Je rendement leunt op de brug tussen IT en commercie

Productiviteit koop je met een licentie. Rendement ontwerp je.

McKinsey vond dat eind augustus precies zo terug in zijn jaarlijkse AI-onderzoek. Bijna negen op de tien organisaties gebruiken AI ergens in het bedrijf, acht op de tien mensen zeggen dat ze er zelf productiever van zijn geworden, en 37 procent van de organisaties ziet er enig effect van terug in de winst. Dat laatste getal is precies gelijk aan vorig jaar.

Er is dus veel bijgekomen aan gebruik en niets aan opbrengst. Dat is een ongemakkelijk cijfer als je net een budget hebt goedgekeurd.

Verderop in het rapport staat een detail dat het scherper maakt. Respondenten die geen effect op de winst van hun onderneming zien, melden wél financieel resultaat bij afzonderlijke bedrijfsfuncties. De opbrengst is er dus wel degelijk, alleen per afdeling, en onderweg naar de winst-en-verliesrekening raakt hij zoek. Dat is een ander probleem dan een AI die niet werkt, en het vraagt om een andere oplossing.

En kijk waar die opbrengst dan zit. Kostenbesparing melden de deelnemers het vaakst in supply chain, service operations en productie. Omzetgroei melden ze het vaakst in marketing en sales, daarna in productontwikkeling en software engineering. De omzetkant van AI landt dus in jouw domein, wat het ook jouw vraag maakt en niet die van IT.

Wat die zes procent anders doet

Eén ding springt eruit bij de kopgroep. Bijna driekwart van hen heeft het werkproces fundamenteel opnieuw ingericht, tegen een kwart van alle andere organisaties. Bij alle anderen ligt AI ergens bovenop het bestaande werk, en dan krijg je precies wat je meet: mensen die zich sneller voelen in hetzelfde proces.

Fortune vatte het voor financiële directeuren kort samen: je AI-uitgave is net zo goed een werkbudget als een technologiebudget. Het eerste staat alleen zelden in de begroting.

Waarom dat herontwerp blijft liggen

Neem iets concreets. Je wil AI je offertes laten voorbereiden, en dat is technisch geen groot ding meer.

Wat eraan vastzit wel. Welke bron is leidend voor prijs en korting. Welke velden moeten gevuld zijn voordat het ding iets mag maken. Wie kijkt de offerte na en hoe lang mag dat duren. Wat gaat je verkoper doen met de tijd die vrijkomt, en wordt zijn target daarop aangepast. En wat leg je voortaan anders vast, zodat de vólgende offerte beter gaat.

Loop dat rijtje langs en je ziet het probleem. IT kan de koppeling bouwen maar gaat niet over targets. Sales gaat over targets maar niet over het datamodel. De combinatie van die twee is van niemand, en daar zit nou net het hele herontwerp.

Het werk dat tussen IT en commercie in valt

Dat werk heeft een plek nodig, en die plek bestaat. Bij organisaties die dit goed hebben staan zit er een klein team tussen commercie en IT, vaak twee tot vijf mensen en soms één. Ze dragen geen omzettarget en ze beheren geen systeem. Hun werk is de manier waarop het commerciële werk loopt.

Op een gewone dag doen ze vier dingen:

• Ze vertalen een commerciële wens naar het systeem. Sales wil een klantbeeld op één scherm; zij bepalen welke gegevens daarvoor nodig zijn, waar die vandaan komen, en wat het kost om dat te bouwen.
• Ze vertalen een technische beperking terug naar euro's. Een koppeling die alleen 's nachts draait is voor IT een detail, en voor de verkoop een dag vertraging op elke offerte. Zodra dat in geld staat kan het MT er een besluit over nemen.
• Ze zoeken uit welke stap in het verkoopproces echt oplevert, en waarom. Niet op gevoel, maar uit de cijfers en de gesprekken.
• Ze leggen dat vast als de manier waarop iedereen het doet, en houden bij of dat daarna ook gebeurt.

Dat is regie: sturen op hoe het werk loopt, met de bevoegdheid om het te veranderen. Het is de brug tussen twee werelden die elkaars taal maar half spreken, en het is precies de plek waar het rendement ontstaat.

Je komt het onder drie namen tegen

Veel organisaties denken dat ze zo'n team niet hebben, terwijl het er wel is onder een naam die ze niet met dit werk verbinden. Dit zijn de drie die je in de markt tegenkomt.

Drie vertrekpunten, hetzelfde werk: uitzoeken wat werkt en waarom, en dat vertalen naar systemen, afspraken en gedrag. Welke naam je kiest maakt minder uit dan of iemand die opdracht ook echt heeft gekregen.

En als je zo'n team niet hebt, is het werk er nog steeds. Het ligt dan verspreid: een stuk bij de salesmanager, een stuk bij een key-user die het erbij doet, een stuk bij de BI-collega en een stuk bij je leverancier. Iedereen doet zijn deel goed en niemand overziet het geheel, dus elke verbetering kost drie overleggen en een kwartaal.

Waarom die brug rendement oplevert

Het verschil tussen je beste verkoper en je gemiddelde verkoper betaal je elke maand. Diezelfde markt, dezelfde prijslijst, dezelfde systemen, en toch een ander resultaat. Dat verschil is de goedkoopste groei die je hebt liggen, want er zit geen acquisitiebudget aan vast.

Een team op die brug maakt van "wat die ene verkoper doet" de manier waarop de hele ploeg werkt. Dat is meer omzet uit dezelfde mensen. Het werkt ook de andere kant op: een systeemstap die iedereen elke week een uur kost is voor IT een lage prioriteit, tot iemand uitrekent wat dat uur maal je hele verkoopteam maal 46 weken doet. Dan komt hij ineens wel op de lijst.

BCG beschreef in augustus hetzelfde patroon aan de operationele kant: de waarde zit in de beslissingen die beter worden. Bij een verkoper is dat niet anders. Een uur besparen levert je niets op, twee klanten meer spreken wel, en dat verschil ontstaat in het proces eromheen.

Wat AI hieraan toevoegt

Let op de volgorde. Het team levert het rendement op, AI versterkt het. Andersom werkt het niet: zonder iemand die de vertaling maakt, versnelt AI alleen het werk dat toch al niemand overzag.

Staat die brug er wel, dan ondersteunt en versterkt AI precies dat werk. Op alle drie de stappen van de lus, en het besluit blijft steeds van het team.

Signaleren gaat sneller. Uitzoeken wat werkt was altijd handwerk. Iemand las gespreksverslagen, keek naar doorlooptijden, sprak een paar verkopers en kwam een kwartaal later met een conclusie. Op dat tempo voer je twee of drie verbeteringen per jaar door, en tegen die tijd is de markt weer anders. Laat je je klantgesprekken transcriberen, dan leest AI dat materiaal doorlopend en in zijn geheel: welke stap in welke deal het verschil maakte, waar deals blijven hangen, welke vraag in een eerste gesprek voorspelt of het wat wordt.

Beoordelen doet het team, met AI ernaast. Er komt een signaal uit, en dan is de vraag wat het is. Hapert het systeem of hapert het proces? AI legt de voorbeelden erbij waar het misging, rekent door wat elke route oplevert en wat hij kost, en komt met een suggestie. Dat scheelt het team de halve analyse. Het oordeel blijft wel bij mensen, want dat vraagt om kennis van je markt, je marge en wat er bij jou haalbaar is. Precies daarom heb je die brug nodig: hier valt het besluit.

Veranderen en vastleggen. Het team neemt de beslissing en registreert de keuze: wat we gaan doen, en waarom we het zo doen. Die registratie is geen administratie maar geheugen. AI gebruikt hem in de evaluatie en neemt hem mee in het advies bij de volgende beoordeling, zodat de lus weet wat je eerder besloot en wat het opleverde.

Zo versterkt AI de regie. Hoe vaker die lus rond gaat, hoe groter het verschil, en dat is het vliegwiel waar de zes procent op zit.

Ligt de lus bij niemand, dan blijft AI wat het bij tachtig procent van de mensen nu is: een persoonlijke versnelling die in de agenda verdwijnt.

Waar je begint

Datagedreven en klantgericht ondernemen vroeg altijd al om zo'n team: iemand tussen commercie en IT die de vertaling beide kanten op maakt, en die zorgt dat wat werkt ook de werkwijze wordt.

Wat AI verandert is wat het je kost als dat team er niet is. De lus kan nu veel sneller rond, alleen pakt dat voordeel de organisatie die iemand heeft om hem te draaien. Laat je die plek leeg, dan wordt het gat met de kopgroep elk kwartaal groter in plaats van kleiner.