Geen woorden maar data

Waarom we spreken van een AI-hype
Waarom AI minder oplevert dan we verwachten
AI-hype: ratrace of revolutie?
Dotcombubbel: de hype die inklapt
Cloud: een hype die zich wel uitbetaalde
Spanning rondom de AI-hype
Wachten is geen strategie
Geen woorden maar data
Checklist AI-strategie
Bronnen
Interview: Maarten van Haasteren
Deel 1 – Richten
1
Het belang van weten wat je wilt
Als een aannemer zonder opdracht
Data is het nieuwe goud, dus we gaan naar de cloud
Elke strategie gaat van A naar B
Tactiek van de drie besluiten
De spanning tussen FOMO en ROI
In de praktijk: van 70 naar 90 miljoen passagiers
Checklistpunt 1: welk probleem lossen we op, wanneer is dat geslaagd en wat is het waard?
Bronnen
Interview: Berte Simons
2
Weet voor wie je het doet
De kracht van Khalid
Mee op de stopmachine om drie uur ’s nachts
Van procesoptimalisatie naar medewerkersprestatie
Het artificiële brein als de nieuwe lopende band
In de praktijk: data als voetbalcoach
Waarom HR de onmisbare sleutel is in je AI-strategie
Checklistpunt 2: welke medewerker is cruciaal en hoe helpen we die?
Bronnen
Interview: Marco van der Werf
Deel 2 – Inrichten
3
Technologie die nuttig is
Van pushen wat kan, naar leveren wat nodig is
Zelfrijdende trein als toekomst van NS
De blinde vlek van AI
Technologie zoekt probleem
Capability als ruggengraat van AI-ontwikkeling
Van wat de technologie kan naar wat de organisatie aankan
Een ander perspectief op de neergang van Kodak
In de praktijk: de succesvolle opbouw van de GenAI-capability
Van scepsis naar steun bij de CFO
Checklistpunt 3: in welke technologie moeten we goed worden?
Bronnen
Interview: Erick Webbe
4
Te vroeg gelijk is geen gelijk
Een team vol in de weerstand
Te vroeg gelijk is geen gelijk
Waarom er een AI-adoptiekloof is
Het belang van de stille middengroep
Verandering vraagt om afscheid van het oude
In de praktijk: de kracht van Pixie Lights
De technologie naar de mens brengen
Checklistpunt 4: welke adoptiesnelheid kan de organisatie aan?
Bronnen
Interview: Erwin de Bree
Deel 3 – Verrichten
5
Van innovatieprojecten naar impactvolle producten
Analyse van dertig jaar voor een vierjarig contract
“Mooie club, maar niet de juiste dingen”
In de praktijk: ondernemen met AI-producten
Verschuiven van ‘is het af?’ naar ‘wordt het gebruikt?’
Checklistpunt 5: wordt het product genoeg gebruikt om impact te maken?
Bronnen
Interview Bas Karsemeijer
6
Zelfstandig presterende teams
Individuele kwaliteit is niet genoeg
Hoe Agile opkwam en impact maakte
Hoe Agile in de praktijk vastliep
De oplossing van zelfstandig presterende teams
Team-APK op mens, proces, technologie en data
Een spannend gesprek
De zachte randvoorwaarde: werkplezier en verbondenheid
In de praktijk: de verbindende kracht van DataFest
Checklistpunt 6: kunnen de AI-teams zelfstandig leveren?
Bronnen
Interview: Patrick Verheij
Deel 4 – Leiderschap
7
De leiderschapskeuze bij AI
De stap van ‘nice-to-have’ naar ‘need-to-have’
Aangestuurd als innovatie, verwacht als transformatie
Elke leider moet op twee schaakborden tegelijk spelen
In de praktijk: prioriteren met de Technologie-impactmatrix
Checklistpunt 7: sturen we dit aan als innovatie of als transformatie?
Bronnen
Interview: Peter Molengraaf
8
Afsluiting: tijd om te kiezen
Navigeren door de AI-hype
Zeven vragen die je morgen kunt stellen
Terug bij de CFO van Schiphol
Bronnen
Slotinterview: Robert Carsouw
Dankwoord