Issuu

NUMMER #3 | MEI 2026

Het Algoritme Wat het betekent om een AI-first bedrijf te zijn

“AI is niet alleen voor grote spelers” Gary Foote van Formule 1 over hoe kleinere organisaties grotere concurrenten kunnen voorbijstreden

Het Nieuwe Industriële Tijdperk AI-futurist Steve Brown legt uit waarom de beslissingen die je in de komende twee jaar neemt, de komende twee decennia zullen bepalen

AI en de Workforce Special » Statistieken over de impact van AI op banen en salarissen » Waarom de vaardigheden die jou waardevol maakten, veranderen » Een AI-first cultuur van binnenuit opbouwen

Je infrastructuur AI-klaar maken Vier stappen om je strategie te laten slagen

ARTIKEL 01

“AI is niet alleen voor grote spelers. In veel gevallen, het is krachtiger voor de kleinere exemplaren.”

ARTIKEL 02

AI en banen: Het verhaal achter de statistieken

ARTIKEL 03

De vaardigheden die je waardevol maken, veranderen

ARTIKEL 04

Binnen Aptean AppCentral’s rolgebaseerde AI-werkruimtes

ARTIKEL 05

Hoe bouw je een AI-first cultuur van binnenuit

ARTIKEL 06

“Wanneer kunstmatige algemene intelligentie komt, Je draait de knop op 11.”

ARTIKEL 07

Vier stappen om je infrastructuur AI-klaar te maken

ARTIKEL 08

Diepgaande analyse van: AI in het beheer van gezondheidsactiva

Het Algoritme

Angst is de grootste belemmering voor de adoptie van AI Kunstmatige intelligentie (AI) belooft ongekende kansen voor fabrikanten en distributeurs, maar introduceert ook iets wat veel leiders terughoudend toegeven: angst. Angst om achter te raken, angst om fout te maken, angst om niet te weten waar te beginnen. En toch brengt niets doen meer risico met zich mee dan het zetten van een eerste stap. De waarheid is dat het adopteren van AI geen perfectie vereist, en het vereist geen totale zekerheid. Vooruitgang komt door te experimenteren, te leren en de lessen die je leert toe te passen op de volgende uitdaging. De organisaties die echt voet aan de grond krijgen met AI zijn niet degenen die fouten vermijden; zij zijn degenen die het snelst van hen leren. Een open mindset zal nog belangrijker worden naarmate AI onze manier van werken verandert. Rollen zullen uitbreiden, workflows zullen veranderen en nieuwe tools zullen in buitengewone snelheid verschijnen. Succes hangt af van leiders die zich blijven richten op zakelijke problemen en omgevingen creëren waarin AI met duidelijkheid, vertrouwen en doelgerichtheid kan opereren. Om deze principes verder te verkennen, spraken we met Gary Foote, voormalig CIO van het Haas F1-team. Zijn perspectieven op AI, cultuur en prestaties bieden inzichten die veel verder reiken dan de Formule 1. We hadden ook het geluk AI-futurist Steve Brown te mogen verwelkomen op onze meest recente UNITE AI Summit. Steve gelooft dat we ons in een fase van infrastructuuropbouw bevinden die vergelijkbaar is met het vroege internet, en dat organisaties nu al een basis moeten leggen om klaar te zijn voor wanneer AI die op menselijk niveau opereert over het volledige spectrum van cognitieve taken arriveert. We hopen dat u geniet van deze inzichten en meer in deze nieuwste editie van Het algoritme. TVN Reddy CEO, Aptean

Het Algoritme

ARTIKEL 01

“AI is niet alleen voor grote spelers. In veel gevallen is het krachtiger voor de kleinere exemplaren.”

De Formule 1 is een pionier in het gebruik van data om concurrentievoordeel te behalen. Nu versnelt de sport zijn volgende tijdperk in: AI-gestuurde besluitvorming, zowel op als buiten de baan. Gary Foote—die tien jaar CIO was van het TGR Haas F1 Team en nu CIO van GM Performance Power Units—sprak met klanten op Aptean Connect, onze Britse conferentie, over AI-transformatie in de Formule 1. We gingen daarna met hem in gesprek over hoe F1 AI integreert en welke lessen elke sector kan trekken uit ‘s werelds meest data-intensieve sport.

Het Algoritme

Formule 1 is altijd technologisch geweest geavanceerd, maar je hebt een grote verschuiving beschreven in het belang van data in het afgelopen decennium. Wat is er veranderd?

Hier wordt AI onmisbaar. Als je eenmaal data hebt gegenereerd, heb je iets nodig om het te interpreteren. AI is de enige realistische manier om patronen te identificeren, afwijkingen te markeren of je te wijzen op iets waar je niet naar keek.

Toen ik in 2008 begon in de F1, was technologie complementair. Het hielp de prestaties en betrouwbaarheid, maar de auto kon nog steeds rijden, zelfs als de systemen uitvielen. Dat is niet langer waar.

Maar het vermogen van AI om directe inzichten te leveren betekent niet dat het team het direct kan absorberen. De truc is het begrijpen van de hiërarchie: wat er live moet worden uitgevoerd, wat gaat over toekomstige prestaties en wat strategisch begrip opbouwt.

Tegenwoordig is de sport zo sterk afhankelijk van data en digitale systemen dat tenzij al die nullen en enen op het juiste moment het juiste zeggen, de auto niet start. Formule 1-auto’s zijn nu uitgerust met 250–300 sensoren, die elke seconde 1–1,5 miljoen datapunten genereren. We vullen die aan met virtuele sensoren—wiskundige modellen die meerdere echte sensoren combineren om ons inzichten te geven die we fysiek niet kunnen meten, zoals de grip bij bochtuitgang of realtime bandenachteruitgang. De hoeveelheid beschikbare informatie is enorm geëxplodeerd, en dat heeft alles veranderd aan hoe teams opereren.

Waarom is het moeilijk voor organisaties om volledig te accepteren voordeel van de gegevens die ze verzamelen, en hoe kan Gaat AI deze uitdaging aan?

Dataprioritering is cruciaal omdat we maar een beperkt aantal inzichten tegelijk kunnen assimileren. In de wereld van F1 zijn er veiligheidskritische waarden— temperaturen, drukken, het gedrag van de versnellingsbak—die onmiddellijk zichtbaar moeten worden. Als halverwege de ronde een versnellingsbakdruk begint te stijgen, moet je de auto uitgeven voordat iemand die op tv kijkt überhaupt doorheeft dat er iets mis is. Na het rijden wordt een enorme hoeveelheid data uit de auto gehaald en later geanalyseerd. Dat “langetermijn” inzicht is net zo belangrijk om je voor te bereiden op de volgende race of zelfs volgend seizoen.

Gebruikers – of het nu F1-teams zijn of andere sectoren – kijken meestal naar een klein deel van hun databestand en negeren de rest, omdat mensen een bandbreedtebeperking hebben. CFO’s, ingenieurs en strategen neigen allemaal naar de subset die ze begrijpen of kunnen beheren. Maar daarachter zit een enorme dataset waar ze niet naar kijken.

Het Algoritme

Het is makkelijk om het potentieel van AI te zien om apparatuur en machines te optimaliseren, maar zijn er andere, onbenutte gebieden waar het de prestaties kan versterken? AI kan helpen om de prestaties van mensen te begrijpen en te verbeteren. De Formule 1 heeft 70 jaar besteed aan het optimaliseren van de auto en de coureurs. Maar de raceresultaten hangen af van het hele team: 80 tot 100 mensen op het circuit, plus operationele centra over de hele wereld. Hun prestaties zijn ook belangrijk. We kunnen nu zaken analyseren zoals jetlagprofielen, slaappatronen, voeding, werkdrukcycli en individuele veranderingen om de prestaties van de hele beroepsbevolking te maximaliseren, niet alleen van de bestuurders. Je bent maar zo snel als je langzaamste bocht, en AI helpt te identificeren waarom die bocht langzamer is en wat het kan oplossen. Het kan laten zien dat een bemanningslid goed is bij de eerste pitstop, maar moe raakt bij stop twee, zodat je die tijdens de race met iemand anders kunt wisselen. Dat is het detailniveau dat teams nodig hebben om competitief te blijven.

Het Algoritme

Het gebruik van AI om menselijke prestaties te verbeteren kan zorgen oproepen bij medewerkers. Hoe ga je om met die kant van AI-adoptie? De angst is echt: veel mensen maken zich zorgen dat als AI een deel van hun werk kan doen, hun bedrijf hen niet meer nodig zal hebben. Je hebt een cultuur van optimisme nodig om dit te vervangen. We zijn nog lang niet in een wereld waar AI beslissingen kan nemen zonder menselijk oordeel. Vooral in risicovolle omgevingen zoals F1. AI is ongelooflijk nuttig om een mening te geven, maar de verantwoordelijkheid ligt nog steeds bij een persoon. We hebben mensen nodig die hun expertise en intuïtie gebruiken om de aanbeveling van de AI te controleren. Geen enkele strateeg, ingenieur of operator zal een AI-antwoord krijgen en zeggen: “Ik vertrouw het niet, maar ik ga er toch mee door.” Zo werkt het niet.

AI verwijdert de slechte kanten van het werk van mensen zodat ze werk van hogere waarde kunnen doen. Dat geldt net zo goed in F1 als in elk ander bedrijf. Haas ondervond aanvankelijk enige weerstand tegen AI-programma’s omdat het team uiterst intelligente mensen in dienst heeft die bewezen methoden gebruiken. Dus moesten we digitaal vertrouwen opbouwen. We zochten naar gebieden waar AI direct impact kon hebben, zoals HR. Toen het HR-team zag dat een AI-tool een goede functiebeschrijving kon opleveren, werden ze kampioenen. Plotseling vertelde de HR-directeur aan de technisch directeur hoe waardevol AI is. Zo verspreidt vertrouwen zich.

Kan AI het speelveld gelijk maken tussen grote en kleine organisaties? AI is een echte level-set. Haas is een van de kleinere F1-teams, en elke dollar die aan technologie wordt besteed, is een dollar die niet aan de auto wordt besteed, dus efficiëntie is ontzettend belangrijk.

Met AI die zo snel gaat, hoe denk je dat de komende jaren eruit zullen zien? Het tempo van verandering is verbluffend. Vier maanden geleden vroeg ik ChatGPT om me te laten zien hoe een toekomstige F1-auto eruit zou kunnen zien. Het genereerde iets geks, met neonlichten en oplaadpoorten. Een paar dagen geleden vroeg ik het opnieuw met dezelfde prompt, en het leverde iets op dat erg dicht bij de huidige regelgeving lijkt. Zo snel ontwikkelt de technologie zich. In de komende jaren denk ik dat we enorme ontwikkelingen zullen zien in de AI-gedreven interpretatie van simulatiedata, optimalisatie van menselijke prestaties en samenwerking op afstand met mixed reality-tools. Ondanks dit alles zal AI een versterker van beslissingen blijven, een versneller van innovatie, een omzetter van data naar inzicht, en uiteindelijk een bron van concurrentievoordeel – zowel in sport als in het bedrijfsleven.

Als AI 20% efficiëntie kan halen van vijf mensen, is het in feite een zesde persoon gratis krijgen. Dat is een boodschap die senior leiders meteen begrijpen, en het is een van de redenen waarom we vroeg hebben geïnvesteerd. AI is niet alleen voor grote spelers. In veel gevallen is het krachtiger voor de kleinere modellen.

Het Algoritme

ARTIKEL 02

AI en banen: Het verhaal achter de statistieken De cijfers over AI en werkgelegenheid zijn binnen. En ze vertellen een verhaal van groeiende kansen, ongelijke beloningen en een groeiende kloof tussen de organisaties die AI-capabele teams bouwen en teams die het aantal medewerkers verminderen terwijl ze hopen op het beste.

Twee jaar in het generatieve AI-tijdperk beginnen de gegevens over de impact op het personeelsbestand een interessant verhaal te vertellen. Maar het is niet het verhaal dat velen hadden verwacht. Goldman Sachs schatte dat brede adoptie van AI uiteindelijk 6–7% van de Amerikaanse beroepsbevolking zou kunnen verdringen, en die prognose kan na verloop van tijd nog kloppen. Het bewijs dat zich tot 2025 verzamelt, zowel uit de Verenigde Staten als het Verenigd Koninkrijk, suggereert echter dat er iets genuanceerder gebeurt. De hoofdcijfers zijn in veel opzichten bemoedigend. De Global AI Jobs Barometer van PwC 2025 toonde aan dat sectoren die meer aan AI worden blootgesteld, de omzet per werknemer drie keer zo snel zagen groeien als minder blootgestelde sectoren, waarbij de lonen twee keer zo snel stegen.

Het Algoritme

In het Verenigd Koninkrijk meldt KPMG dat meer dan de helft van de werknemers die AI gebruiken een toename in efficiëntie, kwaliteit van output en innovatie heeft waargenomen, waarbij 45% meer omzetgenererende activiteiten rapporteert. Twee derde van de Britse werknemers gebruikt nu bewust AI op het werk. McKinsey’s wereldwijde onderzoek toonde aan dat 64% van de organisaties zegt dat AI hun innovatie mogelijk maakt. Op elke manier levert AI waarde—en dat snel. Toch lopen de voordelen van AI-enablement ongelijk op, en vertellen de gevolgen voor werving, vaardigheden en werkcultuur een ingewikkelder verhaal.

AI-vaardigheden hebben een hoge waarde De meest opvallende bevinding in recente data is de buitengewone waarde die de arbeidsmarkt hecht aan AI-vaardigheden. PwC stelt vast dat werknemers met AI-vaardigheden nu een loonpremie van 56% ontvangen. Ondertussen veranderen vaardigheden voor AI-blootgestelde functies 66% sneller dan elders. Dit is geen zachte drift; Het is de markt die menselijke capaciteit herprijst.

Sommige van ‘s werelds grootste werkgevers zetten al gewicht achter AI-trainingsprogramma’s. Walmart heeft bijvoorbeeld AI-certificeringen gratis gemaakt voor alle functies. In de woorden van Allianz’s chief people officer, Bettina Dietsche: “Het bijscholen van AI en datakennis gaat niet over het trainen van medewerkers; Het gaat erom iedereen in staat te stellen een cultuur van innovatie, technische uitmuntendheid en efficiëntie te bevorderen.”

Voor individuen is dit een uitnodiging om te leren en royaal beloond te worden voor het doen daarvan. Zoals Stephanie Choi van Samsung het verwoordt, “kan AI nieuwe vaardigheden, nieuwe passies en uiteindelijk nieuwe carrièrepaden openen—niet sluiten.”

De uitdaging is het tempo. Als vaardigheden in AI-blootgestelde rollen 66% sneller evolueren dan normaal, staan zelfs goedbedoelde trainingsprogramma’s voor een bewegend doel. Bedrijven moeten leren zien als een continue capaciteit, ingebouwd in hoe werk wordt gedaan in plaats van achteraf aan te vullen.

Voor werkgevers is het zowel een kans als een strategische noodzaak. Bedrijven die investeren in het ontwikkelen van AI-vloeiendheid binnen hun personeelsbestand, kunnen aanzienlijke winst boeken. Degenen die dat niet doen, zullen hun beste mensen wegkaapen en hun resterende teams achterop raken. De dominante bedrijfsreactie tot nu toe is bemoedigend geweest. Wereldwijd is het trainen van bestaand personeel verreweg de voorkeursaanpak voor AI-integratie. ONS-gegevens tonen aan dat 33% van de Britse bedrijven die AI gebruiken, hun personeel omscholen, terwijl McKinsey internationale vergelijkbare patronen vindt.

Instapfuncties worden steeds smaller Massale baanverlies als gevolg van AI is niet gerealiseerd zoals veel werknemers vreesden. Onderzoek van ONS toont aan dat slechts 10% van de Britse bedrijven die AI gebruiken functies heeft geautomatiseerd of vervangen, en slechts 7% verwacht dat het personeelsaantal zal dalen door geplande adoptie. De wereldwijde gegevens van McKinsey tonen vergelijkbare bevindingen: terwijl 32% van de organisaties enige personeelsvermindering verwacht, verwacht 43% geen verandering en verwacht 13% groei. Maar er gebeurt iets subtielers op instapniveau, en dat verdient serieuze nadenken van iedereen die verantwoordelijk is voor de langetermijnstrategie voor talenten. Uit een onderzoek van Stanford blijkt dat de werkgelegenheid onder jongere werknemers in AI-blootgestelde Amerikaanse sectoren sinds de lancering van ChatGPT met 6% is gedaald, terwijl de werkgelegenheid onder oudere werknemers in dezelfde sectoren met 7% is gestegen.

Vacaturecijfers in het VK vertellen een soortgelijk verhaal: vacatures in de 20 Britse sectoren die het meest aan AI worden blootgesteld, zijn sinds medio 2022 met 47% gedaald, vergeleken met 26% in minder blootgestelde sectoren. Dit is geen reden tot alarm, maar wel een reden voor opzettelijke actie. Als AI de taken overneemt die vroeger junior personeel op de werkvloer opleidden, moeten organisaties creatief nadenken over hoe de volgende generatie professionals zich zal ontwikkelen. De bedrijven die deze uitdaging oplossen—het ontwerpen van nieuwe leermodellen en het heroverwegen van hoe beginnende werknemers samen met AI leren—zullen een aanzienlijk langetermijnvoordeel opbouwen ten opzichte van bedrijven die hun talentenpijplijn laten verkleinen.

Het Algoritme

Het risico van overmatige afhankelijkheid De adoptie van AI gaat snel; In sommige gevallen sneller dan organisaties volledig hebben verwacht. KPMG ontdekte dat 39% van de werknemers vindt dat ze hun werk niet kunnen voltooien zonder AI, en 44% maakt zich zorgen over achterblijven als ze het niet gebruiken. Dat enthousiasme is op veel manieren een goed teken. Het suggereert dat AI echt nuttig blijkt te zijn. Er is echter een overweging die het vermelden waard is. Hetzelfde KPMG-onderzoek toont aan dat 45% van de werknemers op AI vertrouwt om taken uit te voeren in plaats van zelf te leren hoe ze die taken moeten uitvoeren. 18% meldt verhoogde werkdrukstress en 29% zegt dat AI de risico’s voor naleving en privacy heeft vergroot. Isabelle Kokoschka van Allianz pleit voor het benadrukken “mensgerichte vaardigheden zoals kritisch denken en analytische vaardigheden naast digitaal en AI, omdat AI-adoptie hand in hand moet gaan met verantwoord besluitvorming.” Het doel moet zijn om ervoor te zorgen dat AI menselijke capaciteiten versterkt, in plaats van deze te vervangen. Organisaties die snelle AI-implementatie combineren met investeringen in domeinexpertise en professioneel oordeel zullen teams bouwen die zowel productiever als veerkrachtiger zijn. Degenen die AI als een snelkoppeling naar het verminderen van het aantal medewerkers beschouwen, ontdekken enkele jaren later dat ze juist de capaciteiten hebben geoptimaliseerd die hun mensen waardevol maken.

Leiders zetten de toon Misschien komt de meest bruikbare bevinding tot nu toe van Boston Consulting Group: het aandeel werknemers dat positief staat over generatieve AI stijgt van 15% naar 55% wanneer het wordt ondersteund door sterk, zichtbaar leiderschap. Die procentuele verschuiving zou aan de muur van elk uitvoerend kantoor moeten worden geplakt, omdat het betekent dat het culturele succes of falen van AI-adoptie een leiderschapsvariabele is. De inzet is hoog. BCG ontdekte ook dat 46% van de medewerkers bij bedrijven die het verst gevorderd zijn in AI-gedreven herontwerp zich zorgen maakt over baanzekerheid, vergeleken met 34% bij minder geavanceerde organisaties. Leiders en managers zijn angstiger dan het personeel van de frontlinie. Mensen die van dichtbij hebben gezien wat AI kan doen, herberekenen hun eigen rollen, en dat is een volkomen redelijke reactie.

Het Algoritme

Het antwoord is niet om die zorgen te bagatelliseren, maar om ze te kanaliseren. Doug McMillons aanpak bij Walmart—waarbij hij erkent dat AI elke baan zal veranderen en tegelijkertijd investeert in universele toegang tot AI-training—biedt een goed model voor de respons. Het combineert eerlijkheid over de omvang van verandering met een tastbare inzet om mensen te helpen floreren binnen die verandering. Wanneer medewerkers zich gesteund voelen, gaan ze van weerstand naar betrokkenheid. Toch is er nog steeds een aanzienlijke kloof tussen intentie en uitvoering. Slechts 13% van de medewerkers geeft aan dat AI-agenten diep geïntegreerd zijn in hun dagelijkse workflows, en slechts een derde zegt te begrijpen hoe deze tools werken. Ondanks alle enthousiasme in de bestuurskamer zitten de meeste organisaties nog in de beginfase van het integreren van AI in cultuur en processen.

Het AI-voordeel benutten Branchestatistieken schetsen een beeld van een technologie die echte en groeiende waarde levert aan degenen die er doordacht mee omgaan. Sectoren die AI omarmen, presteren beter dan die die niet doen. Werknemers met AI-vaardigheden worden rijkelijk beloond. Organisaties die mensen bij deze overgang ondersteunen, zien nu weer efficiëntie, innovatie en omzet. De bedrijven die het grootste aandeel waarde zullen behalen, zijn degenen die AI-adoptie zien als een onderneming voor de hele organisatie, in plaats van als een technologieproject. Dat betekent dat de talentenpijplijn beschermd moet worden zodat beginnende werknemers zich samen met AI ontwikkelen in plaats van erdoor verdrongen te worden.

Het betekent investeren in continu leren in een tempo dat past bij het tempo van verandering. Het betekent het opbouwen van culturen waarin AI expertise versterkt in plaats van deze te vervangen. En het betekent dat leiders aanwezig, eerlijk en persoonlijk toegewijd zijn om hun teams te helpen zich aan te passen. Geen van deze taken is eenvoudig. Maar het bewijs is overtuigend. Drie keer de omzetgroei per werknemer. Een verschuiving van 40 punten in het sentiment van medewerkers. Dit zijn geen marginale verschillen; Ze zijn de vroege tekenen van een competitieve kloof die alleen maar dieper zal worden.

Het Algoritme

ARTIKEL 03

De vaardigheden die jou waardevol maken, veranderen

Door Jenny Peng, CTO, Aptean

Al 30 jaar bouw ik mijn carrière op technische expertise. Maar AI heeft me doen twijfelen of de vaardigheden die me hier hebben gebracht nog steeds de vaardigheden zijn die ik nodig heb om effectief te leiden. Als CTO leer ik dat het helpen van mensen om zich aan te passen aan nieuwe waardedefinities moeilijker en belangrijker is dan welke technische uitdaging dan ook. Als je tientallen jaren aan het schrijven van code hebt besteed, is het ongemakkelijk om toe te geven dat expertise misschien minder relevant is. Dus het verbaast me niet dat senior engineers meer moeite hebben met de overgang naar AI-gedreven praktijken dan wie dan ook. De architecten en technische leiders—de mensen die het meest trots zijn op wat ze weten—maken de grootste sprong. Ondertussen omarmen junior ontwikkelaars en nieuwe medewerkers AI zonder aarzeling omdat ze niet over jarenlange ervaring beschikken om af te leren. Ik heb senior engineers horen zeggen dat ze code sneller kunnen beoordelen dan welke AI dan ook. En ze hebben gelijk; individueel kunnen ze dat.

Het Algoritme

Maar AI kan 20 check-ins tegelijk beoordelen terwijl iemand aan één werkt. Het is een kwestie van schaal. Het goede nieuws is dat zodra ervaren ingenieurs AI begrijpen als een hulpmiddel dat hun expertise versterkt in plaats van vervangt, zij de meest effectieve ambassadeurs worden. Omdat ze de context, het oordeel en de ervaring hebben om te weten wanneer AI gelijk heeft en wanneer niet—en dat is van onschatbare waarde.

De rol van de manager verandert Er is een McKinsey-rapport waar ik vaak naar verwijs waarin staat dat werknemers beter voorbereid zijn op AI dan hun managers. Dat komt overeen met wat ik bij veel organisaties heb waargenomen. Managers bestonden traditioneel om dingen aan medewerkers uit te leggen, werk toe te wijzen, voortgang te beoordelen en beslissingen te nemen over prioriteiten. Maar AI verandert al die functies. Werknemers kunnen uitleg krijgen van AI. Ze kunnen taakbeheer automatiseren. Ze kunnen inzichten krijgen die vroeger een managementinterpretatie vereisten.

Dus, wat blijft er over? Strategie, context en relaties: de dingen die niet geautomatiseerd kunnen worden. Maar dat is een andere baan dan waar de meeste managers voor hebben gekozen, en het vereist een andere vaardigheden. De managers die dit vroeg erkennen en zich inzetten voor verandering, worden waardevoller. Ze richten zich op coaching, strategisch denken en het creëren van de voorwaarden voor hun teams om te experimenteren en te leren. Ze stellen betere vragen in plaats van alle antwoorden te geven. Maar een goede manager zijn in het AI-tijdperk vereist het loslaten van het controle- en toezichtmodel dat het management al decennialang kenmerkt. Dat is ongemakkelijk werk, en sommige mensen omarmen het sneller dan anderen. Ik richt me op het helpen van leiders om te begrijpen hoe hun nieuwe rol eruitziet. Zodra ze zien dat hun leeftijdsgenoten slagen met een andere aanpak, bouwt het momentum op. De sleutel is om genoeg vroege voorbeelden te creëren waar anderen van kunnen leren.

Zijn we aan het einde van Enkelvoudige functies? De aard van het werk ontwikkelt zich sneller dan functiebeschrijvingen kunnen bijbenen. Neem kwaliteitsborging (QA) als voorbeeld. AI kan regressietests uitvoeren, randgevallen identificeren en problemen sneller en grondiger markeren dan handmatige processen. Maar dat sluit de noodzaak voor kwalitatieve expertise niet uit. De vraag wordt: Hoe verankeren we kwalitatief denken in de hele ontwikkeling in plaats van het als een aparte fase te behandelen? We bewegen ons weg van organiseren rond smalle specialisatie—de ene persoon schrijft code, een ander ontwerpt de interface, een derde test het, een vierde documenteert het— naar kleinere, multifunctionele teams waar mensen vaardigheden combineren. AI vult enkele hiaten op, maar menselijk oordeel blijft essentieel. Wat spannend is, is het ontstaan van geheel nieuwe rollen. We hebben mensen nodig die AI-agenten kunnen trainen, prompts kunnen verfijnen en workflows kunnen ontwerpen. En we hebben mensen nodig die begrijpen hoe je data cureert, want alles in een repository gooien maakt AI niet slimmer; Dat maakt het nog verwarrender. Bij Aptean creëren we functies die twee jaar geleden nog niet bestonden. Over twee jaar zullen er rollen zijn die we nog niet hadden voorzien. De uitdaging is niet alleen aanpassen aan veranderingen; Het is nieuwsgierig blijven naar wat mogelijk wordt.

Het personeel dat we aannemen Denkt anders Terwijl we rollen herontwerpen en expertise herdefiniëren, halen we ook een generatie ingenieurs binnen met fundamenteel andere verwachtingen over welke vaardigheden belangrijk zijn. De volgende generatie voelt zich niet alleen comfortabel met AI die taken overneemt; Ze verwachten het. Ik heb een zoon van 16 jaar. Toen ik zo oud was als hij, was het halen van een rijbewijs het hoogtepunt van onafhankelijkheid. Hij heeft geen interesse. Hij zei tegen me: “Mam, ik hoef niet te leren autorijden. Autorijden is niet cool. Ik wacht op autonome voertuigen.” Hij denkt dat hij gewoon moet weten hoe hij veilig kan blijven als passagier. Die houding—de bereidheid om vaardigheden los te laten die vorige generaties als essentieel beschouwden—is hoe de arbeidsmarkt van de toekomst eruitziet. Elke professional moet zich afvragen: Welke van mijn vaardigheden zijn vergelijkbaar met autorijden in een wereld vol autonome voertuigen? Welke houd ik vast omdat ze vroeger belangrijk waren, niet omdat ze dat nog steeds doen?

Om de adoptie van AI te laten groeien, moeten organisaties hun vroege adopters vinden—de mensen die intellectueel nieuwsgierig zijn en bereid zijn te experimenteren—en hen de leiding laten geven. Wanneer anderen hun leeftijdsgenoten zien slagen, beginnen ze zich af te vragen hoe ze dat zelf kunnen doen. Dan versnelt de transformatie. Je kunt niet iedereen in hetzelfde tempo bekeren, en dat is prima. Sommige mensen moeten meerdere voorbeelden zien voordat ze klaar zijn om te experimenteren. Anderen willen gedetailleerde uitleg over hoe iets werkt voordat ze het proberen. De sleutel is om genoeg bewijspunten te creëren zodat mensen een ingang kunnen vinden die voor hen werkt.

Ongemak hoort bij groei. Telkens als ik me ongemakkelijk voel als leider, herinner ik mezelf eraan dat ongemak betekent dat ik aan het leren ben. Het betekent dat ik me in onbekend terrein bevind, precies waar ik moet zijn nu de technologie zo snel evolueert.

Het Algoritme

Ik vertel mijn stagiairs hetzelfde als ze beginnen. Ik zeg: “Ik verwacht dat je me iets leert.” En ik meen het. Voor het eerst in decennia staan we op meer gelijke voet als het om AI gaat. Ik heb niet decennia meer ervaring dan zij— niemand heeft die wel. We zijn dit allemaal samen aan het uitzoeken. Dat is bevrijdend, maar ook uitdagend voor mensen die hun carrière hebben opgebouwd op het zijn van de expert in de kamer. Voor CTO’s zoals ik, die gewend zijn om de antwoorden te hebben, test AI ons op manieren waarop andere technologieën dat niet hebben gedaan. De gevolgen van AI voor de arbeidsmarkt gaan verder dan automatisering of efficiëntie. Ze dagen fundamentele aannames uit over expertise, loopbaanontwikkeling, organisatiestructuur en het toevoegen van waarde in een professionele context. Vaardigheden zullen evolueren. Rollen zullen veranderen. En de bestemming is een plek die niemand van ons nog duidelijk kan zien.

Het Algoritme

Maar dit is wat ik heb geleerd: De organisaties die deze transitie omarmen—die hun mensen laten experimenteren, rollen herontwerpen als oude structuren niet meer werken, die onzekerheid zien als onderdeel van groei—zullen het voortouw nemen. Degenen die op zekerheid wachten, zullen hun energie steken in het inhalen van veranderingen die iemand anders heeft geïnitieerd. De toekomst behoort toe aan de mensen die bereid zijn hun kennis in twijfel te trekken, te leren wat ze niet weten, en hun expertise opnieuw op te bouwen voor een wereld die nog niet helemaal vorm heeft gekregen. Jenny Peng is chief technology officer bij Aptean, waar zij leiding geeft aan technologiestrategie en AI-adoptie binnen het enterprise softwareportfolio van het bedrijf. Onlangs lanceerde ze The CTO’s Playbook for Building Enterprise AI,dat nu te downloaden is.

ARTIKEL 04

Binnen Aptean AppCentral’s rolgebaseerde AI-werkruimtes

De meeste bedrijven erkennen het potentieel van AI, maar de adoptie op team- en individueel niveau is voorzichtig. Mensen maken zich zorgen dat AI hun rol bedreigt of zien simpelweg niet in hoe het relevant is voor hun takenlast. De fundamentele uitdaging is dat verschillende mensen verschillende inzichten en ondersteuning nodig hebben om hun werk te doen. Wat een CFO van AI nodig heeft, is anders dan wat een fabrieksmanager nodig heeft, en één enkel dashboard is geen van beide goed genoeg. Generieke AI-tools geven iedereen toegang tot alles, maar dat betekent in werkelijkheid dat de meeste mensen de functies niet het meest nuttig kunnen vinden. Aptean’s Role-Based AI Workspaces, ingebed in AppCentral, zijn ontworpen rond een ander uitgangspunt: dat de juiste informatie, op het juiste moment aan de juiste persoon geleverd, meer waard is dan een stortvloed aan informatie. Rolgebaseerde werkruimtes maken de output van AI specifiek voor de verantwoordelijkheden van het individu, zodat intelligentie zeer relevant en direct uitvoerbaar is. Binnen AppCentral is elke werkruimte geconfigureerd voor specifieke rollen—CFO, COO, fabrieksmanager, serviceleider, enzovoort—en begint met een AI-gedreven dagelijkse samenvatting die is afgestemd op de prioriteiten van die persoon. Gebruikers kunnen vragen stellen in gewone taal met behulp van de GenAI Query-tool, zich verdiepen in afwijkingen zonder te wachten tot een analist een rapport uitvoert, en taken direct vanuit de werkruimte delegeren met volledige verantwoording en opvolging.

Natuurlijk vinden voor veel professionals in de industrie de belangrijkste momenten van de dag niet plaats aan een bureau. Daarom zijn AppCentral-werkruimtes mobiel en spraakgestuurd, waardoor besluitvorming op de werkvloer, tijdens het transport en tussen vergaderingen mogelijk wordt. Hoewel rolgebaseerde weergaven gemakkelijk de greep van een organisatie op data kunnen fragmenteren, voorkomt de bestuurde KPI-laag binnen AppCentral dit. Financiën, operaties en klantgegevens zijn verenigd in één bron van waarheid, zodat iedereen ziet wat relevant is voor zijn of haar rol zonder consistentie tussen functies te verliezen. Elke AI-ondersteunde actie kan worden herzien, goedgekeurd of aangepast, met duidelijke uitleg en auditsporen om experts in toom te houden.

Ontdek de rolgebaseerde functies van AppCentral AI-werkruimtes bij aptean.com. Ontdek AppCentral →

Het Algoritme

ARTIKEL 05

Hoe je een AI-first cultuur van binnenuit opbouwt, van binnenuit Door Iain Crawford, Senior Director of Revenue Operations, Aptean

Mijn kennismaking met AI bij Aptean kwam voordat de meeste mensen in het vak de term überhaupt hadden gehoord. Ik werd door ons senior team ingeschakeld om een machine learning (ML) model te bouwen dat kon voorspellen of een lead zou converteren. Het sales development-team zat vol met leads en had geen tijd om uit te zoeken welke het waard waren om te volgen. Ons ML-model filterde door die leads heen en liet ze zich richten op de beste kansen. Die vroege ervaring leerde me iets wat ik sindsdien in elk AI-project heb meegenomen: technologie werkt het beste als het een echt probleem oplost voor een echt persoon. Abstracte AI-strategieën veranderen gedrag niet; Tastbare overwinningen wel. Echte verandering kan niet worden opgelegd Als het gaat om het integreren van AI in een organisatie, geloof ik sterk dat het van onderaf moet komen. Je kunt je niet verplicht een AI-cultuur opleggen. In plaats daarvan moet je AI-tools in handen van mensen leggen, laten zien wat mogelijk is, en dan uit de weg gaan. Bij Aptean hebben we dit gedaan door iedereen binnen onze organisatie toegang te geven tot ons AppCentral-platform. En we hebben teams getraind om hun eigen AI-agenten te bouwen via een programma van workshops.

Het Algoritme

Voor elke sessie stuur ik de deelnemers een voorbereidingsblad waarin ik vraag of ze met vier of vijf ideeën willen komen: wat ze willen dat de agent doet, welke uitkomsten ze zoeken en op welke systemen of data hij mogelijk moet aansluiten. Mensen komen met alles van ambitieuze ideeën over het automatiseren van complexe workflows tot eenvoudige verzoeken. Iemand wilde het proces van het afstemmen van maandelijkse facturen van zes verschillende facturatiecodes automatiseren. Het zou ze drie uur per maand besparen, wat niet dramatisch klinkt, maar als onze teams vijf agenten kunnen bouwen die elk drie uur per maand besparen, hebben we ineens meer dan twee werkdagen teruggewonnen. Het Lampenblik Ik open een workshop altijd op dezelfde manier. Ik vraag iedereen om een verhaal te delen over hoe ze AI eerder hebben gebruikt: ChatGPT, Copilot, wat het ook mag zijn. De meeste mensen hebben een anekdote, en die stelt vast dat AI geen onbekend terrein is. Dan bouwen we samen iets op, live, op het scherm. Ik begin met iets leuks. Bijvoorbeeld, als ik Weet je dat iemand in de kamer van Friends, dan bouwen we een agent die reageert zoals Joey. We zetten het op het grote scherm, stellen vragen, lachen erom. Het punt is niet de agent; Het laat mensen zien dat je deze tools persoonlijk, speels en helemaal eigen kunt maken. Vanaf daar gaan we verder met iets nuttigs.

Aan het einde van de sessie verdeel ik de kamer in kleine teams en vraag ik elke groep om een agent te bouwen en die terug te presenteren: wat het doet, waarom ze het hebben gebouwd, hoe ze het hebben gebouwd, en laat ik ons een live demo zien. Dat deel is mijn favoriete deel, want het is het lichtlampmoment. En als iemand me twee weken later een bericht stuurt om te zeggen dat ze iets nieuws hebben gebouwd en mijn feedback willen, weet ik dat we hebben bereikt wat we wilden doen. Iedereen kan een agent bouwen Veel van de mensen die onze workshops volgen hebben helemaal geen technische achtergrond. Dat was vroeger een barrière, maar dat is het nu niet meer. Het gebruik van Aptean’s Intelligence Studio is niet zoals code schrijven. Als je PowerPoint, Visio of een andere workflowtool hebt gebruikt, kun je snel je draai vinden. En we hebben ervoor gezorgd dat elke sessie hands-on is.

In mijn eigen rol ben ik verder gegaan dan dat. Ik heb geen team opgebouwd, maar een hiërarchie. Een lead agent ontvangt een taak, wijst die toe aan het lid van het agententeam dat het beste geschikt is, een validator controleert de output, en het resultaat komt bij mij terug. Ik kan mijn tijd besteden aan de dingen die oordeel vereisen, relaties en ervaring. We gebruiken wat we verkopen, en dat is het grootste verschil tussen hoe Aptean AI benadert ten opzichte van veel andere technologieleveranciers. Door AppCentral zelf elke dag te gebruiken voor echt werk, begrijpen we waartoe het in staat is en hoe we er het beste uit kunnen halen. We speculeer niet over wat AI voor onze klanten kan betekenen. We weten het, want het doet het al voor ons.

Een van de beste voorbeelden die ik kan geven is een collega uit ons creatieve team—absoluut geen technisch persoon—die volledig opging in een sessie en uiteindelijk zijn eigen agent bouwde, waarmee hij in feite een versie van zichzelf creëerde die hij kon inzetten. Als iemand wiens hele vaardighedenset op creativiteit is gebouwd dat kan, kan iedereen dat. Met AI heeft iedereen zijn eigen personeelsbestand De visie waar ik steeds op terugkom voor Aptean is dat ieder persoon in ons bedrijf zijn eigen kleine AI-personeelsbestand moet hebben; Vier of vijf agenten, elk gespecialiseerd in iets, die ze kunnen inschakelen om het werk te doen dat geen mens nodig heeft. De dingen die repetitief, tijdrovend zijn en eerlijk gezegd niemands favoriete onderdeel van het werk.

Het Algoritme

ARTIKEL 06

“Wanneer kunstmatige algemene intelligentie komt, zet je de knop op 11.” Steve Brown heeft zijn carrière doorgebracht aan de voorhoede van technologie: als futurist bij Intel, daarna bij Google DeepMind, en nu als adviseur van organisaties in verschillende sectoren over wat AI betekent voor de toekomst van hun bedrijven. Hij nam deel aan de APTEAN 2025 AI Summit als onderdeel van een paneldiscussie over agentische AI. We spraken daarna met Steve over hoe dit moment anders is dan alle eerdere technologiegolven, en waarom de beslissingen die bedrijven nu nemen veel belangrijker zullen zijn dan de meeste leiders momenteel beseffen.

Je hebt beschreven wat er gebeurt met AI als een nieuw industrieel tijdperk. Dat is een gedurfde bewering. Wat is de basis daarvan? Een nieuw industrieel tijdperk wordt meestal gedefinieerd door een van twee dingen. Ofwel een nieuw wondermateriaal—steen, ijzer, brons, silicium—of een algemene technologie waarvan de kosten bijna nul zijn. Elektriciteit is het duidelijkste voorbeeld van het tweede type; We gebruiken het zonder na te denken over de kosten, en het voedt alles. Wat we nu zien, is dat de kosten van algemene inlichtingen dezelfde lijn volgen. Het zal niet gratis zijn, maar het zal het punt bereiken waarop organisaties het uitgebreid en continu inzetten zonder het als een premium bron te behandelen. Eric Schmidt, de voormalige CEO van Google, beschrijft AI als de belangrijkste ontwikkeling in misschien duizend jaar in de menselijke samenleving. Ik denk dat hij gelijk heeft, en het gebeurt in ons leven.

Het Algoritme

Er zijn al decennialang golven van AI-ontwikkeling. Wat maakt deze golf anders dan de vorige? De samensmelting van twee dingen die eerder niet samen bestonden. De eerste is het vermogen om te redeneren. Tot voor kort gebruikte elk AI-systeem, hoe indrukwekkend het ook leek, uitsluitend wat psychologen System One-denken noemen. Als je iemand vraagt wat twee plus twee is, weten ze het antwoord meteen. Dat is Systeem Eén; reflexmatige herinnering. Systeem Twee is traag, methodisch en logisch denken. Het soort dat je nodig hebt om een complex probleem stap voor stap op te lossen. Tot ongeveer een jaar geleden gebruikten alle AI’s alleen System One. Nieuwere modellen hebben nu echt redeneervermogen: ze kunnen een complexe uitdaging opdelen in onderdelen, deze methodisch doornemen en tot een doordacht antwoord komen. Het tweede is de agentenarchitectuur die die redeneermogelijkheid omringt. Modules voor waarneming, geheugen, planning en actie stellen AI in staat om autonoom te opereren gedurende langere periodes, met behulp van tools, het oproepen van externe systemen en het leren van zijn eigen prestaties. Die combinatie van redeneren en handelingsvermogen maakt deze golf fundamenteel anders dan alles wat eraan voorafging.

U hebt betoogd dat de beslissingen die organisaties het komende jaar of twee nemen over agenten meer zullen betekenen dan de meeste leiders momenteel beseffen. Waarom? Er zijn duidelijke parallellen tussen de internetuitbreiding en wat er nu gebeurt met AI. Het meest waardevolle bedrijf ter wereld in 2000 was Cisco, omdat zij de routers en switches maakten die de infrastructuur van het internet vormden. Vooruit naar vandaag, en het is Nvidia, omdat zij de GPU’s maken die nodig zijn om de intelligentie-infrastructuur op te bouwen. We zitten nu in die fase van het bouwen van infrastructuur. Op een gegeven moment zullen we bij kunstmatige algemene intelligentie (AGI) komen: AI die op menselijk niveau opereert over het volledige spectrum van cognitieve taken. Wanneer dat gebeurt, zal elke agent die je in je workflows hebt ingesloten die intelligentie op menselijk niveau onmiddellijk erven. Als je het werk hebt gedaan om agenten door je hele bedrijf te plaatsen, zet je bij AGI de knop op 11 van je hele operatie op het moment dat de technologie de sprong maakt. Maar alleen als je het werk hebt gedaan. De organisaties die de tussenliggende jaren agenten hebben geïntegreerd in hun processen, hun data hebben opschoond en de Infrastructuur is degene die dat kantelpunt zal opvangen. Degenen die gewacht hebben, zullen zich haasten om een afstand te overbruggen die heel snel erg groot is geworden.

Je zegt dat AI fundamenteel zal veranderen hoe bedrijven hun online doelgroepen bereiken. Wat bedoel je daarmee? Zoeken zal grotendeels worden uitgevoerd door agenten namens hun menselijke gebruikers. Winkelen zal ook zo gaan. Dat betekent dat het meeste webverkeer in de toekomst—en als ik de toekomst zeg, bedoel ik over een paar jaar— agenten zullen zijn die namens hun mensen op het web zoeken naar informatie. Voor iedereen met een website betekent dat dat je nu twee voordeuren nodig hebt. Eén waarbij de informatie is georganiseerd voor het menselijk oog, en één die geoptimaliseerd is voor agenten; Gestructureerde data die het voor hen makkelijker maakt om de informatie te krijgen die ze nodig hebben. Organisaties die alleen maar aan de menselijke voordeur hebben gedacht, kunnen merken dat een aanzienlijk deel van hun potentiële publiek deze nooit ziet.

Waar gaan de meeste organisaties fout als ze aan hun AI-reis beginnen? De organisaties die in de problemen komen, zijn degenen die op zoek gaan naar AI-toepassingen en vervolgens proberen een zakelijke rationale te achteraf te bouwen—technologie op zoek naar een probleem. Degenen die slagen stellen een andere vraag: Wat proberen we te bereiken, en hoe helpt AI ons daar sneller of beter te komen? Vanuit die basis volgt alles wat er verder is vanzelf: welke processen onderzocht moeten worden, welke agenten worden ingezet en welke data eerst georganiseerd moet worden. Als je data scientists en data engineers in je organisatie hebt, geef ze dan veel liefde. Zij zijn degenen die bepalen of je AI-strategie echte resultaten oplevert of dure teleurstellingen oplevert. Je kunt meer over Steve’s werk leren door www.stevebrown.ai te bezoeken en zijn nieuwe boek te lezen, The AI Ultimatum: Preparing For a World of Intelligent Machines and Radical Transformation.

Het Algoritme

ARTIKEL 07

Vier stappen om je infrastructuur AI-klaar te maken De meeste organisaties proberen te draaien voordat ze met AI kunnen lopen, investeren in tools en strategieën terwijl de onderliggende infrastructuur nog lang niet klaar is om hen te ondersteunen. Deze vier stappen helpen je de basis te leggen voor je AI-programma’s.

Ga On-Premise Uit De meeste organisaties die on-premise infrastructuur draaien, hebben die beslissing vijf tot tien jaar geleden genomen. De businesscase was destijds solide, maar houdt nu geen stand. On-premise systemen vereisen toegewijde IT-middelen om te onderhouden en kunnen niet continu worden bijgewerkt, wat precies is wat AI-tools vereisen. Meer fundamenteel waren ze geïsoleerd opgebouwd. Elk systeem is onafhankelijk ontworpen, zodat de data die ze genereren lokaal en gescheiden blijven. De overstap naar de cloud haalt de onderhoudslast weg, levert continue verbetering zonder stilstand en—cruciaal—creëert de verbonden omgeving waarin data vrij tussen systemen kan verplaatsen. Die connectiviteit is de voorwaarde voor AI.

Het Algoritme

Maak data zichtbaar over de hele wereld Je hele organisatie Cloudmigratie is niet gegarandeerd om een probleem met datazichtbaarheid op te lossen. Veel organisaties stappen over naar de cloud en dragen hun fragmentatie met zich mee, waardoor operationele informatie nooit een systeem bereikt dat deze kan analyseren. AI kan niet leren van data die het niet kan zien. Het onderzoek van Google Cloud onder meer dan 500 wereldwijde technologieleiders identificeert datakwaliteit als de grootste uitdaging bij de adoptie van AI. Je doel moet zijn om een enkele, verbonden dataomgeving te creëren, die gebruikmaakt van open API’s, integraties tussen kernsystemen en een bedrijfsbrede overeenkomst dat data bij het bedrijf hoort, niet bij individuele afdelingen.

Van on-premise naar cloud: De reis van Quest Technology Quest Technology is een in Californië gevestigd technologiemanagementbedrijf dat alles behandelt, van managed services en datacenters tot infrastructuur en bekabeling. Stephanie Buckmaster leidt al bijna drie decennia de bedrijfsvoering en was de drijvende kracht achter de overstap van Quest naar Aptean’s cloud ERP eerder dit jaar. “Ik werd moe van het voortdurende onderhoud; De patches, de servermigraties, de constante upgrades. Ik wilde dat iemand anders, helemaal buiten de locatie, dat allemaal zou regelen zodat het ons dagelijks niet zou beïnvloeden,” deelde Buckmaster.

Bouw AI-specifieke beveiligingscontroles Conventionele cyberbeveiliging is ontworpen voor een wereld vóór AI. Het was niet gebouwd om modelgedrag te monitoren, de data-toegangspatronen van autonome agenten te beheren, of zich te verdedigen tegen prompt injection (een vorm van manipulatie specifiek voor grote taalmodellen). Het inzetten van AI zonder deze risico’s aan te pakken, laat uw organisatie blootstellen. Verbeterde beveiligingsmaatregelen moeten aanwezig zijn voordat AI wordt ingezet. Organisaties zonder grote interne IT-teams kunnen dit een van de sterkste argumenten vinden om samen te werken met een cloudplatformaanbieder met een continu onderhouden infrastructuur en actuele compliance-certificeringen.

“In de cloud is het systeem net zo snel, zo niet sneller, en voor onze externe gebruikers wereldwijd is de toegang zoveel eenvoudiger. Toen we onze eigen beveiligingsuitdagingen hadden overwonnen, verliep de rest van de overgang echt goed.”

Stel iemand aan om het wisselgeld te bezitten Infrastructuur is niet alleen technologie. De organisaties die het meest worstelen met AI-adoptie zijn degenen die het als een IT-programma behandelden in plaats van als een organisatorisch programma. Systemen worden ingezet; Mensen werken eromheen. Processen veranderen op papier; Gedrag verandert niet op de vloer. Eerder in dit nummer beschreef Gary Foote cultuur als de bepalende variabele bij de adoptie van AI. En onze CTO, Jenny Peng, merkte op dat senior engineers—de mensen met de meeste expertise—de grootste sprong moeten maken. Beide experts wijzen op dezelfde conclusie: iemand moet eigenaar zijn van de menselijke kant van AI-transformatie, en die moet net zo serieus worden genomen als technische innovatie. Je AI-leiders hebben zichtbaarheid op bestuursniveau nodig, het vermogen om duidelijk te communiceren over wat er verandert en waarom, en het geduld om mensen in verschillende tempo’s mee te nemen.

Het Algoritme

ARTIKEL 08

Diepgaande analyse van: AI in het beheer van gezondheidsactiva AI belooft storingen in de hele zorginfrastructuur te anticiperen. Maar om die belofte waar te maken is een databasis nodig die de meeste aanbieders momenteel missen, zegt James MacPherson, regionaal directeur APAC, Aptean.

Apparatuur fluistert voordat het schreeuwt. Lang voordat een MRI-scanner offline gaat of de koelunit van een pathologielaboratorium uitvalt, zijn er signalen dat er iets mis is: afwijkingen in het energieverbruik, subtiele afwijkingen in runtime-data of sensormetingen die slechts fracties afwijken van de basislijn. De meeste vermogensbeheersystemen voor gezondheidszorg zijn echter niet gebouwd om ze te lezen.

Zorginstellingen zijn rijk aan data maar weinig inzicht

AI kan dit veranderen. Ingezet binnen een enterprise asset management (EAM) platform dat gebruikmaakt van continue, geïntegreerde datastromen, kan AI weken of maanden voor het evenement de voorlopers van falen identificeren, waardoor operationele teams de tijd krijgen om in te grijpen.

Volgens KPMG meldt 57% van de zorginstellingen dat tekortkomingen in hun fundamentele IT-systemen elke week de bedrijfsvoering verstoren. Informatie is gefragmenteerd over afdelingssystemen, bewaard in spreadsheets of bewaard in het institutionele geheugen van het personeel.

61% van de wereldwijde zorgleiders heeft AI en automatisering al als operationele prioriteiten geïdentificeerd, blijkt uit KPMG-gegevens. McKinsey schat dat 55% infrastructuurbeheer ziet als het domein waar generatieve AI zijn grootste kortetermijnwaarde heeft. En toch blijft AI-gedreven vermogensbeheer in een groot deel van de sector ambitieus.

AI lost deze problemen op door patronen te identificeren over gelijktijdige datastromen. Het leert van ervaring, verfijnt modellen in de loop van de tijd en verbetert zijn voorspellingen zodra er nieuwe informatie binnenkomt. Maar voer het onvolledige assetregisters en fragmentarische onderhoudsrecords in, en de output zal die beperkingen weerspiegelen. En in de gezondheidszorg is een onbetrouwbare voorspelling geen klein ongemak – het vormt een risico voor patiënten, personeel en gemeenschappen.

Het Algoritme

Zorgorganisaties genereren enorme hoeveelheden operationele informatie. Onderhoudsgeschiedenissen, inkoopgegevens, IoT-sensortelemetrie, compliance-documentatie, incidentrapporten—de lijst gaat maar door. Wat meestal niet bestaat, is één enkel systeem met al die data.

Behoefte aan infrastructuurkwesties Aandacht van de bestuurskamer Ongepland onderhoud is duur, en fondsen die bestemd zijn voor strategische kapitaalinvesteringen worden routinematig opgeslokt door reactieve storingen. AI-gedreven voorspellingen, gebaseerd op hoogwaardige geïntegreerde data, bieden een uitweg uit die cyclus. Het stuurt kapitaal naar de plekken waar het de grootste klinische en financiële waarde levert, in plaats van waar de meest recente crisis het vereist. De uitdaging voor zorgleiders is het weerstaan van het instinct om AI te behandelen als een technologisch probleem dat door een IT-afdeling moet worden afgehandeld. Het is een datagovernance-uitdaging die eigenaarschap van de leidinggevenden, cross-functionele integratie en de bereidheid vereist om de kwaliteit van de informatie die bestaande systemen bevatten te controleren.

EAM is de integratielaag die AI levensvatbaar maakt De oplossing is om de adoptie van AI niet uit te stellen totdat perfecte data zich ontwikkelt. Het is om te investeren in de integratie-infrastructuur die het mogelijk maakt om betrouwbare en nauwkeurige data te delen. Een EAM-platform biedt die ruggengraat en verbindt faciliteiten, financiën, engineering en klinische systemen tot een uniform kader waarin informatie van IoT-sensoren, gebouwbeheertools en onderhoudssystemen wordt gestandaardiseerd en continu wordt bijgewerkt. Met die basis kan AI beslissingsgerichte intelligentie genereren: vroege foutdetectie, evidence-based repair-versus-replace beslissingen en langetermijnkapitaalprognoses met de geloofwaardigheid om beleggingsstrategieën te beïnvloeden. Er is aanzienlijke strategische waarde in het prioriteren van AI in het beheer van gezondheidszorgactiva. Een kleine HVAC-storing in een chirurgische faciliteit is op zichzelf geen catastrofale gebeurtenis. Maar als het onopgemerkt blijft, kan het de operatiekamersterilisatie in gevaar brengen, herinplanning over chirurgische lijsten veroorzaken en via patiëntenzorgtrajecten doorlopen met aanzienlijke klinische en financiële kosten. AI-gestuurde EAM kan die temperatuurafwijking detecteren voordat deze escaleert, waardoor een geplande interventie mogelijk wordt in plaats van een noodhulp. Dit is het verschil tussen infrastructuurbeheer als onderhoudsfunctie en als klinisch governance-imperatief. Hospitals Can’t Afford Surprises: The Executive Guide to Healthcare Enterprise Asset Management is Aptean’s nieuwste ebook. Download nu je gratis exemplaar.

Het Algoritme

Komt eraan in het volgende nummer Belangrijkste bevindingen van Aptean’s Global AI Onderzoek onthuld

Bekijk ons vorige nummer Bekijk Issue →

Spotlight op AI in Vervoer en logistiek

Plus meer Experts inzichten