De opkomst van kunstmatige intelligentie (AI) vormt een van de meest ingrijpende technologische ontwikkelingen van de 21e eeuw. AI beïnvloedt niet alleen operationele processen, maar raakt ook de kern van strategisch leiderschap binnen (bedrijfs)organisaties.  Zowel de boardroom als het middenmanagement worden geconfronteerd met nieuwe technologie, veranderende rolverwachtingen en (ethische) verantwoordelijkheden.
In dit artikel wordt beknopt weergegeven wat de impact is van AI op de boardroom en het management.

AI en strategische besluitvorming 

AI maakt het mogelijk om besluitvorming te ondersteunen met grote hoeveelheden data en voorspellende modellen. Bestuurders kunnen scenario’s simuleren, risico’s kwantificeren en markttrends analyseren op een schaal en snelheid die voorheen onmogelijk was (Davenport & Ronanki, 2018). Dit leidt tot snellere, data-gebaseerde besluitvorming die menselijke oordeelsvorming aanvult (Brynjolfsson & McElheran, 2016).
Voor managers betekent dit dat zij operationele beslissingen steeds vaker baseren op AI-gestuurde inzichten. Hun rol verschuift in een zekere zin van uitvoerend naar interpreteren en vertalen van AI-output naar concrete acties.

Veranderende competentie-eisen voor leiderschap

De digitale transformatie vraagt om nieuwe vaardigheden. Bestuurders moeten strategisch kunnen omgaan met AI, zonder zelf techneut te zijn (Brock & von Wangenheim, 2019). Digitale geletterdheid en het begrijpen van de ethische en maatschappelijke impact van AI zijn essentieel (Korinek & Stiglitz, 2021).
Managers moeten technologische competentie ontwikkelen om AI effectief in te zetten.
Dit betekent inzicht in datakwaliteit, algoritmische beperkingen en het kunnen aansturen van multidisciplinaire teams (Jöhnk et al., 2021).

Ethisch leiderschap en verantwoordelijkheid

AI-toepassingen kunnen leiden tot bias, ondoorzichtige besluitvorming en privacyproblemen (Binns, 2018). De board draagt eindverantwoordelijkheid voor ethisch AI-gebruik en moet zorgen voor transparantie en rechtvaardigheid (Morley et al., 2020).
Voor managers betekent dit dat zij verantwoordelijk zijn voor de ethische toepassing van AI in hun teams, bijvoorbeeld bij personeelsselectie of klantinteracties. Ze fungeren als hoeders van AI-ethiek op de werkvloer.

Risicomanagement en Governance

AI introduceert nieuwe risico’s, zoals systeemfouten, datalekken en afhankelijkheid van externe algoritmes (Floridi et al., 2018). Boardrooms ontwikkelen daarom AI-specifieke risicokaders en governance-structuren (Gasser & Almeida, 2017; Raisch & Krakowski, 2021).
Managers spelen een sleutelrol in de uitvoering van dit beleid en zijn verantwoordelijk voor het signaleren van AI-gerelateerde risico’s op de werkvloer.

Transformatie van bedrijfsmodellen

AI stelt organisaties in staat om nieuwe data-gedreven producten en diensten te ontwikkelen. Volgens Bughin et al. (2019) creëren AI-gedreven bedrijven tot 20% meer economische waarde. Bestuurders moeten strategisch nadenken over de herpositionering van hun organisatie en het businessmodel.
Managers moeten deze strategische koers vertalen naar operationele verandering, door AI in te bedden in processen, klantcontact en dienstverlening (Tambe, Cappelli, & Yakubovich, 2019).

Toezicht op AI-implementatie

AI-projecten vereisen hoge investeringen en interdisciplinaire samenwerking. Bestuurders zijn verantwoordelijk voor de strategische fit en het rendement van AI-investeringen (Ransbotham et al., 2020).
Managers begeleiden de dagelijkse implementatie en moeten zorgen voor acceptatie binnen teams, het trainen van medewerkers en het oplossen van knelpunten in de uitvoering (Jöhnk et al., 2021).

Veranderende leiderschapsstijl en managementpraktijken

De klassieke command-and-control-benadering maakt plaats voor coachend en data-informed leiderschap (Raisch & Krakowski, 2021). Volgens Kolbjørnsrud et al. (2017) wordt de manager van de toekomst een begeleider van mens-machine samenwerking.
AI vervangt routinetaken, waardoor managers meer focus leggen op interpersoonlijke rollen, strategisch alignment en innovatie. Samenwerking in hybride teams – mensen en AI-systemen – vraagt om empathisch en adaptief leiderschap (Wilson & Daugherty, 2018).

Conclusie

AI ‘dwingt’ bestuurders en managers tot een fundamentele herdefiniëring van hun rol. Bestuurders transformeren tot strategisch-technologische leiders, terwijl managers bruggenbouwers worden tussen mens en machine. Organisaties moeten investeren in AI-training, ethisch bewustzijn en veranderkundig leiderschap om toekomstbestendig te blijven.

LITERATUUR

1. Binns, R. (2018). Fairness in machine learning: Lessons from political philosophy. Proceedings of the 2018 Conference on Fairness, Accountability and Transparency, 149–159.
2. Brock, J. K.-U., & von Wangenheim, F. (2019). Demystifying AI: What digital transformation leaders can teach you about realistic AI implementation. Business Horizons, 62(6), 751–758. 
3. Brynjolfsson, E., & McElheran, K. (2016). The Rapid Adoption of Data-Driven Decision-Making. American Economic Review, 106(5), 133–139. 
4. Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2019). Notes from the AI frontier: Modeling the impact of AI on the world economy. McKinsey Global Institute.
5. Davenport, T. H., & Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96(1), 108–116.
6. Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., … & Schafer, B. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 28, 689–707. 
7. Gasser, U., & Almeida, V. A. (2017). A Layered Model for AI Governance. IEEE Internet Computing, 21(6), 58–62. 
8. Jöhnk, J., Weißert, M., & Wolf, L. (2021). How to implement AI in business: A cross-case study of AI implementation in nine companies. Information Systems and e-Business Management, 19, 121–163. 
9. Kolbjørnsrud, V., Amico, R., & Thomas, R. J. (2017). How artificial intelligence will redefine management. Harvard Business Review.
10. Korinek, A., & Stiglitz, J. E. (2021). Artificial Intelligence and Its Implications for Income Distribution and Unemployment. In A. Agrawal, J. Gans, & A. Goldfarb (Eds.), The Economics of Artificial Intelligence: An Agenda (pp. 349–390). University of Chicago Press.
11. Morley, J., Floridi, L., Kinsey, L., & Elhalal, A. (2020). From what to how: An initial review of publicly available AI ethics tools, methods and research to translate principles into practices. Science and Engineering Ethics, 26(4), 2141–2168. 
12. Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210. 
13. Ransbotham, S., Kiron, D., Gerbert, P., & Reeves, M. (2020). Expanding AI’s Impact With Organizational Learning. MIT Sloan Management Review & Boston Consulting Group.
14. Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial Intelligence in Human Resources Management: Challenges and a Path Forward. California Management Review, 61(4), 15–42. 
15. Wilson, H. J., & Daugherty, P. R. (2018). Collaborative Intelligence: Humans and AI Are Joining Forces. Harvard Business Review, 96(4), 114–123.

Mogelijk ook interessant

In het verlengde van de inhoud van de artikelen op onze website, biedt Utrecht Business de mogelijkheid op het onderwerp/vakgebied een opleiding te volgen. Hiertoe worden verschillende varianten aangeboden.