kan het omgekeerde gebeuren. Als analyses sneller binnenkomen, groeit ook het risico op schijnzekerheid, besluitdruk en een organisatie die denkt dat zij sneller leert terwijl zij vooral sneller produceert.

Deloitte: leiderschap verschuift van controle naar coördinatie

Deloitte zette op 30 april 2026 een vergelijkbare managementverschuiving neer in zijn wereldwijde technologieleiderschapsstudie. Daaruit blijkt dat 79 procent van de techleiders het realiseren van bedrijfsuitkomsten als hoogste prioriteit noemt. Tegelijk zegt 75 procent dat het operating model fundamenteel moet veranderen om meer AI-waarde te realiseren. En 71 procent van de organisaties heeft inmiddels vijf of meer techleiders.

Die combinatie is veelzeggend. AI vergroot niet alleen de technologische mogelijkheden, maar ook de bestuurlijke complexiteit. Er zijn meer leiders, meer afhankelijkheden, meer platformkeuzes, meer data- en risicovragen en meer plekken waar beslissingen elkaar raken. In zo'n omgeving werkt klassiek command-and-control steeds minder goed. Deloitte vat dat scherp samen als een verschuiving van authority naar orchestration.

Voor directies is dat meer dan taal. Het betekent dat leiders minder waarde toevoegen door alles zelf te beoordelen en meer door heldere spelregels, escalatiepaden, prioriteiten en samenhang te organiseren. Niet elk team hoeft op toestemming te wachten, maar ook niet elk team moet zijn eigen AI-richting mogen kiezen.

De economische winst zit vaak in beslissingen, niet in urenbesparing

McKinsey maakt op 26 augustus 2026 nog een tweede relevant punt. In "The decision dividend" stellen zij dat de grootste AI-opbrengsten zelden alleen uit arbeidsbesparing komen. De echte winst zit vaker in snellere beslissingen, beter gebruik van bestaande assets en minder gemiste kansen.

Dat is belangrijk, omdat veel organisaties AI nog meten alsof het vooral een productiviteitstool is. Hoeveel minuten scheelt het? Hoeveel tekst schrijft het? Hoeveel tickets verwerkt het? Die metrics zijn niet waardeloos, maar ze blijven aan de oppervlakte als de echte economische hefboom elders zit: in pricing, capital allocation, planning, risk, service of portfoliokeuzes.

BCG sluit daar op 7 juli 2026 op aan met zijn analyse over decision agents. Daarin stelt het bureau dat minder dan een vijfde van de leiders besluitvorming tot de hoogste AI-investeringsprioriteiten rekent, terwijl juist daar een groot deel van de volgende waardesprong kan liggen. Veel investeringen gaan nog naar proces- en taakautomatisering. Nuttig, maar niet genoeg.

De les voor bestuurders is eenvoudig: als AI vooral meer output produceert rond bestaande vergaderingen, goedkeuringslussen en silo's, dan versnel je de aanvoer van informatie, maar verbeter je niet noodzakelijk de kwaliteit van het besluit.

PwC: focus is een strategische keuze, geen trainingsprobleem

PwC voegt daar op 29 april 2026 een praktische bestuursles aan toe. Hun Lead-Lag-Exit-benadering dwingt leiders om vroeg expliciet te kiezen waar zij met AI willen leiden, waar zij bewust willen volgen en waar investeringen niet langer logisch zijn.

Dat klinkt eenvoudiger dan het is. Veel organisaties praten nog over AI als een brede transformatie waarin vooral veel geëxperimenteerd moet worden. Maar juist nu analyse en tooling democratiseren, wordt focus belangrijker. Wie overal een beetje investeert, houdt zelden genoeg aandacht, kapitaal en leiderschap over om ergens echt verschil te maken.

Daarmee komt orkestratie opnieuw in beeld. Niet omdat alles centraal moet, maar omdat iemand op directieniveau moet bepalen welke AI-toepassingen strategisch tellen, welke metrics ertoe doen en welke afruilen bewust gemaakt worden. Anders groeit AI wel door de organisatie heen, maar zonder duidelijke economische richting.

De nieuwe managementvraag: niet wie de slimste analyse heeft, maar wie er beter mee stuurt

Als je de bronnen naast elkaar legt, ontstaat een vrij consistent beeld. AI verlaagt de kosten van analyse. Tegelijk verhoogt het de eisen aan managementkwaliteit.

Bedrijven die verder komen, doen een paar dingen anders:

• Zij kiezen een klein aantal domeinen waar AI economische hefboom heeft.
• Zij bouwen systemen en routines in plaats van losse toepassingen.
• Zij maken eigenaarschap expliciet tussen business, technologie en operatie.
• Zij herontwerpen besluitvorming, niet alleen taken.
• Zij organiseren snelheid via kaders en platforms, niet via eindeloze afstemming.

Dit is precies waarom sommige organisaties ondanks brede adoptie toch weinig echte waarde laten zien. 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. Het probleem is dus niet meer alleen toegang tot technologie. Het probleem is dat veel organisaties nog werken met een managementmodel dat trager verandert dan de technologie zelf.

Wat directie en MT vandaag concreet kunnen doen

Voor ondernemers en bestuurders begint dit niet met een nieuwe toolselectie, maar met een bestuurlijke scan.

Stel in elk geval deze vijf vragen:

• In welke drie besluiten of workflows kan AI aantoonbaar verschil maken voor omzet, marge, risico of snelheid?
• Wie is per gekozen domein eigenaar van zowel bedrijfsuitkomst als technische uitvoering?
• Waar produceert AI nu al meer output zonder dat besluitvorming aantoonbaar verbetert?
• Welke escalaties, kaders en guardrails zijn nodig om sneller te werken zonder stuurloos te worden?
• Welke initiatieven mogen bewust volgen of stoppen, zodat capaciteit vrijkomt voor de echte prioriteiten?

Vertaal dat daarna naar een werkbare aanpak:

• Kies enkele economische hefboompunten in plaats van een brede lijst use-cases.
• Meet besluitkwaliteit en doorlooptijd, niet alleen individuele productiviteit.
• Ontwerp vaste samenwerking tussen business, tech, data, risk en operations rond prioritaire domeinen.
• Bouw waar mogelijk herbruikbare platforms en spelregels, zodat snelheid niet elke keer opnieuw uitgevonden hoeft te worden.

AI maakt management niet kleiner, maar preciezer

De interessantste uitkomst van deze bronnen is misschien wel dat AI management niet wegduwt, maar juist preciezer maakt. Minder tijd gaat op aan het produceren van analyse. Meer gewicht komt te liggen op het kiezen van prioriteiten, het verbinden van functies, het organiseren van ritme en het nemen van moeilijke afruilen.

Juist daarom wordt orkestratie schaarser dan analyse. Wie die verschuiving op tijd ziet, zal AI niet behandelen als nog een productiviteitstool, maar als een aanleiding om het eigen operating model scherper te maken. Daar ligt waarschijnlijk het echte verschil tussen organisaties die veel AI gebruiken en organisaties die er aantoonbaar beter door gaan presteren.