AI-procesoptimalisatie: van bottleneck naar blauwdruk in 6 stappen

AI is de drijvende kracht achter moderne procesoptimalisatie. Organisaties die hun operations digitaliseren en AI inzetten voor procesverbetering, bouwen aan wendbaarheid, efficiëntie en strategisch voordeel. Prof. dr. Sam Solaimani* - hoogleraar Digital Technology, Innovation & Operations Management - heeft een heldere boodschap: digitalisering raakt niet alleen de infrastructuur van organisaties, maar hun core businessprocessen tot in de haarvaten. In dit artikel schetst hij zes essentiële stappen waarmee organisaties bottlenecks omzetten in een toekomstbestendige blauwdruk – met AI als motor van duurzame procesoptimalisatie.

Vijf technologische trends in procesmanagement

Op dit moment domineren volgens Solaimani vijf technologische trends het domein van operations en procesmanagement:

Generatieve AI en autonome agenten: waar automatisering vroeger vooral ging over het verminderen van handmatig werk, zien we nu systemen die zelf leren en beslissingen nemen.
Explosieve groei van data: organisaties brengen steeds meer gestructureerde én ongestructureerde databronnen samen om tot betere inzichten te komen.
Real-time informatie: Werken met rapportages achteraf is minder effectief als je direct al kunt zien wat klanten, patiënten of burgers op dit moment doen.
Complexere en breder ingezette AI-algoritmen: wetgeving en ethiek worden vaak als volgend worden gezien, maar er is veel in beweging. De Europese AI-verordening is deels van kracht, maar het blijft onduidelijk wat deze regels precies betekenen. De vraag is dus niet alleen wat technologie kan, maar ook wat zij mag.
Verbeterde technologische infrastructuur: Cloud-computing, verbeterde connectiviteit en betrouwbaardere security en monitoring zorgen voor ongekend schaalvermogen, flexibiliteit en betrouwbaarheid.

Van immigratieketen tot datagedreven ecosysteem

De impact van deze trends blijkt duidelijk in het publiek-private domein. Een treffend voorbeeld is het Nederlandse immigratieprogramma waar Solaimani enkele jaren geleden bij betrokken was. De dagelijkse instroom van migranten vraagt om nauwe samenwerking tussen uitvoeringsorganisaties, gemeenten, veiligheidsdiensten, maatschappelijke partners en private leveranciers – elk met eigen systemen en belangen. De kernuitdaging: vraag en aanbod van opvangplekken op elkaar afstemmen om datagedreven beslissingen te kunnen nemen. Zoals Solaimani stelt: “De immigrant is de klant. Niet de organisatie, niet de beleidsregel, maar de mens die bescherming en een dak boven zijn hoofd zoekt.”

Zes stappen naar AI-gedreven procesoptimalisatie

Door data uit verschillende lagen van de keten te ontsluiten, ontstond een integraal beeld van vraag en capaciteit. AI en voorspellende modellen koppellen instroomtrends aan beschikbare middelen, wat leidt tot betere forecasting, efficiëntere benutting van capaciteit en minder leegstand in de opvang. Toch bleken geopolitieke ontwikkelingen, politieke besluitvorming, datakwaliteit en organisatorische structuren en -afspraken minstens zo bepalend als technologie. Zowel deze casus als eerdere projecten van Solaimani tonen één duidelijke les: Om AI écht effectief in te zetten bij procesverbetering, zijn zes samenhangende stappen nodig:

1. Holistische benadering: van proces naar waardestroom

Datagedreven besluitvorming, planning en aansturing – en zeker met AI – werkt pas echt als je het volledige systeem begrijpt. Dat betekent niet optimaliseren per afdeling, maar de waardestroom end-to-end in kaart brengen. Binnen de migratieketen betekent dit dat een optimale planning en forecast alleen kan als de capaciteit bij alle partijen – zoals IND, AVIM, COA, GZA en GGD – wordt meegenomen. AI tools en technieken kunnen steeds eenvoudiger worden ingezet om de waardestroom te visualiseren en knelpunten te voorspellen, maar alleen als data uit al deze schakels beschikbaar is.

2. Ketenbrede afspraken en datadeling

Organisaties in ketens moeten duidelijke afspraken maken over data, standaarden en verantwoordelijkheden. Organisaties werken in ketens met verschillende informatiesystemen – zo ook in de migratieketen – waardoor cruciale informatie over vraag en beschikbaarheid niet altijd toegankelijk is. Door data te bundelen en te harmoniseren ontstaat één gezamenlijke informatiebasis. Zonder dit optimaliseert elke partij voor zichzelf – niet voor het geheel. Geavanceerde analytics kan pas effectief worden ingezet op deze gezamenlijke basis, wat leidt tot veel betere collectieve beslissingen.

3. Datakwaliteit en governance

Lage datakwaliteit belemmert datagedreven werken, maar het probleem ligt dieper. Vaak ontbreken goede processtandaardisatie, data governance en integratie tussen systemen. Zonder die basis blijven data onbetrouwbaar en leiden ze tot inconsistente beslissingen en inefficiënt gebruik van middelen. Goede data governance vraagt ook om multidisciplinaire samenwerking: techniek, infrastructuur, financiën en compliance moeten samen optrekken. Een datagedreven organisatie draait dus niet alleen om technologie, maar ook om samenwerking, heldere afspraken, talent en welwillendheid.

4. Ethische kaders en publieke verantwoordelijkheid

In het publieke domein gaan ethiek en compliance hand in hand. Ethiek bepaalt wat juist is, compliance zorgt dat dit binnen wet- en regelgeving gebeurt. Publieke organisaties moeten daarom een duidelijk ethisch kompas hebben voor bv. privacy, discriminatie, transparantie, accountability en menselijke waardigheid. Technologie ontwikkelt zich vaak sneller dan beleid, maar juist dan is het belangrijk om niet stil te zitten. Juist voor publieke organisaties geldt: ethiek is geen nice-to-have, maar een noodzakelijk sturingsinstrument van technologie.

5. Vaardigheden en digitale cultuur

Digitale transformatie vereist niet alleen nieuwe technische vaardigheden, maar ook een cultuurverandering rond experimenteren, iteratief leren en gemotiveerd risico’s durven nemen. Veel organisaties sturen innovatie nog primair top-down aan, terwijl juist de frontlijn medewerkers vaak het rijkste inzicht hebben in operationele problemen en potentiële oplossingen. Effectief leiderschap schept daarom bewuste ruimte voor bottom-up input en kennisdeling. Dit is essentieel voor een duurzame, ingebedde digitale cultuur.

6. Digitaal leiderschap

Digitaal leiderschap betekent dat leiders niet alleen aandacht hebben voor cultuur, maar ook actief richting geven aan de digitale verandering. Dat vraagt om duidelijke afspraken: wie neemt besluiten over data en technologie? Wie bewaakt de kwaliteit, de ethiek en de voortgang? In de praktijk gaat het om samenwerken in stuurgroepen, regelmatig toetsen of processen goed lopen en weten wie verantwoordelijk is als iets misgaat. Zo houden organisaties grip op hun digitale ontwikkeling en kunnen ze verantwoording afleggen – zeker belangrijk in het publieke domein.

Paradoxen en dilemma’s van digitale transformatie

Bovenstaande ingrediënten vormen een blauwdruk voor organisaties en ketens om AI op de juiste manier in te zetten. In zijn colleges aan Nyenrode benadrukt Solaimani dat de zes stappen geen lineair pad vormen; ze brengen spanningen met zich mee, bijvoorbeeld: centraal databeleid versus decentrale autonomie, snelle optimalisatie versus fundamenteel redesign en ethische controle versus ruimte voor innovatie.

Er bestaat geen universele oplossing. Elke organisatie moet bewust kiezen waar zij op het spectrum staat, afhankelijk van cultuur, risicotolerantie en regelgeving. Solaimani: “Wat wel waar is: organisaties die deze spanning negeren, schuiven innovatie uit. Wie daarentegen alle risico toestaat, ondermijnt vertrouwen. De kunst is dus niet de juiste balans vinden; het is deze dilemma's expliciet maken, ermee leren, en voortdurend bijstellen waar je staat.”