De AI‑kans voor ondernemingen is augmentatie, niet vervanging

Generatieve kunstmatige intelligentie kan binnen enkele seconden een plausibel toekomstbeeld schetsen. Dat betekent echter niet dat bedrijven hun strategieën daarop moeten baseren.

Een recent gepubliceerde studie die AI‑gegenereerde personeelscenario’s vergelijkt met door experts geleide foresight, vond een duidelijke verdeling van sterktes.¹ ChatGPT 4.5, Gemini Advanced 2.5 Pro en DeepSeek R1 genereerden gestructureerde scenario’s snel, efficiënt en over een breed scala aan thema’s. Menselijke experts produceerden echter toekomstbeelden met meer contextuele diepgang, ethische gevoeligheid en strategische bruikbaarheid.

Het onderzoek richtte zich op talentmanagement in toerisme en hospitality, maar de implicaties reiken veel verder dan hotels en reizen. Elk bedrijf dat AI overweegt voor planning, werving, risico‑analyse of ondersteuning bij strategische beslissingen, staat voor dezelfde vraag: levert het systeem inzicht, of rangschikt het slechts bekende ideeën tot een overtuigend verhaal?

Het antwoord is niet dat AI geen waarde heeft. Integendeel, de waarde is het grootst wanneer het het scala aan mogelijkheden vergroot voordat ervaren mensen bepalen wat serieus genomen moet worden.

Hoe onderzoekers GenAI testten als strategisch foresight‑instrument

De onderzoekers vroegen de drie AI‑platformen om personeelscenario’s voor 2035 te ontwikkelen met behulp van Dator’s Four Futures‑kader. Deze methode verkent vier brede richtingen: voortzetting, ineenstorting, discipline en transformatie.

Elk model kreeg gestandaardiseerde prompts over werkomstandigheden, AI‑gebruik in HR, percepties van medewerkers, opkomende vaardigheden, ethiek, beleid en onderwijs. De resulterende narratieven werden vergeleken met scenario’s die eerder waren ontwikkeld via interviews met 30 internationale experts op het gebied van toerisme en hospitality, waaronder managers, HR‑professionals, technologiespecialisten en academici.

De vier scenario’s varieerden van een AI‑gedreven werkplek waar automatisering werving en training verbeterde tot een over‑geautomatiseerde toekomst gekenmerkt door surveillance, depersonalisatie en ontevredenheid onder medewerkers. De modellen hielden ook rekening met een evenwichtige mens‑AI‑werkplek en een toekomst waarin de sector bewust automatisering beperkt om persoonlijke service te behouden.

Het experiment was opzettelijk beperkt. De modellen kregen éénmalige prompts zonder vervolgvragen, externe validatie, feedback van belanghebbenden of iteratieve verfijning. Als gevolg hiervan evalueert het artikel basis‑AI‑gegenereerde toekomstscenario’s in plaats van het best mogelijke resultaat van een geavanceerde mens‑AI‑workflow.

Waar AI beter presteerde en waar experts het voordeel behielden

De vergelijkende resultaten van de studie laten zien waarom generatieve AI aantrekkelijk is voor bedrijven. Het kan snel een lege pagina vullen met mogelijke rollen, risico’s, beleidsmaatregelen en organisatorische reacties. Die snelheid kan formele scenarioplanning toegankelijk maken voor kleinere bedrijven die niet voor elke strategische vraag een groot consultancyteam kunnen inhuren.

De zwakte kwam naar voren wanneer de breedte moest overgaan in oordeel. De modellen herkenden kwesties zoals vooringenomenheid, privacy, verdringing en surveillance, maar behandelden ze doorgaans slechts als te noemen categorieën. Experts onderzochten hoe deze kwesties de moraal, servicecultuur, stem van medewerkers, organisatorische beperkingen en de emotionele arbeid die centraal staat in de hospitality zouden beïnvloeden.

Dit onderscheid is belangrijk. Een taalmodel kan vaststellen dat automatisering menselijk contact kan verminderen. Een ervaren operator begrijpt eerder welke interacties klanten waarderen, welke beslissingen werknemers zullen verzetten, en waar een ogenschijnlijk efficiënt proces het vertrouwen of de retentie kan schaden.

De echte ondernemingskans is snellere strategische verkenning

De meest bruikbare interpretatie is niet dat mensen AI hebben verslagen. Het is dat elke kant op een ander niveau van het probleem opereerde.

GenAI was effectief in het genereren van mogelijkheden. Experts waren beter in het evalueren van die mogelijkheden. Het combineren van deze functies kan een sterker proces opleveren dan volledig op één van beide vertrouwen.

Een organisatie kan AI gebruiken om tientallen basisscenario’s te creëren, kritieke aannames te variëren, zwakke signalen te identificeren en tegenstrijdigheden bloot te leggen. Menselijke deelnemers kunnen vervolgens generieke narratieven afwijzen, lokaal bewijs toevoegen, perspectieven van belanghebbenden inbrengen en bepalen welke ontwikkelingen investering of noodplannen rechtvaardigen.

Deze benadering lijkt op de bredere overgang van zelfstandige modellen naar volledige ondernemingssystemen. Zoals Securities.io eerder heeft onderzocht, de meeste agentische implementaties missen essentiële lagen rond de onderliggende intelligentie. Een capabel model is slechts één component. Toegang tot data, orkestratie, governance, beveiliging, verantwoording en integratie bepalen of het duurzame waarde creëert.

Voor praktisch gebruik moeten bedrijven AI‑gegenereerde scenario’s behandelen als hypothesen die aan verschillende controles moeten voldoen:

• Welke aannames zijn niet onderbouwd of te algemeen?
• Welk(e) belang(en) en ervaring(en) ontbreken?
• Welk bewijs zou het scenario bevestigen of verzwakken?
• Welke beslissingen blijven omkeerbaar als de prognose onjuist blijkt?

Dit maakt AI van een autoriteit tot een intellectuele sparringpartner. Het doel is om de overweging te verbreden, niet om het debat te sluiten.

Waarom menselijk toezicht een economische vereiste wordt

Menselijke beoordeling wordt vaak gepresenteerd als een ethische waarborg die na de bouw van een AI‑systeem wordt toegevoegd. In strategische toepassingen maakt het deel uit van het product zelf.

Een prognose die regelgeving, weerstand van de arbeidskracht of klantgedrag over het hoofd ziet, kan kapitaal naar het verkeerde project leiden. Een wervingssysteem dat meetbare efficiëntie optimaliseert terwijl het vertrouwen ondermijnt, kan het personeelsverloop en de juridische blootstelling verhogen. Een scenario‑planningsinstrument dat dominante aannames herhaalt, kan leidinggevenden zelfverzekerder maken zonder hen beter geïnformeerd te maken.

Regulering versterkt deze behoefte. De European Union’s AI Act classificeert bepaalde arbeids‑ en personeelsbeheer‑toepassingen als hoog risico en vereist maatregelen waaronder documentatie, traceerbaarheid, nauwkeurigheid en menselijk toezicht. Deze eisen maken governance‑capaciteiten commercieel relevant in plaats van louter reputatie‑gerelateerd.

Het opkomende concurrentievoordeel kan daarom contextuele intelligentie zijn: het vermogen om modeloutput te koppelen aan eigen data, sectorspecifieke kennis, regelgeving, organisatorische geschiedenis en de leefervaring van betrokken mensen. Foundation‑modellen zullen blijven verbeteren, maar toegang tot een capabel model wordt minder onderscheidend. Het moeilijker te reproduceren asset is het systeem eromheen.

Dit helpt ook verklaren waarom intelligentie steeds vaker wordt behandeld als infrastructuur. Infrastructuur wordt economisch nuttig wanneer het betrouwbaar, beheerd en verbonden is met echte operaties. Ruwe generatie is slechts het begin van die waardeketen.

Een kritieke beperking verandert hoe de resultaten gelezen moeten worden

De studie bevat een belangrijke asymmetrie. De AI‑scenario’s waren ruwe eerste‑pass outputs, terwijl de menselijke vergelijking voortkwam uit interviews die werden gesynthetiseerd, bewerkt en via peer review gepubliceerd. Een deel van het voordeel van de experts kan voortkomen uit een rijker productieproces in plaats van een inherente verschillen tussen menselijk en machinaal redeneren.

De geselecteerde modelversies weerspiegelen ook een dataverzamelingsvenster van februari tot maart 2025. Gezien het tempo van AI‑ontwikkeling mag het onderzoek niet worden geïnterpreteerd als een permanente rangschikking van ChatGPT, Gemini, DeepSeek of menselijke experts.

Die beperkingen ontkrachten de centrale bevinding niet. Ze wijzen eerder op het volgende experiment: expertteams vergelijken met expertteams die AI gebruiken, waarbij beide partijen gelijke toegang hebben tot bewijs, iteratie en redactionele verfijning. Dat zou meten of GenAI de contextuele kloof sluit wanneer het is ingebed in een rigoureus proces.

Investeren in de mens‑AI‑integratielaag

De bevindingen vormen een natuurlijke investeringscase voor Accenture. Het bedrijf bevindt zich tussen steeds capabelere foundation‑modellen en ondernemingen die deze modellen moeten omzetten in veilige, branchespecifieke workflows.

Accenture’s relevantie is niet gebaseerd op het bezit van een toonaangevend foundation‑model. Het komt voort uit de combinatie van technologische implementatie met proceskennis, transformatie van de workforce, governance en sectorspecifieke expertise. Deze positionering sluit nauw aan bij de conclusie van de studie dat AI nuttiger wordt wanneer de output wordt geïnterpreteerd en gecontextualiseerd door mensen.

Het bedrijf heeft recentelijk een Accenture Gemini Enterprise Business Group opgericht in samenwerking met Google Cloud. Het initiatief combineert gecertificeerde professionals, branchespecifieke expertise, implementatiekaders en een geplande engineering‑werkforce van 1.000 medewerkers die direct bij de klant worden ingezet. Het doel is om klanten te verplaatsen van beperkte AI‑experimenten naar meetbare ondernemingsresultaten.

Die strategie brengt ook risico’s met zich mee. Door consultants geleide AI‑projecten kunnen duur zijn, de voordelen zijn moeilijk te kwantificeren, en snel evoluerende software kan delen van het implementatiewerk automatiseren. Accenture moet aantonen dat haar expertise leidt tot blijvende operationele verbeteringen in plaats van verlengde pilotprogramma’s. Toch ondersteunt het onderzoek de onderliggende veronderstelling dat ondernemingen meer nodig hebben dan alleen toegang tot modellen. Ze hebben hulp nodig bij het herontwerpen van beslissingen, verantwoordelijkheden en werkstromen daaromheen.

AI zal strategie vormgeven zonder de strateeg te worden

Generatieve AI kan strategisch verkennen al sneller en goedkoper maken. Ze kan alternatieven genereren, onzekerheid ordenen en besluitvormers iets concreets bieden om tegen te gaan. Dat zijn betekenisvolle voordelen.

Wat ze nog niet zelfstandig kan leveren, is verantwoording voor de aannames in haar narratieven. Ze draagt niet de kosten wanneer een generieke aanbeveling botst met de bedrijfscultuur, regelgeving of menselijk gedrag.

Het sterkste ondernemingsmodel is daarom noch volledige automatisering, noch afwijzing van AI. Het is een gedisciplineerde taakverdeling: machines genereren en variëren mogelijkheden, terwijl mensen bewijs, context, ethisch oordeel en verantwoordelijkheid leveren. Voor investeerders verschuift de aandacht hierdoor van alleen modellen naar de bedrijven die de integratie‑, governance‑ en expertise‑lagen bouwen die AI bruikbaar maken in de reële economie.

Referenties:

¹ El Hajal, G., & Ivanov, S. (2026). Machines, geesten en de toekomst van werk: GenAI en toekomstige werkimaginaire. Futures, 184, 103934. https://doi.org/10.1016/j.futures.2026.103934