In 1962 beloofde Kennedy dat Amerika voor het eind van het decennium een mens op de maan zou zetten. Wat de meeste mensen vergeten is hoe NASA dat deed. Ze bouwden geen tienjarenplan. Ze bouwden een serie van programma's, elk met een scherpe deadline, elk met een helder doel, elk voortbouwend op het vorige. Mercury bewees dat een mens de ruimte in kon. Gemini bewees dat twee capsules konden koppelen. Apollo bracht de mens naar de maan. Elke stap leverde het bewijs dat de volgende stap verantwoord was.
Proof before scale. Op de grootste schaal denkbaar.
Het roadmap-probleem
De meeste AI-strategieën zien er anders uit. Ze beginnen met een breed onderzoek. Ze resulteren in een roadmap. De roadmap beslaat achttien maanden tot drie jaar. Er staan tientallen initiatieven op. Elk initiatief heeft een businesscase. De businesscase is gebaseerd op aannames, want er is nog niets gebouwd.
Zes maanden later is de helft van de roadmap achterhaald. De technologie is veranderd. De prioriteiten zijn verschoven. Het team dat de roadmap schreef werkt aan andere dingen. Het document zit in een la.
Het fundamentele probleem: een AI-roadmap is een plan voor een wereld die niet meer bestaat tegen de tijd dat je klaar bent met plannen. De technologie beweegt te snel. De inzichten die je nodig hebt om goede keuzes te maken, krijg je pas door te bouwen. Een plan op basis van theorie is een plan op basis van aannames. De vraag is niet of je organisatie AI-ready is. De vraag is of je bereid bent om te beginnen.
Negentig dagen
Wat werkt: korte, afgebakende cycli. Negentig dagen van strategische vraag naar beslisdata. Tien weken, ruwweg ingedeeld.
Week een: focus kiezen. Kies een domein, een team, een proces. De grootste valkuil is overal tegelijk beginnen. Elke extra scope halviert je leervermogen. Formuleer de vraag op een pagina. Als het niet op een pagina past, is de scope te breed.
Week twee en drie: ontdekken. Ga kijken waar het werk echt gedaan wordt. Breng de frictie in kaart. Inventariseer waar mensen al onofficieel AI gebruiken. Praat met de sceptici, die weten precies waar het schuurt. Aan het eind van deze fase weet je waar de pijn het grootst is en welk stuk werk het meest geschikt is voor een experiment.
Week vier en vijf: ontwerpen. Hoe gaat de AI-oplossing eruitzien? Wie doet wat, mens en machine? Wat meet je? Hoe weet je of het werkt? Definieer de succescriteria voordat je begint te bouwen. En doe de lakmoesproef: als een menselijke expert deze taak perfect uitvoert, maakt het de gebruiker dan uit? Als het antwoord nee is, bouw het dan niet.
Week zes tot en met tien: bouwen en testen. Het kleinste stukje dat waarde creëert. Echte mensen, echt werk, echte data. Meet in paren: snelheid naast kwaliteit. Verzamel bewijs. Aan het eind van de cyclus dwing je een keuze af: opschalen, aanpassen, een andere richting, of stoppen. Schaal pas op als het bewijs er ligt. Dat is het principe van proof before scale.
Wat je aan het eind hebt
Na negentig dagen weet je meer over AI in jouw organisatie dan na zes maanden roadmappen. Je weet of je team verandering aankan. Je weet of je data bruikbaar is. Je weet of AI daadwerkelijk waarde toevoegt aan dit stuk werk. En je weet het op basis van bewijs, op basis van iets dat je hebt gebouwd en getest met echte mensen.
Die kennis is de basis voor de volgende cyclus. En de volgende. Elke cyclus bouwt voort op de vorige. Na drie cycli heb je een AI-strategie die organisch gegroeid is uit bewijs, in plaats van top-down bedacht in een vergaderkamer.
Het compounding effect
Dit is waar het interessant wordt. De eerste cyclus is de moeilijkste. Alles is nieuw. Het team moet wennen aan een andere manier van werken. De processen zijn nog niet gestroomlijnd.
De tweede cyclus gaat sneller. De derde nog sneller. Het team heeft geleerd. De governance staat. De meetmethodes zijn getest. De organisatie heeft bewijs dat het werkt, of bewijs dat bepaalde dingen niet werken, wat minstens zo waardevol is.
Na een jaar heb je vier cycli gedaan. Vier keer een afgebakend experiment. Vier keer bewijs. Vier keer een geforceerde beslissing. Vergelijk dat met de organisatie die een jaar bezig is geweest met het schrijven van een AI-strategie en nog niets heeft gebouwd.
Kennedy had geen tienjarenplan. Hij had een deadline en een serie van experimenten die elk het volgende experiment mogelijk maakten. Mercury, Gemini, Apollo. Steeds een stap groter, steeds gebouwd op het bewijs van de vorige stap.
Negentig dagen is genoeg om te landen. Of om te ontdekken dat je een andere koers moet varen. Beide uitkomsten brengen je verder dan een roadmap.