In 1964 onthulde Japan de Shinkansen, de eerste hogesnelheidstrein ter wereld. De ingenieurs stelden zichzelf een vraag die niemand anders stelde: als we het spoor opnieuw zouden aanleggen, hoe zou het er dan uitzien?
Het antwoord was een compleet nieuw systeem. Ander spoor, andere treinstellen, andere dienstregeling. Geen snellere versie van het oude. Iets anders.
De meeste bedrijven doen het omgekeerd met AI automatisering. Ze pakken het bestaande spoor en zetten er een snellere trein op.
Maar snellere rommel is nog steeds rommel
Een retailer die we spraken had zijn retourproces "geautomatiseerd met AI". Het klonk indrukwekkend in de stuurgroep. In de praktijk betekende het: dezelfde zes goedkeuringslagen, dezelfde handmatige controles, dezelfde formulieren. Alleen werden ze nu sneller doorgeschoven. Het proces was sneller geworden. Sneller slecht.
Dit is het patroon dat we in bijna elk bedrijf tegenkomen. Iemand zegt "we gaan automatiseren met AI" en dan begint het project bij het bestaande processchema. Stap voor stap wordt het vertaald naar een digitale versie. Dezelfde route, dezelfde stops, dezelfde omwegen. Maar nu met een AI-label erop.
Er is een term voor: de Cow Path Trap. Je asfalteert het paadje in plaats van een weg te ontwerpen. Het resultaat is een verharde route die nergens heen gaat, alleen nu sneller. Dit is Solutioneering in zijn zuiverste vorm: beginnen bij wat er al is in plaats van bij wat er zou moeten zijn.
Het echte probleem zit dieper. Veel van die processen bestaan niet omdat ze logisch zijn, maar omdat ze ooit een workaround waren voor een beperking die niet meer bestaat. Drie goedkeuringslagen omdat er vroeger geen digitaal overzicht was. Handmatige data-invoer omdat twee systemen niet met elkaar praatten. Copy-paste tussen spreadsheets omdat niemand ooit de tijd nam om het anders in te richten.
AI zet daar turbo op. Process Debt wordt versnelde Process Debt.
Begin bij de pijn, niet bij het proces
Wat werkt is precies het omgekeerde. Begin bij de mensen die het werk doen. Ga naast iemand zitten. Kijk twintig minuten mee. Gewoon kijken.
Mensen beschrijven hun werk zoals het zou moeten zijn. Ze doen hun werk zoals het werkelijk is. Het verschil tussen die twee is waar de kans zit.
Vraag: "Wat is hier vervelend?" Vraag: "Waarom moet je dit in drie systemen invoeren?" Vraag: "Wat zou je doen als deze stap er niet was?"
De antwoorden zijn bijna altijd verrassend. Mensen zijn zo gewend aan de frictie dat ze hem niet meer zien. Ze navigeren eromheen zoals je een kuil in de weg ontwijkt waar je elke dag langs fietst. Je ziet hem niet meer. Hij is er gewoon.
Die frictie is het startpunt. We noemen dit principe Follow the Friction: de beste AI-kansen worden zichtbaar door te kijken waar werk vastloopt.
Klein beginnen, snel leren
De verleiding is om groot te denken. Het hele proces herontwerpen, alle systemen koppelen, de complete keten automatiseren. Dat klinkt ambitieus. Het is vooral langzaam.
Wat werkt: de dunst mogelijke plak. Het kleinste stukje van het proces waar de meeste pijn zit. Niet de bruidstaart, de cupcake. Bouw dat in twee weken. Laat echte mensen ermee werken, tijdens hun gewone werkdag, niet in een demo-omgeving.
En dan meten. Niet alleen snelheid. Snelheid zonder kwaliteit is een gevaarlijke metric. Meet altijd in paren: als iets sneller gaat, is het dan ook beter? Als het goedkoper wordt, vertrouwen mensen het resultaat nog? Sneller en slechter is geen vooruitgang.
Er is een simpele lakmoesproef. Dreig de tool uit te zetten. Als mensen klagen, heb je iets waardevols gebouwd. Als niemand het merkt, was het een oplossing voor een probleem dat niet bestond.
Dat klinkt hard. Het beschermt je wel tegen het meest voorkomende AI-probleem in organisaties: pilots die blijven hangen. Te levend om te begraven, te zwak om op te schalen. We noemen ze Zombie Pilots. Ze blijven hangen in een tussengebied van "we kijken het nog even aan." Dat is geen strategie, dat is uitstelgedrag.
Wat overblijft als het werkt
Het mooie aan goede AI automatisering is dat niemand er meer over praat. Er is geen stuurgroepupdate nodig, geen dashboard met AI-metrics, geen kwartaalpresentatie over de voortgang. Het werk is gewoon beter. Stiller. Minder gedoe.
Dat is het punt waar je naartoe werkt. Het moment dat een medewerker zegt: "O ja, dat doet het systeem nu automatisch. Werkt prima."
Saai is succes.
De Shinkansen-ingenieurs werden aanvankelijk uitgelachen. Te duur, te radicaal, wie heeft dit nodig. Zestig jaar later is het Japanse spoor het referentiepunt voor de hele wereld. Ze hadden de juiste vraag gesteld.
De juiste vraag bij AI automatisering: welk proces zou er anders uitzien als we het vandaag opnieuw zouden bedenken?