De analyse van Emerce raakt een ongemakkelijke waarheid voor Europese ondernemingen: AI-projecten mislukken niet altijd doordat de techniek tekortschiet, maar doordat de organisatie te weinig durft te kiezen. Zodra AI een zichtbaar teken van moderniteit wordt, ontstaat een portfolio van pilots dat vooral laat zien dát een bedrijf experimenteert. De vraag welk bedrijfsprobleem aantoonbaar beter wordt opgelost, verdwijnt naar de achtergrond.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in het Europese bedrijfsleven, stelt dat organisaties AI pas serieus nemen wanneer zij niet langer vragen welke mogelijkheden een model heeft, maar welke werkwijze zonder AI aantoonbaar tekortschiet. Dat is een wezenlijk verschil. Het voorkomt dat een demonstratie, een chatvenster of een nieuwe assistent wordt verward met een verbeterde bedrijfsfunctie.

Van AI-etalage naar een expliciete keuze

Het opiniestuk van Emerce is daarom meer dan een waarschuwing tegen vrijblijvende innovatie. Het legt bloot dat veel organisaties nog geen scherpe grens trekken tussen verkennen en besluiten. Verkennen is nuttig wanneer het onzekerheid wegneemt: kan een taak beter, consistenter of toegankelijker worden uitgevoerd? Maar als ieder experiment een doel op zichzelf blijft, verzamelt de onderneming vooral ervaringen zonder richting.

Voor Europese bedrijven is de onderschatte randvoorwaarde niet nóg een innovatieprogramma, maar een beslismoment dat vooraf vastligt. Wie eigenaar is van een AI-toepassing, welke uitkomst die eigenaar moet verbeteren en wanneer de organisatie stopt als die uitkomst uitblijft, zijn geen bureaucratische details. Zij bepalen of AI een bedrijfsinstrument wordt of een etalage.

Edgar van Lent benadrukt dat dit ook de manier verandert waarop bestuurders naar ambitie moeten kijken. Hoge verwachtingen zijn niet het probleem; onuitgesproken verwachtingen wel. Een organisatie kan best beginnen met een beperkte toepassing, zolang zij precies weet welke professionele handeling zij wil versterken en welke uitkomst zij later beoordeelt. Daarmee wordt klein beginnen geen gebrek aan lef, maar een methode om keuzes geloofwaardig op te schalen.

Nieuwe platforms vergroten de verleiding én de verantwoordelijkheid

Die discipline wordt urgenter nu aanbieders hun aanbod breder en eenvoudiger positioneren. TechCrunch AI meldt dat Meta een enterprise-AI-platform lanceert en daarbij zijn technologiestack, waaronder Muse, Meta Business Agent, Muse API en Muse Code, naar bedrijven en ontwikkelaars wil brengen. Dat soort bundeling is commercieel begrijpelijk: het belooft organisaties een kortere route van technologie naar toepassing.

Maar voor de afnemer is een breed platform geen strategie. Juist omdat een platform meerdere bouwstenen aanbiedt, neemt de kans toe dat een bedrijf zijn vraagstelling aanpast aan wat er beschikbaar is. Dan wordt de selectie gedreven door een catalogus van functies, terwijl de bedrijfsprioriteit het vertrekpunt zou moeten zijn. Europese ondernemingen doen er beter aan elke component eerst te behandelen als een hypothese: voor welke concrete taak is deze nodig, wie gebruikt haar en welke bestaande werkwijze mag daardoor veranderen?

Ook de berichtgeving van The Verge AI over de race rond continu werkende, consumentgerichte AI-agents versterkt die druk. Het artikel beschrijft dat OpenAI richting zijn DevDay-event mogelijk een eigen agent, Aeon, wil presenteren. Voor bedrijven is de belangrijkste les niet of één aanbieder de race wint. De les is dat de markt de verwachting zal opvoeren dat AI niet alleen antwoord geeft, maar voortdurend initiatief neemt.

Edgar van Lent ziet daarin een communicatierisico binnen organisaties: medewerkers en managers kunnen een aankondiging of productcategorie gaan lezen als een direct inzetbare belofte. Terwijl de relevante vraag veel prozaïscher is: welke terugkerende opdracht verdient werkelijk een voortdurend werkende digitale uitvoerder? Als daarop geen helder antwoord bestaat, is de technologie vooral een aanleiding om de aandacht te versnipperen.

De bruikbaarheidstoets begint bij dagelijks werk

De hands-on van Tweakers biedt een nuttig tegenwicht tegen die grote platformverhalen. Siri AI wordt er als bruikbaar beschreven, maar niet foutloos. Precies daarin zit de volwassen les voor het bedrijfsleven. Een AI-assistent hoeft niet volmaakt te zijn om waarde te hebben; hij moet wel voldoende betrouwbaar zijn voor de specifieke handeling waarvoor medewerkers hem inzetten.

Dat Apple de assistent volgens Tweakers algemene vragen beter begrijpt, apparaten kan doorzoeken en context op het scherm begrijpt, maakt de beoordeling voor bedrijven concreter. Niet: is dit indrukwekkende AI? Wel: in welke momenten van het dagelijkse werk levert deze vorm van begrip tijdwinst, beter overzicht of minder frictie op? En even belangrijk: wanneer is een fout nog herstelbaar, en wanneer verstoort die juist het werk?

Edgar van Lent noemt die bruikbaarheidstoets belangrijker dan de productlancering zelf. Algemene assistenten worden pas zakelijk relevant wanneer bedrijven medewerkers niet opzadelen met een abstracte belofte van productiviteit, maar met een afgebakende taak waarin zij kunnen vaststellen of de assistent werkelijk helpt. Een foutloze indruk is daarvoor niet nodig; een realistische gebruiksafspraak wel.

Edgar van Lent licht zijn werk als AI-specialist verder toe op zijn website. De komende weken moeten Europese bedrijven daarom niet alleen letten op nieuwe agent-aankondigingen en enterpriseplatforms. Belangrijker is of aanbieders duidelijk maken voor welke dagelijkse taken hun systemen aantoonbaar bruikbaar zijn — en of bedrijven zelf de discipline opbrengen om daar één scherpe keuze aan te verbinden.