Masterclass AI 2.0 

– Naar productiviteitsverhogende AI  –

Inleiding
AI belooft veel, maar investeringen binnen AI 1.0 hebben nog niet geleid tot breed aantoonbare productiviteitswinst, simpelweg omdat veel belangrijke randvoorwaarden (vertrouwen, betrouwbare data, borgen van privacy, strategieën, processen, governance en skills) ontbreken. Voor de komende jaren zijn vooral door Amerikaanse tech bedrijven voor honderden miljarden aan investeringen gepland. De vraag is of mensen ook nog ChatGPT gebruiken als ze tientallen euro’s per maand voor een abonnement moeten betalen. Daarbij overschrijdt de waardering van veel big tech de biljoen dollar. En ten slotte, veel bedrijven investeren, vaak zonder een gedegen strategie, voor miljoenen euro’s in AI-ontwikkeling om de boot niet te missen (FOMO: Fear of Missing Out). De vraag is of we niet een bubbel aan het creëren zijn die net als de internet bubbel De tekenen zijn er wel voor. Als het gebeurt is de vraag of jij hierop voorbereid bent en of je al een strategie voor AI 2.0  hebt. Deze masterclass gaat hierover.

Met de dringende boodschap dat zijn bedrijf snel zou moeten investeren in AI, kwam de CEO van een groot bedrijf terug van het World Economic Forum. Snel werd een groot AI team opgetuigd en talloze pilots gedraaid. Vele miljoenen verder is nog steeds niet duidelijk of de loonkosten zullen dalen en de productiviteit zal stijgen.

Onderzoek
Uit een onderzoeksrapport van McKinsey (2015, bijna tien jaar vóór de grote AI doorbraak) blijkt dat 45% van de activiteiten waarvoor mensen betaald krijgen, kan worden geautomatiseerd door de toepassing van op dat moment bewezen en betrouwbare technologieën. De grote vraag is: Waarom is dit niet gebeurd en waarom zou AI nu wel succesvol zijn?

Uit steeds meer onderzoeken en publicaties (2025) zoals MIT, Harvard, Gartner, Accenture, Boston Consulting Group, Financial Times, de Federal Reserve en het Financieel Dagblad blijkt dat, ondanks honderden miljarden investeringen in AI de productiviteit door de inzet van AI niet of nauwelijks toeneemt of zelf afneemt. De kans is groot dat ook AI zich gedraagt als een ‘normale’ technologie waarbij er veel hype gecreëerd wordt en technologische innovaties vele malen sneller gaan dan de adaptie door mensen, organisaties en maatschappij.

Onderzoek van de universiteit van Melbourne, samen met KPMG (2025), wijst uit dat hoewel 58% van de Nederlanders AI gebruikt, de zorgen overheersen. Maar liefst 85% noemt negatieve effecten als grootste zorg. Zo geeft 72% aan niet meer zeker te weten of online informatie betrouwbaar is. Ruim 82% zegt meer vertrouwen te hebben in AI als er betere regelgeving is en nog opvallender: 85% pleit actief voor wetgeving en handhaving tegen
AI-gegenereerde desinformatie. Toch kent bijna niemand de bestaande wet- en regelgeving. Slechts 11% van de respondenten is zich bewust van het feit dat er überhaupt regels zijn.

Uit een onderzoek van Adobe Business (2025) blijkt dat 65% van de senior executives AI als strategische prioriteit benoemt. Slechts 30% van de bedrijven test daadwerkelijk AI applicaties, terwijl 27% AI informeel inzet binnen verschillende teams, zonder overkoepelende strategie. Maar liefst driekwart (76%) van de professionals geeft aan dat datafragmentatie ertoe leidt dat ze geen realtime personalisatie kunnen leveren. Veelgenoemde knelpunten zijn:

  • Zorgen over privacy en beveiliging (38%)
  • Gebrek aan budget of gespecialiseerd personeel (28%)
  • Onvoldoende datakwaliteit of -standaardisatie (26%)
  • Overtollige, ongestructureerde databronnen (25%)
  • Geen centrale datastrategie (24%)

De weg vooruit is niet zonder obstakels. Datasilo’s, de behoefte aan transparantie en het verplaatsen van projecten voorbij de experimentele fase staan ​​allemaal het ontsluiten van het potentieel van generatieve AI in de weg. Daarom erkennen bedrijven steeds meer de noodzaak van een uniform dataplatform. 30% van de senior executives is van plan om hun budgetten voor technologie en datatransformatie in 2025 met meer dan 10% te verhogen om hun datahuishouding op orde te krijgen voordat ze volledig inzetten op AI-gestuurde besluitvorming. Zonder een sterke databasis is AI niet alleen ineffectief, maar ook zeer riskant.

Ten slotte, uit een onderzoek van de AWVN uit 2024 blijkt dat 84 procent van de werkgevers en HR-verantwoordelijken nog nauwelijks denkt aan kunstmatige intelligentie als het gaat om het uitvoeren van taken of functies. Effecten op de organisatie en op functies voorziet men vooral voor de lange termijn. Dit terwijl de indruk van veel mensen is dat AI breed omarmt en gebruikt wordt. Dit fenomeen noemen we ook wel ‘schaduw AI’. Medewerkers gebruiken lokaal, zonder strategie of richtlijnen vanuit de organisatie AI. Dit doen ze vaak om eigen activiteiten efficiënter uit te voeren. Maar we weten uit systeemleer dat als je een deel optimaliseert het geheel suboptimaal wordt. Dit blijkt uit onderstaande statistieken.

Hoe dit alles waarschijnlijk zal gaan uitpakken wordt onder ander verwoord door Microsoft CEO: Satya Nadella. Het hele IT-spectrum zal veranderen, apps zullen verdwijnen en waarschijnlijk teruggebracht worden tot betrouwbare databanken (met als basis CRUD: Create, Read/Retrieve, Update en Delete data) en AI-agents die via een bepaalde volgorde (denk aan een Bill of materials in een fabriek) verschillende antwoorden op vragen ophalen en samenstellen tot bijvoorbeeld een hypotheekofferte.

Deze visie vormt ook de basis voor deze masterclass AI 2.0 voor het ontwikkelen en implementeren van productiviteit-verhogende AI met datagedreven organiseren als onderdeel van de digitale lopende band.

Waarom AI nu vaak te weinig oplevert?
Belangrijke redenen waarom AI 1.0 nu te weinig oplevert zijn:

  • Onzekerheid over risico’s: vertrouwelijkheid en privacy rond data roepen terecht vragen op.
  • Versnipperde, onbetrouwbare data: informatie zit vast in lokale systemen en is niet direct bruikbaar.
  • Gebrek aan AI-geletterdheid: teams weten vaak niet hoe ze AI veilig en effectief inzetten.
  • Misvatting ‘plug-and-play’: AI is geen kant-en-klare doos — processen, workflows en operating models vragen aanpassing

De uitdaging
In The Future of European Competitivenes luidde Mario Draghi, de noodklok over de economische gezondheid van Europa. De zoektocht naar oplossingen is urgenter geworden nu de geopolitieke spanningen toenemen. Een belangrijk punt is productiviteit. In 1996 was de output van Europese en Amerikaanse werknemers gelijk. Vandaag de dag produceert de gemiddelde Europese werknemer slechts 76% van wat zijn Amerikaanse collega produceert. Aanhoudende onder investeringen in technologie in het algemeen en AI in het bijzonder is een duidelijke oorzaak. AI is zeker geen wondermiddel, maar het kan wel krachtig zijn mits er aandacht is voor betrouwbare, toegankelijke en verzekerde data in waardeketens. In combinatie met menselijke kennis en expertise biedt AI 2.0 een duidelijke weg naar productiviteitsgroei en meer veerkracht – essentieel om de economische, sociale en milieudoelstellingen van Europa te verwezenlijken. Want alleen al door vergrijzing zou de arbeidsproductiviteit met 1,5% moeten groeien. Als we de stijgende welvaartskosten (klimaat, zorg, onderwijs, veiligheid) meenemen is er zeker 3-4% productiviteitsgroei nodig. Mocht je afvragen hoe hoog die groei nu is? Die schommelt rond de 0% (in kantoren).

De opkomst van generatieve AI, zoals ChatGPT, vraagt om kritisch te kijken naar de manier waarop we nu data- en informatieprocessen organiseren. AI kan alleen maar goed werken met veel betrouwbare data en slim samenwerken om de data te trainen. Data uit alleen lokale ERP-, HRM-, CRM- en boekhoudsystemen zijn daarvoor ontoereikend. Immers maar 15% van de externe data, en maar 50% van de interne data worden voldoende vertrouwd. Je hebt weinig aan AI als de data waarop het haar antwoorden baseert, niet betrouwbaar zijn. Als je daarentegen over rijke data beschikt kan generatieve AI steeds beter ons werk uitvoeren waardoor we meer ruimte hebben voor activiteiten waar de mens beter in is.

Doel
Het doel van deze masterclass is vooral kennis opdoen over wat het verschil is tussen AI 1.0 en AI 2.0 en waarom het belangrijk is hier aandacht voor te hebben. Deelnemer kan ook eigen use cases bespreken. We delen inzichten hoe je bijvoorbeeld een innovatieproject voor AI 2.0 kunt opzetten of een visie en strategie ontwikkelt.

Doel van deze masterclass is bewustzijn vergroten, kennis overdragen en inzicht geven in praktische toepasbaarheid. Hierbij ontwerpen deelnemers zelf een AI 2.0 assistent.

Doelgroep
Deze masterclass is vooral belangrijk voor leidinggevende, professionals en digitale architecten die betrokken zijn bij visie- en strategie ontwikkeling en het ontwerpen en ontwikkelingen van fundamenteel nieuwe IT- en beslissystemen waarmee we productiever worden en die beter aansluiten bij nieuwe maatschappelijke contexten, ecosystemen en datatechnologieën en rekening houden met uitdagingen op het gebied van: verduurzaming, decentralisatie, schaarse talenten, privacy, macht van techbedrijven, cyber security en (digitale) verspilling.

In het algemeen is deze masterclass vooral gericht op:

  • professionals (strategen, innovators, beleidsmakers, business developers, projectleiders, organisatieadviseurs, IT-architecten en community managers);
  • die binnen hun organisatie en vooral vanuit hun organisatie antwoorden moeten kunnen geven op vragen van directie, klanten en netwerk over;
  • de toekomst van AI en de ontwikkeling en het gebruik daarvan in relatie tot;
  • nieuwe strategieën, business- en operating models, datagedreven organiseren, disruptieve technologieën, digitale transformatie in het algemeen en het ontwikkelen en gebruiken van AI 2.0 in het bijzonder en;
  • hiervoor projecten en programma’s (mee helpen) opzetten.

Verder is deze masterclass ook geschikt voor (algemene) managers en professionals op het gebied van HR, finance, legal, facility management en logistics, strategen en beleidsmedewerkers die op een (niet) technische manier meer willen weten van AI 2.0  en de toepassingsmogelijkheden voor hun eigen organisatie.

Resultaat
Het resultaat van deze masterclass is dat je antwoorden kunnen geven op vragen over nut en noodzaak van AI 2.0 in relatie tot AI 1.0 en je organisatie, klanten en netwerk en instaat bent een visie, strategie en use case te ontwikkelen voor AI 2.0.

Investering
De investering voor deze dienst is:

  • inclusief: voorbereiding; follow-up; Weconomics boeken, (les/case)materialen en licenties; lokale reistijd/kosten;
  • exclusief: maatwerkkosten; BTW; accomodatiekosten en optioneel: overige boek(en), (case)materialen, licenties; follow-up en beoordeling use cases, niet lokale reistijd/kosten

(Zie ook overzichtspagina met adviestarieven voor groepen/incompany).

Programmavoorstel (2 dagen)
(Kan bijvoorbeeld ook in 2 middag- en avondsessie van 13-21 uur, of 4 losse dagdelen)

Dag 1

09:00-09:30 uur inloop met koffie en thee

09:30-10:00 uur | Inleiding en context

  • Kennismaking
  • Maatschappelijke context: duurzaam, digitaal, decentraal en menselijk
  • Organisatieproblemen: meer regels, minder mensen, verouderde (IT)systemen
  • Verschil tussen AI 1.0 en 2.0
  • Wat is de impact van AI 2.0 op je organisatie?

10:00-11:00 uur | Wat is productivity-enhancing AI?

  • Wat is productiviteitsgroei en waarom hebben we het nodig?
  • Wat is (Generatieve AI)?
  • Wat zijn Large Language Models?
  • Wat zijn open, gesloten en hybride datasets en algoritmes?
  • Wat is de relatie tussen datagedreven organiseren en AI 2.0?

11:00-11:15 uur | Pauze

11:15-12:15 uur | Wat is datagedreven organiseren?

  • Wat zijn data en wat is datagedreven organiseren?
  • Hoe organiseer je vraag en aanbod van data?
  • Wat is een digitale lopende band (IoT, blockchain, AI)?

12:15-12:30 uur | Vragen over het ochtendprogramma

12:30-13:15 uur | Lunch

13:15-15:00 uur | Workshop ‘Idealized Design’ deel I

  • Toelichting  werkwijze Idealized Design en Harvard Case methode
  • Uitdelen en toelichten case
  • Uitwerken use case

15:00-15:15 uur | Pauze

15:15-16:30 uur | AI 2.0 in de praktijk

  • Wat betekent het voor je organisatie?
  • Hoe zet je een duurzame AI visie en strategie op?
  • Welke componenten zijn belangrijk?
  • Welke data en dataprocessen zijn relevant?
  • Welke technologie is beschikbaar?
  • Bespreken ingebrachte use cases / papers (vision, position, white)
  • Voorbeelden AI 2.0 applicaties Weconomics netwerk

16:45-17:00 uur | Vragen en dialoog

Dag 2

09:00-09:30 uur inloop met koffie en thee

09:30-10:15 uur | Waarom is AI 2.0 belangrijk ?

  • Maatschappelijke- en organisatieproblemen oplossen
  • Technologie in relatie tot de toekomst van werk
  • Nieuwe business- en operating models
  • Verschillende AI 2.0 aspecten om rekening mee te houden

10:15-11:00 uur | Data fundamenteel anders organiseren

  • Vanuit welke perspectieven kun je AI 2.0 organiseren?
  • Welke organisatieprincipes gebruik je voor je ontwerp?
  • Wat zijn belangrijke inzichten uit de organisatietheorie?
  • Welk organisatiemodel en welke processen passen beter bij AI 2.0?

11:00-11:15 uur | Pauze

11:15-12:15 uur | Focus for AI impact

  • Perspectiefverandering, moedig leiderschap, systeemvernieuwing, relevante technologie, transformatie
  • Van de juiste houding naar gedragsverandering
  • Complexe aanstekelijkheid: hoe verander je overtuigingen, reflexen en normen?

12:15-12:30 uur | Vragen over het ochtendprogramma

12:30-13:15 uur | Lunch

13:15-15:00 uur | Workshop ‘Idealized Design’ deel II

  • Van use case naar Proof of Concept en Simulatie
  • Functionele requirements opstellen
  • Data attributen en workflow use cases opstellen

15:00-15:15 uur | Pauze

15:30-16:30 uur | Hoe begin je morgen?

  • Community Model Canvas versus Business Model Canvas
  • Doubletrack innovatiestrategie, backcasting, systeemleer, design thinking
  • Voorbeelden projecten en projectuitvoering
  • Hoe zet je een datagedreven ecosysteem op?
  • Wat zijn onderdelen van een AI 2.0 project?
  • Hoe ga je om met hypes en weerstanden?
  • Hoe begin ik een project of Community of Practice?

16:30-17:00 uur | Vragen en dialoog

Duur
2 dagen of 4 dagdelen

Vorm
Bewustwording, kennisoverdracht met praktijkvoorbeelden en gelegenheid tot vragen stellen en persoonlijke inbreng.

Naast concept, theorie en praktijkvoorbeelden zullen deelnemers ook in dialoog op basis van eigen praktijkvoorbeelden.

Deze masterclass is interactief. Naast theorie en praktijkvoorbeelden zullen deelnemers ook aan de slag gaan met groepswerk, Weconomics cases en eigen use cases.

Eerst (vrijblijvend) introductie webinar?
Mocht je eerst een indruk willen opdoen van onze manier van werken en visie op AI en datagedreven organiseren, neem dan eerst gratis en vrijblijvend deel aan een introductie webinar.

Open inschrijving
Bij voldoende aanmeldingen wordt deze masterclass ook met open-inschrijving aangeboden. Wanneer er een datum gepland is, is deze terug te vinden in de event kalender. Wanneer er geen datum gepland is kun je wel inschrijven. Bij voldoende inschrijvingen wordt dan in overleg met de deelnemers een datum gepland.

Incompany
Het programma wordt na een intake en in overleg met opdrachtgever/deelnemers samengesteld. Indien er behoefte is worden extra actuele thema’s, onderwerpen of interactieve onderdelen toegevoegd. Zie ook Weconomics à la carte.

Zo geven we bijvoorbeeld specifieke masterclasses voor bijvoorbeeld onderwijs, overheid en bedrijfsleven.

Lead trainer
Paul Bessems

Bureaus waar we voor trainen zijn onder andere:

  • 3Masters: AI – ChatGPT
  • AOG School of Management: Leiderschap bij Digitale Transformaties
  • NextLevel: Data gedreven organiseren met AI
  • SPO / Nyenrode: Module Technologische vernieuwing
  • Right Brains: Digital Leadership Program

Informatie
Wil je eerst meer informatie, neem dan contact op.

tags: mai