De verborgen productiviteitswinst: AI in interne processen waar niemand over praat The Hidden Productivity Gains: AI in Internal Processes Nobody Talks About

De AI-toepassingen die gedemonstreerd worden, zijn die naar de klant toe. De chatbot op de website. De gladde verkoopassistent. Ondertussen gebeurt de winst die de operationele marge echt beweegt ergens waar niemand een camera op richt: de financiële afsluiting, de inkoopwachtrij, de interne kennissearch die vroeger een uur per dag opslokte. Weinig glamoureus werk. Ook waar het geld zit.

The AI applications that get demoed are the ones facing the customer. The chatbot on the website. The slick sales assistant. Meanwhile, the gains that actually move the operating margin are happening somewhere nobody points a camera: the finance close, the procurement queue, the internal knowledge search that used to eat an hour a day. Unglamorous work. Also where the money is.

The demo bias

De demo-bias

There is a reason customer-facing AI gets all the attention. It demos well. A chatbot answering a question on stage looks like the future. A finance analyst reconciling ledgers 20 minutes faster does not. So the budget flows toward the thing that photographs well, and the thing that actually pays is quietly underfunded.

Er is een reden waarom klantgerichte AI alle aandacht krijgt. Het demonstreert goed. Een chatbot die op het podium een vraag beantwoordt, ziet eruit als de toekomst. Een financieel analist die grootboeken 20 minuten sneller afstemt, niet. Dus vloeit het budget naar het ding dat goed op de foto staat, en het ding dat echt loont wordt stilletjes ondergefinancierd.

Deloitte's State of AI-rapport uit 2023 vond dat organisaties die AI in interne operaties inzetten 3,5 keer hoger rendement melden dan die AI beperken tot klantgerichte toepassingen. Het verschil is niet klein. Het is het verschil tussen een afrondingsfout en een strategie.

Deloitte's 2023 State of AI report found organisations deploying AI in internal operations report 3.5 times higher ROI than those limiting AI to customer-facing applications. The gap is not small. It is the difference between a rounding error and a strategy.

Why the gap? Internal processes have three qualities that AI feeds on: they repeat, they carry volume, and their cost is already tracked. You do not have to guess whether the finance close got faster. You can read it off the calendar.

Waarom het verschil? Interne processen hebben drie eigenschappen waar AI op gedijt: ze herhalen zich, ze dragen volume, en hun kosten worden al bijgehouden. U hoeft niet te raden of de financiële afsluiting sneller ging. U kunt het van de kalender aflezen.

There is a second cost to the demo bias, and it is cultural. When the only AI anyone sees is the customer-facing showcase, employees conclude AI is a marketing project. Something for the front of the house. The finance team, the planners, the people drowning in repetitive work, none of them raise their hand, because nobody told them the technology was for them too. The showcase misallocates budget, and worse, it misallocates imagination.

Er is een tweede kost aan de demo-bias, en die is cultureel. Wanneer de enige AI die iemand ziet de klantgerichte etalage is, concluderen medewerkers dat AI een marketingproject is. Iets voor de voorkant van het huis. Het financeteam, de planners, de mensen die verdrinken in repetitief werk, niemand van hen steekt zijn hand op, want niemand vertelde hen dat de technologie ook voor hen was. De etalage verdeelt het budget verkeerd, en erger nog, ze verdeelt de verbeelding verkeerd.

Where the gains actually sit

Waar de winst werkelijk zit

Notice that legal and compliance sits at the top. That surprises people, because it is the function most associated with caution. But review work is pattern work, and pattern work is exactly what AI accelerates when a human keeps the final say. The caution stays. The grind shrinks.

Merk op dat juridisch en compliance bovenaan staat. Dat verrast mensen, want het is de functie die het meest met voorzichtigheid wordt geassocieerd. Maar controlewerk is patroonwerk, en patroonwerk is precies wat AI versnelt wanneer een mens het laatste woord houdt. De voorzichtigheid blijft. Het geploeter krimpt.

Starting where it counts

Beginnen waar het telt

The mistake is to start with the most visible process. Start instead with the most repetitive one where the cost is already measured. Copenhagen Municipality did exactly this, building 80 RPA automations across 14 departments, maintained by trained civil servants with no software background. No flashy demo. Just 80 quiet processes that no longer need a human to shepherd them.

De fout is te beginnen met het meest zichtbare proces. Begin in plaats daarvan met het meest repetitieve waar de kosten al gemeten worden. De gemeente Kopenhagen deed precies dit, met 80 RPA-automatiseringen over 14 afdelingen, onderhouden door getrainde ambtenaren zonder software-achtergrond. Geen opzichtige demo. Gewoon 80 stille processen die niet langer een mens nodig hebben om ze te begeleiden.

VNG meldde in 2024 dat gemeenten die AI en RPA in administratieve processen piloten, 25 tot 35 procent van de werklast op gerichte taken absorberen, zonder personeelsreducties. De winst verschijnt als capaciteit, niet als ontslagen.

VNG reported in 2024 that municipalities piloting AI and RPA in administrative processes absorb 25 to 35 percent of the workload on targeted tasks, with no staff reductions. The gain shows up as capacity, not as headcount cuts.

Capacity is the honest word for it. In a Dutch labour market with more than 10,000 unfilled municipal vacancies at the end of 2024, absorbing a third of the administrative load is not a cost-cutting story. It is a survival story.

Capaciteit is het eerlijke woord ervoor. In een Nederlandse arbeidsmarkt met meer dan 10.000 onvervulde gemeentelijke vacatures eind 2024 is het absorberen van een derde van de administratieve last geen bezuinigingsverhaal. Het is een overlevingsverhaal.

One warning before you go hunting. Do not automate a broken process. MIT Sloan found 68 percent of municipal process improvement potential sits in workflow redesign and exception standardisation, not in new technology. If the process is a mess, AI will run the mess faster. Fix the flow first. Then automate what remains.

Eén waarschuwing voordat u op jacht gaat. Automatiseer geen kapot proces. MIT Sloan vond dat 68 procent van het gemeentelijke procesverbeterpotentieel in workflowherontwerp en het standaardiseren van uitzonderingen zit, niet in nieuwe technologie. Als het proces een rommel is, draait AI de rommel sneller. Repareer eerst de stroom. Automatiseer dan wat overblijft.