Artifi­cial intel­li­gence lijkt de belofte van een produc­ti­vi­teits­re­vo­lutie al te hebben waarge­maakt — maar vooral op indivi­dueel niveau. Werkne­mers schrijven sneller, analy­seren sneller en produ­ceren meer output dan ooit. Toch blijft de impact op organi­sa­tie­ni­veau opval­lend beperkt. Die paradox staat centraal in een recent essay van inves­teerder Andreessen Horowitz (a16z), waarin het onder­scheid wordt gemaakt tussen “indivi­dual AI” en “insti­tu­ti­onal AI”. De kernbood­schap: AI maakt indivi­duen effici­ënter, maar organi­sa­ties niet automa­tisch effectiever.

Productiviteit zonder bedrijfsresultaat

Volgens het essay is de kloof tussen indivi­duele en organi­sa­to­ri­sche produc­ti­vi­teit momen­teel groter dan ooit. AI-tools zoals copilots, chatbots en genera­tieve modellen helpen werkne­mers sneller te werken, maar die versnel­ling vertaalt zich zelden in betere bedrijfs­re­sul­taten, zoals hogere omzet of betere besluitvorming.

Dat roept een funda­men­tele vraag op: waar blijven de opbrengsten?

Het antwoord ligt volgens a16z in de manier waarop AI wordt ingezet. In de meeste organi­sa­ties gebruiken medewer­kers AI indivi­dueel, los van elkaar en zonder gedeelde struc­tuur. Dat leidt tot versnip­pe­ring: verschil­lende tools, verschil­lende outputs en weinig samenhang.

Het resul­taat is een groei­ende hoeveel­heid content en analyses, maar zonder duide­lijke richting of samen­hang. Anders gezegd: meer output betekent niet automa­tisch meer waarde.

De les uit de industriële revolutie

Het essay maakt een histo­ri­sche verge­lij­king met de intro­ductie van elektri­ci­teit in fabrieken aan het eind van de 19e eeuw. Bedrijven vervingen stoom­ma­chines door elektri­sche motoren, maar hielden dezelfde fabrieks­in­de­ling. Het gevolg: nauwe­lijks produc­ti­vi­teits­winst. Pas toen fabrieken volledig werden herin­ge­richt rond elektri­ci­teit, ontstonden echte efficiencyvoordelen.

Diezelfde dynamiek speelt nu bij AI. Veel organi­sa­ties “plakken” AI op bestaande processen, zonder die processen funda­men­teel te herzien.

Voor business- en IT-managers betekent dit dat AI-adoptie niet primair een techno­lo­gie­vraag­stuk is, maar een organi­sa­tie­vraag­stuk. Zonder heront­werp van processen, gover­nance en besluit­vor­ming blijft de impact beperkt.

Van tools naar systemen

Het onder­scheid tussen indivi­dual AI en insti­tu­ti­onal AI draait om schaal en samen­hang. Indivi­dual AI is gericht op het onder­steunen van de indivi­duele gebruiker: sneller schrijven, samen­vatten, analy­seren. Insti­tu­ti­onal AI daaren­tegen richt zich op het optima­li­seren van de organi­satie als geheel. Dat verschil komt terug in een aantal belang­rijke kenmerken.

Aller­eerst is er coördi­natie. Waar indivi­duele AI leidt tot versnip­perde workflows, vereist insti­tu­ti­onal AI een centrale laag die processen en AI-agents op elkaar afstemt. Zonder die coördi­natie ontstaat chaos in plaats van efficiëntie.

Daarnaast speelt het verschil tussen ‘noise’ en ‘signal’. Genera­tieve AI maakt het eenvoudig om grote hoeveel­heden content te produ­ceren, maar dat vergroot ook het risico op ruis. Insti­tu­ti­onal AI moet juist in staat zijn om relevante infor­matie te filteren en te vertalen naar actie­ge­richte inzichten.

Een derde verschil zit in bias en besluit­vor­ming. Consu­menten-AI is vaak gericht op het onder­steunen van de gebruiker en zal geneigd zijn om mee te gaan in diens aannames. In een zakelijke omgeving kan dat proble­ma­tisch zijn. Insti­tu­ti­onal AI moet juist tegen­wicht bieden, risico’s signa­leren en als een soort interne auditor functioneren.

Van kostenbesparing naar waardecreatie

Een opval­lend punt in het essay is de focus op uitkom­sten. Veel AI-toepas­singen leveren vandaag vooral kosten­be­spa­ringen op — tijds­winst, minder handmatig werk. Maar voor organi­sa­ties is dat onvoldoende.

Bedrijven sturen primair op groei, niet op effici­ëntie alleen. Insti­tu­ti­onal AI moet daarom bijdragen aan omzet, nieuwe business­mo­dellen of betere strate­gi­sche beslissingen.

Dat vraagt om een andere benade­ring van AI-projecten. Niet langer experi­menten op afdelings­ni­veau, maar integratie in kernpro­cessen zoals sales, opera­tions en finance.

De opkomst van ‘agentic management’

Een belang­rijk concept in het essay is de rol van AI-agents. In plaats van losse tools die door mensen worden aange­stuurd, verschuift de focus naar autonome of semi-autonome agents die samen­werken binnen bedrijfsprocessen.

Daarbij ontstaat behoefte aan wat a16z “agentic manage­ment” noemt: het defini­ëren van rollen, verant­woor­de­lijk­heden en inter­ac­ties tussen AI-agents en mensen.

Voor IT-managers betekent dit een verschui­ving van systeem­be­heer naar orkestratie. Niet alleen techno­logie imple­men­teren, maar ook bepalen hoe AI-onder­delen samen­werken en hoe presta­ties worden gemeten.

Van reageren naar proactief handelen

Een ander onder­schei­dend element van insti­tu­ti­onal AI is het vermogen om zonder expli­ciete instruc­ties te handelen. Waar huidige AI-systemen afhan­ke­lijk zijn van prompts, ligt de toekomst volgens het essay bij systemen die zelf signalen detec­teren en acties initiëren.

Denk aan een AI-systeem dat automa­tisch afwij­kingen in finan­ciële data herkent en direct een waarschu­wing geeft, zonder dat iemand daarom vraagt.

Dit soort toepas­singen vraagt om diepere integratie met bedrijfs­data en processen, maar kan tegelij­ker­tijd leiden tot snellere en betere besluitvorming.

Waarom organisaties achterblijven

Dat organi­sa­ties nog geen verge­lijk­bare produc­ti­vi­teits­winst zien als indivi­duen, komt volgens het essay niet door de techno­logie zelf, maar door een gebrek aan organi­sa­to­ri­sche aanpassing.

Veel bedrijven bevinden zich nog in een experi­men­tele fase, waarin medewer­kers indivi­dueel AI-tools gebruiken zonder centrale regie. Dat leidt tot versnel­ling op micro­ni­veau, maar niet tot struc­tu­rele verbetering.

De echte uitda­ging ligt in het heront­werpen van de organi­satie: van processen en gover­nance tot cultuur en besluitvorming.

Implicaties voor business en IT

Voor business- en IT-managers is de belang­rijkste les dat AI-adoptie niet stopt bij imple­men­tatie. Het vraagt om een herover­we­ging van hoe werk wordt georganiseerd.

Dat betekent onder meer:

• het defini­ëren van duide­lijke rollen voor AI binnen processen
• het integreren van data en systemen zodat AI context begrijpt
• het meten van impact op organi­sa­tie­ni­veau, niet alleen op indivi­dueel niveau
• en het ontwik­kelen van gover­nance rond AI-besluitvorming

Zonder die stappen blijft AI een krach­tige tool voor indivi­duen, maar geen motor voor organi­sa­tie­brede transformatie.

De volgende fase van AI

De conclusie van het a16z-essay is dat indivi­dual AI en insti­tu­ti­onal AI elkaar niet uitsluiten, maar elkaar aanvullen. Indivi­duele tools blijven belang­rijk, maar vormen slechts de eerste stap.

De echte waarde ontstaat pas wanneer AI wordt ingebed in de struc­tuur van de organi­satie zelf.

Of, zoals de histo­ri­sche verge­lij­king sugge­reert: de motor is al vervangen. Nu moet de fabriek nog worden herontworpen.