6 jul 2026
|
Gesponsord
Ondanks de enorme kapitaalinjecties in kunstmatige intelligentie blijft het tastbare rendement vaak uit. Niet omdat de technologie tekortschiet, maar door een gebrek aan fundament. Gebrekkige data-architectuur, stroperige processen en een gebrek aan regie zorgen ervoor dat veel AI-initiatieven steken laten vallen voordat ze waarde toevoegen.
“Wat ik momenteel het meest zie, is een enorm FOMO-gevoel”, zegt Rutger Roffel, Head of AI bij New Nexus. Organisaties gooien er hierdoor snel wat tools tegenaan, maar ze vergeten een bepaald probleem te definiëren. “Dan heb je een oplossing die nog geen probleem heeft.” Roffel adviseert dagelijks organisaties, van provinciale directies tot ambitieuze start-ups, over de praktische inzet van AI. Zijn conclusie is steeds dezelfde: de urgentie is er, maar de concrete vertaalslag naar de werkvloer ontbreekt.
AI werkt alleen als de onderliggende data op orde is. “AI is een krachtige motor, maar die draait op één soort brandstof: jouw data”, stelt Roffel. “Als de input niet klopt, klopt de uitkomst ook niet. Dat is precies waarom veel pilots stranden.”
Een datagedreven organisatie verzamelt niet lukraak cijfers, maar gebruikt data als kompas voor strategische beslissingen. Daar is veel meer voor nodig dan technologie alleen: domeinkennis en menselijke nuance blijven onmisbaar. De professional die de uitkomst beoordeelt, moet data kunnen lezen én begrijpen wat die betekent voor de dagelijkse organisatie.
New Nexus hanteert voor nieuwe klanten een AI-quickscan: een grondige analyse van AI-geletterdheid, datakwaliteit en werkprocessen. Daarbij zoekt het bewust de werkvloer op. “Daar zitten de echte kennishouders van domeinspecifieke processen. Als je hen eigenaarschap geeft over de vraagstukken die ze zelf indienen, krijg je oplossingen waar je daadwerkelijk wat aan hebt.”
Datasoevereiniteit staat hoog op de agenda. Roffel wijst dan ook op de risico’s van afhankelijkheid van Amerikaanse of Chinese platformen. De oplossing zit vooral in dataportabiliteit: open standaarden, hybride infrastructuren en slimme classificatie van data naar gevoeligheid. Gevoelige gegevens horen achter eigen muren en minder kritische data kan veilig in de publieke cloud.
Verantwoorde AI begint volgens Roffel bij het eerste schetsje op het whiteboard. “Wij accepteren nooit een black box. Als een model een beslissing neemt met impact op mensen, moeten we altijd kunnen uitleggen hoe die tot stand is gekomen.” Het levert aantoonbare resultaten op, van energiebesparing in utiliteitsgebouwen via slimme algoritmes tot soevereine AI-projecten ter ondersteuning van zorgprofessionals en AI-geletterdheid bij gemeenten.
Vaak worden innovatie en controle gezien als tegenpolen. Maar een raceauto heeft juist een krachtige rem nodig om niet uit de bocht te vliegen. Roffel: “Controle is juist de absolute voorwaarde voor innovatie. In de praktijk doe je dit door een basisprincipe om te draaien: stuur jouw data niet naar een extern AI-model, maar haal het model naar jóúw data. In deze afgeschermde omgevingen kunnen medewerkers volop pionieren en experimenteren met AI, zonder dat er ooit bedrijfsdata weglekt naar de buitenwereld.”