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 19^e 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.