AI wordt pas strategisch als de bestuurskamer meeleert

Inleiding

De volgende AI-flessenhals zit opvallend vaak niet in de technologie.

Hij zit bovenin de organisatie.

Veel bedrijven hebben inmiddels pilots, copilots, dashboards en experimenten. Maar zodra AI van handige tool naar serieuze bedrijfsinfrastructuur verschuift, verandert ook de bestuurlijke opgave. Dan gaat het niet meer alleen over gebruik, maar over prioriteiten, kapitaal, risico, talent, snelheid en meetbare waarde.

Juist daar laten meerdere recente publicaties van BCG, PwC, McKinsey, KPMG en Deloitte dezelfde rode draad zien: AI schaalt niet betrouwbaar als de bestuurskamer alleen meekijkt. De bestuurskamer moet meebewegen.

De top is het minder eens dan ze zelf denkt

Dat is relevanter dan het klinkt.

BCG liet in mei 2026 in een wereldwijd onderzoek onder 625 CEO's en bestuurders zien dat de top van organisaties op papier redelijk eensgezind oogt, maar in de praktijk op cruciale punten uiteenloopt. Volgens dat onderzoek denkt 35 procent van de CEO's dat hun bestuur overschat wat AI kan vervangen. Zes op de tien CEO's vinden bovendien dat hun bestuur te ongeduldig is over het tempo van AI-transformatie. Tegelijk zegt 40 procent van de minder AI-vaardige bestuurders juist bang te zijn dat hun organisatie niet snel genoeg adopteert.

Dat is geen klein misverstand. Het betekent dat snelheid, verwachtingen en toezicht vaak al scheef staan voordat een organisatie AI op schaal probeert te organiseren.

AI-geletterdheid wordt een bestuursvoorwaarde

BCG gaf daar op 16 juli 2026 een praktisch antwoord op. Hun centrale punt: sterke besturen investeren niet alleen in formeel toezicht, maar ook in gezamenlijke AI-geletterdheid met de directie. Niet via een extra presentatie, maar via coaching, productiviteitssessies, praktijkbezoeken en directe blootstelling aan wat er op de werkvloer wel en niet werkt.

Dat is een scherp inzicht, omdat veel bestuurders AI nog benaderen via samenvattingen van management, leveranciers of stafafdelingen. Daarmee zie je vooral het gepolijste verhaal. Je ziet minder snel waar adoptie stokt, waar risico's zich opstapelen of waar waarde in de operatie juist onverwacht groot wordt.

Een bestuurskamer die AI alleen via presentaties kent, is al snel te abstract. Een bestuurskamer die zelf leert, stelt betere vragen.

Het probleem is niet alleen kennis, maar ook stuurkwaliteit

De bestuurlijke uitdaging gaat namelijk verder dan "meer van AI begrijpen".

McKinsey schreef op 27 mei 2026 dat besturen onder groeiende druk staan om de juiste instrumenten, metrics en expertise te vinden voor AI-toezicht. In hun gesprek met CISO's en bestuurders kwamen vier prioriteiten naar voren: duidelijke governance en accountability, een werkbare balans tussen innovatie en risico, realtime risicomanagement en meer kennis van AI in de bestuurskamer.

Deloitte komt op een vergelijkbaar punt uit. In een recente governance-publicatie, gebaseerd op een survey onder 739 bestuurders en C-level leiders, stellen zij dat besturen niet alleen naar technologie moeten kijken, maar vooral moeten weten welke maatstaven het management gebruikt om adoptie en ROI te volgen. Ook stellen zij expliciet de vraag of de gemiddelde technologische vaardigheid van bestuurders eigenlijk wel past bij de omvang van hun toezichtstaak.

Dat is de managementles van deze fase: AI is niet langer alleen een innovatieonderwerp. Het is een stuurvraag.

Wie beslist welke processen echt herontworpen worden? Welke risico's acceptabel zijn? Wanneer een pilot groot genoeg is om in het operating model te landen? Welke KPI's tellen? En welke claims over waarde hard genoeg zijn om budgetten door te schuiven?

Zonder bestuurlijke scherpte blijven dit losse initiatieven.

Vertrouwen wordt een groeicapaciteit

PwC voegde daar op 21 juli 2026 een belangrijk element aan toe. Hun argument is dat trust by design geen rem op AI is, maar juist een groeicapaciteit. Organisaties die governance, accountability, monitoring en controles vanaf het begin inbouwen, kunnen sneller opschalen omdat ze minder last hebben van terugkerende discussies, uitzonderingen en bestuurlijke twijfel.

Dat idee is zakelijk relevanter dan veel AI-discussies over ethiek of compliance alleen.

Volgens PwC zegt slechts 12 procent van de CEO's dat AI inmiddels zowel kosten- als omzetvoordelen heeft opgeleverd, terwijl 56 procent nog geen significant financieel voordeel ziet. Tegelijk laat PwC zien dat de meest AI-fit organisaties veel hogere AI-gedreven opbrengsten en efficiëntiewinsten realiseren dan de rest.

De les is helder: vertrouwen is niet het sluitstuk nadat AI is gebouwd. Vertrouwen is onderdeel van het mechanisme waarmee AI bedrijfswaarde schaalbaar maakt.

Bestuur zonder praktijkcontact wordt te theoretisch

KPMG en INSEAD gaven op 9 juni 2026 een extra waarschuwing mee: bijna driekwart van de besturen wordt gezien als slechts matig of beperkt deskundig in AI. Dat is problematisch, want AI raakt tegelijk businessmodel, productiviteit, security, talentstrategie en reputatie.

Wie dan bestuurt op afstand, krijgt een bekend patroon:

• De directie stuurt op ambitie.
• De operatie worstelt met adoptie.
• Risk en legal proberen laat in het proces orde aan te brengen.
• Het bestuur krijgt achteraf samengevatte voortgang.

Dat model is te traag voor een technologie die beslissnelheid, procesontwerp en verantwoordelijkheden tegelijk verandert.

Daarom is het sterke punt in het BCG-stuk zo bruikbaar: besturen moeten niet alleen managementpresentaties consumeren, maar ook signalen ophalen uit teams op de werkvloer en externe praktijkvoorbeelden. Pas dan wordt duidelijk of AI in de organisatie echt iets verschuift, of vooral goed klinkt in kwartaalupdates.

Ook voor het mkb is dit geen ver-van-mijn-bedverhaal

Dit klinkt misschien als een discussie voor beursfondsen, maar het geldt net zo goed voor middelgrote bedrijven.

Sterker nog: in het mkb kan de winst sneller zichtbaar worden, omdat de afstand tussen directie en operatie kleiner is.

Een ondernemer of managementteam hoeft geen formeel leerprogramma voor bestuurders te organiseren om AI-volwassener te sturen. Wel zijn een paar disciplines nodig:

1. Laat AI niet alleen rapporteren in gebruikscijfers, maar ook in effect op omzet, marge, doorlooptijd, foutreductie of klantwaarde.
2. Zorg dat ten minste een deel van de top AI zelf gebruikt voor analyse, scenariovergelijking of voorbereiding, zodat discussies minder theoretisch worden.
3. Bezoek teams waar AI al in het werkproces zit, en haal daar direct op wat wel, niet en half werkt.
4. Spreek af welke experimenten lokaal mogen groeien en welke pas mogen opschalen als governance, data en meetbaarheid op orde zijn.
5. Bouw herbruikbare spelregels, controles en beslisrechten, zodat elk nieuw AI-initiatief niet opnieuw bestuurlijk hoeft te worden uitgevonden.

Dit is precies waar kleinere bedrijven een voordeel kunnen hebben. Grote organisaties hebben vaak meer budget, maar ook meer bestuurlijke vertraging. Een compact managementteam dat snel leert en scherp meet, kan AI daardoor eerder in echt operationeel voordeel omzetten.

De nieuwe voorsprong is bestuurlijke leercapaciteit

De markt praat graag over modelkeuze, tooling en agenten.

Maar de bestuurlijke hoofdvraag wordt steeds eenvoudiger en tegelijk confronterender: leert de top van de organisatie snel genoeg mee om AI goed te richten, te begrenzen en op waarde te beoordelen?

Als het antwoord nee is, dan groeit AI vooral in activiteit.

Als het antwoord ja is, ontstaat iets veel waardevollers: een organisatie waarin ambitie, toezicht, operatie en vertrouwen dichter bij elkaar komen. En juist daar zit de kans op schaalbare bedrijfswaarde.

AI is dus niet alleen een technologische versneller.

Het is ook een test van bestuurlijke leercapaciteit.

Wie die test serieus neemt, vergroot niet alleen de kans op veilige AI, maar vooral op betere besluiten, sneller schalen en steviger concurrentievoordeel.