Embedded AI-Leiderschap: Waarom De Steward Het Antwoord Is Op Het Executiegat

De boardroom heeft de boodschap begrepen. Kunstmatige intelligentie is geen optie meer maar een strategische noodzaak. In vrijwel elke sector worden AI-strategieën opgesteld, innovatiebudgetten vrijgemaakt en pilotprojecten gelanceerd. Toch blijft de kloof tussen ambitie en realisatie schrijnend groot: volgens onderzoek van McKinsey haalt slechts 11% van de AI-initiatieven op enterprise-niveau de productiefase. Het probleem is zelden de technologie. Het probleem is leiderschap in de uitvoering.

Dit artikel onderzoekt waarom traditionele adviesmethoden tekortschieten bij AI-transformatie, wat embedded AI-leiderschap inhoudt, en hoe het Steward-model organisaties helpt de brug te slaan van strategie naar duurzame waardecreatie — zonder blijvende afhankelijkheid van externe partijen.

Het executiegat: waar AI-strategieën stranden

Vrijwel iedere organisatie die serieus met AI aan de slag gaat, herkent het patroon. Er wordt een ambitieuze strategie opgesteld, vaak met hulp van een gerenommeerd consultancybureau. Het rapport bevat indrukwekkende analyses, heldere prioriteiten en een aantrekkelijke businesscase. De CEO en het bestuur zijn enthousiast. Er wordt budget gealloceerd en een stuurgroep gevormd.

En dan begint de werkelijkheid.

De eerste weken lopen de workshops goed. Maar zodra het aankomt op concrete implementatie — het inrichten van data-pipelines, het afstemmen van modellen op bedrijfsprocessen, het navigeren van governance-vereisten, het meekrijgen van afdelingen die vrezen voor hun positie — begint het momentum te verdampen. De consultants leverden een blauwdruk, maar geen bouwvakkers. De interne organisatie beschikt niet over de juiste combinatie van AI-expertise, verandermanagement en operationeel leiderschap om het plan tot uitvoering te brengen.

Dit is het executiegat. Het manifesteert zich in verschillende vormen:

• Pilotparadijs: Tientallen proof-of-concepts die nooit opschalen naar productie, omdat niemand verantwoordelijk is voor de overgang van experiment naar operatie.
• Governance-vacuüm: AI-modellen worden gebouwd zonder duidelijke eigenaarschap, risicokaders of compliance-mechanismen, wat leidt tot stilstand zodra risk of legal aan de bel trekt.
• Talenttekort: Datascientists worden aangenomen, maar werken geïsoleerd van de business. Er ontbreekt een leider die technische mogelijkheden vertaalt naar bedrijfswaarde.
• Verandermoeheid: Medewerkers ervaren AI als zoveelste transformatieprogramma dat van bovenaf wordt opgelegd, zonder hun betrokkenheid of belangen mee te nemen.

Het resultaat is voorspelbaar: na 12 tot 18 maanden constateert het bestuur dat de miljoenen aan AI-investeringen nog geen meetbare impact hebben opgeleverd. Het vertrouwen in AI als strategische hefboom daalt, budgetten worden bevroren, en de organisatie verliest kostbare tijd ten opzichte van concurrenten die wél de executiefase hebben weten te doorbreken.

Waarom traditioneel advies tekortschiet

Het traditionele consultancymodel is ontworpen voor analyse en aanbeveling, niet voor langdurige uitvoering. Er zijn drie structurele redenen waarom dit model faalt bij AI-transformatie.

Ten eerste: het leveringsmodel is episodisch. Consultants werken in projectfasen met een begin en een eind. Na de strategiefase vertrekken ze, en de interne organisatie moet het zelf waarmaken. Maar AI-transformatie is geen project — het is een continu proces van leren, aanpassen en opschalen dat maanden tot jaren vergt. Er is behoefte aan doorlopend leiderschap, niet aan periodieke interventies.

Ten tweede: de kennisoverdracht is oppervlakkig. Strategierapporten bevatten 'wat' en 'waarom', maar zelden 'hoe' in voldoende diepte. De nuances van AI-implementatie — het navigeren van datakwaliteitsproblemen, het managen van modelrisico's, het inrichten van MLOps, het bouwen van cross-functionele teams — zijn contextspecifiek en vereisen hands-on begeleiding, niet slideshows.

Ten derde: de incentivestructuur is verkeerd gericht. Het verdienmodel van traditionele consultancy beloont complexiteit en duur, niet zelfredzaamheid van de klant. Hoe langer de opdracht duurt en hoe afhankelijker de klant wordt, hoe beter voor de consultant. Dit staat haaks op wat organisaties werkelijk nodig hebben: het opbouwen van eigen AI-vermogen dat op termijn zelfstandig functioneert.

Wat is embedded AI-leiderschap?

Embedded AI-leiderschap is een fundamenteel ander model. In plaats van advies op afstand wordt er een ervaren AI-transformatieleider in de organisatie geplaatst — iemand die functioneert als onderdeel van het managementteam, maar met de explicite opdracht om de organisatie op te bouwen en uiteindelijk los te laten.

Dit model onderscheidt zich op meerdere dimensies:

• Positie: De Steward opereert op C-level of direct daaronder, met mandaat vanuit het bestuur en directe toegang tot besluitvorming.
• Perspectief: In tegenstelling tot een externe adviseur begrijpt de Steward de interne cultuur, politiek en processen omdat hij of zij er dagelijks deel van uitmaakt.
• Verantwoordelijkheid: De Steward is niet verantwoordelijk voor een rapport, maar voor resultaat. Er wordt afgerekend op daadwerkelijk gerealiseerde AI-waarde, niet op geleverde adviesdocumenten.
• Tijdshorizon: Een typische Steward-engagering duurt 6 tot 18 maanden — lang genoeg om structurele verandering te realiseren, maar met een ingebouwd afbouwmechanisme.

De term 'steward' is bewust gekozen. Een steward is geen eigenaar maar een rentmeester: iemand die verantwoordelijkheid draagt voor de bloei van iets dat niet van hem of haar is, met als uiteindelijk doel dat de organisatie het zelf kan voortzetten. Dit is de essentie van het model: het bouwen van vermogen, niet van afhankelijkheid.

Het Steward-model: vier fasen van transformatie

Het Steward-model is gestructureerd rond vier opeenvolgende fasen, elk met eigen doelstellingen, deliverables en overdrachtstoetsen. De vier fasen — Foundation, Acceleration, Scale en Transfer — vormen een samenhangend geheel dat organisaties meeneemt van eerste oriëntatie tot zelfstandig AI-vermogen.

Fase 1: Foundation (maand 1–3)

In de Foundation-fase creëert de Steward de randvoorwaarden voor succesvolle AI-transformatie. Dit omvat een grondige assessment van de huidige AI-maturiteit, datakwaliteit, technische infrastructuur en organisatorische gereedheid. Tegelijkertijd wordt het governance-raamwerk ingericht: wie is eigenaar van AI-modellen, hoe worden risico's beoordeeld, welke ethische kaders gelden, en hoe wordt compliance met regelgeving zoals de EU AI Act geborgd.

Cruciaal in deze fase is het identificeren van twee tot drie 'quick win'-projecten die binnen 8 tot 12 weken aantoonbare waarde opleveren. Deze projecten zijn strategisch gekozen: ze zijn belangrijk genoeg om bestuurlijke aandacht vast te houden, maar beperkt genoeg in scope om daadwerkelijk snel resultaat te boeken. Het gaat erom momentum te creëren en de organisatie te laten ervaren dat AI geen abstract concept is, maar een concreet instrument voor waardecreatie.

De Foundation-fase levert ook de governance-structuur op: een AI-stuurgroep met duidelijke mandaten, een risicoclassificatiemodel voor AI-toepassingen, en een eerste versie van het AI-beleid dat aansluit bij de specifieke context van de organisatie en haar sector.

Fase 2: Acceleration (maand 3–8)

Zodra de fundamenten staan, verschuift de focus naar versnelling. De quick-winprojecten worden naar productie gebracht en de learnings worden systematisch gedocumenteerd. Op basis van de inzichten uit de Foundation-fase wordt een pijplijn van AI-use-cases geprioriteerd op basis van bedrijfswaarde, haalbaarheid en strategische relevantie.

In de Acceleration-fase begint de Steward actief met het opbouwen van interne capaciteit. Dit betekent niet alleen het aannemen of omscholen van medewerkers, maar ook het inrichten van werkprocessen: hoe werken datascientists samen met domeinexperts? Hoe verloopt de overdracht van model naar operatie? Welke tooling en platformen worden standaard? Hoe wordt modelperformance gemonitord na deployment?

Tegelijkertijd wordt in deze fase de business case voor AI op organisatieniveau aangescherpt. De eerste projecten leveren harde data op over kosten, baten en implementatietijd, waarmee de businesscase voor verdere opschaling wordt onderbouwd. De Steward gebruikt deze resultaten om bestuurlijk draagvlak te versterken en aanvullend budget vrij te maken waar nodig.

Fase 3: Scale (maand 8–14)

De Scale-fase richt zich op het uitbreiden van bewezen AI-toepassingen naar meerdere afdelingen of bedrijfsonderdelen, en het industrialiseren van de AI-operatie. Wat in de Acceleration-fase handmatig of semi-geautomatiseerd verliep, wordt nu structureel ingericht: CI/CD-pipelines voor modellen, geautomatiseerde monitoring, gestandaardiseerde deployment-processen en schaalbare data-architectuur.

Dit is ook de fase waarin organisatiebrede verandermanagement-initiatieven worden verankerd. De Steward faciliteert kennisdeling tussen afdelingen, richt communities of practice in, en zorgt dat successen breed worden gecommuniceerd om het vliegwieleffect te versterken. De cultuurverandering die nodig is voor succesvolle AI-adoptie — datagedreven besluitvorming, experimenteercultuur, cross-functionele samenwerking — wordt actief gestimuleerd en gemeten.

Een kritisch element in de Scale-fase is het verankeren van de governance-structuur. Het AI-beleid wordt geëvalueerd en aangescherpt op basis van opgedane ervaringen. Compliance-processen worden geautomatiseerd waar mogelijk. En er wordt expliciet aandacht besteed aan de interactie met toezichthouders en andere externe stakeholders.

Fase 4: Transfer (maand 14–18)

De Transfer-fase is waar het Steward-model zich fundamenteel onderscheidt van andere vormen van interim-management of consultancy. In deze fase wordt het volledige AI-leiderschap overdragen aan de interne organisatie. De Steward heeft gedurende de eerdere fasen systematisch gewerkt aan het identificeren en ontwikkelen van interne leiders die de rol kunnen overnemen.

De overdracht is geen abrupt moment maar een geleidelijk proces. De Steward verschuift van uitvoerend naar coachend, van beslissend naar adviserend. Er wordt een formeel overdrachtsdossier opgesteld met daarin de architectuurbeslissingen, governance-kaders, lopende initiatieven, risico's en aanbevelingen. De interne leider neemt stapsgewijs meer verantwoordelijkheid over, met de Steward als vangnet.

Het succescriterium voor de Transfer-fase is helder: de organisatie functioneert op het gebied van AI-strategie, -governance en -executie op een hoger niveau dan voor de komst van de Steward, en beschikt over de interne capaciteit om dit niveau zelfstandig vast te houden en verder te ontwikkelen.

Capability building versus afhankelijkheid

Het verschil tussen capability building en afhankelijkheidscreatie is het meest fundamentele onderscheid in AI-transformatiedienstverlening. Toch wordt het zelden expliciet gemaakt.

Bij het traditionele model groeit de afhankelijkheid van de externe partij naarmate het programma vordert. Kennis zit in de hoofden van consultants, niet in de organisatie. Processen draaien op externe capaciteit. Zodra het contract eindigt, verdwijnt een significant deel van het AI-vermogen.

Het Steward-model keert deze dynamiek om. Vanaf dag één is het explicite doel om de eigen organisatie sterker te maken. Elke beslissing, elk proces en elk systeem wordt ingericht met de vraag: 'Kan het interne team dit voortzetten zonder ons?' Dit uit zich in concrete praktijken:

• Alle documentatie, code en architectuurbeslissingen worden vastgelegd in systemen die van de klant zijn, niet van de Steward.
• Interne medewerkers worden vanaf het begin betrokken bij besluitvorming en werken mee aan de implementatie — niet als toeschouwers maar als co-eigenaren.
• Trainingen en kennissessies zijn structureel onderdeel van het programma, niet een optionele add-on.
• De succesmetrieken van de Steward bevatten expliciet indicatoren voor interne capaciteitsopbouw, zoals het aantal gecertificeerde interne AI-specialisten en de mate waarin interne teams zelfstandig projecten kunnen uitvoeren.

Resultaten uit de praktijk

De impact van embedded AI-leiderschap wordt zichtbaar langs drie dimensies: snelheid, waarde en duurzaamheid.

Snelheid: Organisaties die werken met een embedded Steward brengen hun eerste AI-toepassing gemiddeld twee tot drie keer sneller naar productie dan organisaties die alleen op interne kracht of traditioneel advies vertrouwen. Dit komt niet doordat de Steward het werk overneemt, maar doordat hij of zij de typische valkuilen en vertragingen — governance-impasses, technische doodlopende wegen, organisatorische weerstand — vroegtijdig herkent en adresseert.

Waarde: Door de systematische prioritering op basis van bedrijfswaarde realiseren Steward-programma's een significant hogere ROI dan bottom-up AI-initiatieven. De focus op quick wins in de Foundation-fase genereert bovendien vroegtijdig bewijs van waarde, wat het draagvlak voor verdere investeringen vergroot. Organisaties rapporteren doorgaans een terugverdientijd van 6 tot 9 maanden op de Steward-investering, gemeten aan de waarde van de gerealiseerde AI-toepassingen.

Duurzaamheid: Het meest onderscheidende resultaat is wat er gebeurt na het vertrek van de Steward. Organisaties die het Steward-model hebben doorlopen, beschikken over een functionerend AI-governanceraamwerk, getrainde interne teams, gestandaardiseerde processen en een bewezen pijplijn van use cases. Dit zijn de bouwstenen voor blijvende waardecreatie, onafhankelijk van externe ondersteuning.

Is uw organisatie klaar voor embedded AI-leiderschap?

Embedded AI-leiderschap is niet voor iedere organisatie op elk moment de juiste keuze. Het model werkt het best wanneer aan drie voorwaarden is voldaan:

1. Bestuurlijk commitment: Het bestuur erkent dat AI een strategische prioriteit is en is bereid de Steward het mandaat en de toegang te geven die nodig zijn om effectief te opereren.
2. Bereidheid tot verandering: De organisatie is bereid om processen, rollen en werkwijzen aan te passen op basis van de inzichten die uit de AI-transformatie voortkomen.
3. Langetermijnperspectief: Er is begrip dat duurzame AI-waardecreatie geen kwestie is van weken maar van maanden, en dat de investering in capability building zich pas op middellange termijn volledig terugbetaalt.

Wanneer aan deze voorwaarden is voldaan, biedt het Steward-model een bewezen pad van AI-ambitie naar AI-realiteit — zonder de valkuilen van traditioneel advies en zonder de afhankelijkheid die veel organisaties ervaren bij langdurige externe inhuur.

De vraag is niet langer of uw organisatie AI moet adopteren. De vraag is wie de uitvoering leidt, en of die uitvoering resulteert in blijvend vermogen of tijdelijke activiteit. Het antwoord op die vraag bepaalt het verschil tussen AI als kostenpost en AI als concurrentievoordeel.