AI staat hoog op de agenda, maar hoe vertaalt zich dat in concrete resul­taten? Volgens Bart Van der Biest, managing director van SAP Benelux, liggen de kansen bij het verbe­teren van bedrijfs­pro­cessen, van finan­ciële afslui­tingen tot perso­neels­plan­ning. Wat is vandaag al mogelijk en wat is nodig om AI succesvol in te zetten?

Veel bedrijven gebruiken AI vandaag vooral om indivi­duele taken sneller uit te voeren. Volgens Van der Biest moeten organi­sa­ties verder kijken dan die indivi­duele toepassingen.

“Als een CEO vraagt hoe zijn organi­satie AI kan gebruiken, denkt hij niet aan hoe medewer­kers betere mails kunnen schrijven”, zegt hij. “Hij denkt aan hoe AI zijn organi­satie kan verbe­teren, de klanten­ser­vice kan versterken, de omzet kan verhogen en de kosten kan verlagen.”

Drie toepassingen: wat kan AI (al) concreet betekenen?

1. AI-assis­tent Joule: van dagen voorbe­rei­ding naar enkele minuten

Van der Biest gebruikt zelf Joule, de AI-assis­tent van SAP. Voor klanten­ge­sprekken laat hij infor­matie uit verschil­lende bronnen samen­brengen: van bedrijfs­re­sul­taten en strate­gi­sche priori­teiten tot gebruikte SAP-oplos­singen en lopende dossiers.

“In een paar minuten krijg je een overzicht waarvoor vroeger dagen werk nodig waren om alles samen te brengen”, vertelt hij. “Die gesprekken worden daardoor zoveel rijker en beter.”

Joule laat medewer­kers in gewone taal vragen stellen over bedrijfs­ge­ge­vens en processen. Via koppe­lingen kunnen ze ook infor­matie uit andere systemen raadplegen. Zo onder­steunt AI recht­streeks het dagelijkse werk.

2. Finan­ciële afslui­tingen: AI-agents bereiden repeti­tief werk voor

Bij grote onder­ne­mingen kost het conso­li­deren van finan­ciële gegevens nog altijd veel tijd. Denk aan de maand- of jaaraf­slui­ting, waarbij cijfers uit verschil­lende onder­delen moeten worden gecon­tro­leerd en samengevoegd.

SAP werkt aan verdere automa­ti­se­ring van die processen met AI-agents. Bedrijven bepalen zelf hoeveel autonomie ze de techno­logie geven en wanneer medewer­kers de regie over moeten nemen.

Volgens Van der Biest kan dat aanzien­lijke tijds­winst opleveren. Afhan­ke­lijk van de gekozen autonomie kan de medewerker voorge­stelde of uitge­voerde stappen contro­leren en goedkeuren, in plaats van elke hande­ling zelf uit te voeren.

3. TechWolf: de vaardig­heden van morgen in kaart brengen

De aange­kon­digde overname van het Gentse TechWolf illustreert hoe AI ook HR veran­dert. De scale-up ontwik­kelt techno­logie waarmee bedrijven de vaardig­heden van medewer­kers kunnen verge­lijken met toekom­stige compe­ten­tie­be­hoeften. “Het is niet omdat je vandaag mensen hebt met bepaalde vaardig­heden, dat dit ook de juiste vaardig­heden zijn voor waar een bedrijf naartoe gaat”, zegt Van der Biest.

SAP wil de techno­logie integreren in zijn HR-platform Succes­sFac­tors. Zo kunnen organi­sa­ties gerichter inves­teren in oplei­ding en perso­neels­plan­ning. “De insteek is hoe we mensen kunnen versterken en klaar­maken voor de toekomst.”

Drie voorwaarden: wat is nodig om AI te laten werken?

1. Data: zonder betrouw­bare gegevens geen betrouw­bare AI

AI heeft correcte gegevens nodig. Maar volgens Van der Biest kampen veel bedrijven nog met problemen rond datakwa­li­teit en gegevensbeheer.

“Vroeger werden problemen vaak nog opgevangen op het niveau van rapporten”, zegt hij. “Maar wanneer je in gewone taal om het even welke vraag aan AI kunt stellen, komen die problemen natuur­lijk naar boven.”

Boven­dien moet AI de bedrijfs­con­text van gegevens begrijpen. Een voorraad­cijfer of openstaande factuur staat immers niet op zichzelf.

SAP combi­neert daarvoor drie bouwstenen. Business Data Cloud brengt gegevens samen met behoud van hun context. Business AI gebruikt die infor­matie voor intel­li­gente toepas­singen en AI-agents. Het Business Techno­logy Platform (BTP) maakt het mogelijk om toepas­singen te ontwik­kelen en systemen te koppelen. Zo kunnen bedrijven AI inzetten op basis van gegevens uit verschil­lende systemen, zonder de samen­hang te verliezen.

2. Controle: AI-agents mogen niet zomaar alles beslissen

Naarmate AI meer taken uitvoert, wordt controle belang­rijker. Welke gegevens mag een AI-agent gebruiken? Welke acties mag hij zelfstandig onder­nemen? En wanneer moet een medewerker ingrijpen?

“We hebben van bij het begin security en compli­ance in de archi­tec­tuur meege­nomen”, benadrukt Van der Biest. SAP besteedt volgens hem veel aandacht aan gover­nance en traceer­baar­heid: bedrijven moeten kunnen nagaan welke acties AI heeft uitge­voerd en hoe die tot stand kwamen.

Ook digitale soeve­rei­ni­teit speelt mee: waar worden gegevens verwerkt en wie heeft er toegang toe?

3. Bedrijfs­waarde: van AI-experi­ment naar meetbaar resultaat

Waar bedrijfs­lei­ders aanvan­ke­lijk vooral wilden weten hoe snel ze AI konden invoeren, kijken ze vandaag kriti­scher naar rende­ment, kosten en risico’s.

“Waar zit de ROI eigen­lijk en hoe kunnen we die verbe­teren?”, vat Van der Biest de vragen samen die hij in direc­tie­ka­mers hoort. Ook de gebruiks­kosten van AI-modellen kunnen volgens hem verras­send hoog oplopen.

Bedrijven, en hun manage­ment, moeten daarom bepalen welke processen ze willen verbe­teren en wat AI moet opleveren. Boven­dien zijn veel organi­sa­ties nog onvol­doende voorbe­reid om AI op grote schaal in te zetten. Ook werkwijzen en medewer­kers moeten mee evolu­eren, vaak met onder­steu­ning van techno­logie- en implementatiepartners.

“Uitein­de­lijk gaat het erom hoe we bedrijven beter laten draaien”, besluit Van der Biest. “AI is een enorme techno­lo­gi­sche sprong, maar de echte waarde zit in wat organi­sa­ties ermee bereiken.”