AI verlegt de grens van strategie, het fundament bepaalt wie daarvan profiteert

Long read, stand van zaken oktober 2026

Waarom strategische besluitvorming met AI niet begint bij het model, maar bij de doelen, de data en de relaties waarop het model draait.

Denk aan je laatste strategiesessie. Weken voorbereiding, twee dagen in een zaal, een facilitator erbij. Met hoeveel werkelijk verschillende opties liep je naar buiten? Drie? Vier? Felipe Csaszar, hoogleraar strategie aan de Ross School of Business van de University of Michigan, stelt in de Harvard Business Review van september-oktober 2026 de vraag die daarop volgt. Waren er maar drie goede opties of was dat alles wat het team aankon?

Voor de meeste organisaties geldt het tweede. Dat is geen verwijt. Het is een gegeven. En het verandert nu.

Strategie werd altijd begrensd door het hoofd van de strateeg

De bottleneck in strategische besluitvorming is nooit een tekort aan richtingen geweest, het is de beperkte capaciteit van de mensen die het werk doen. Wetenschappers noemen dat begrensde rationaliteit: beslissers hebben eindige aandacht, een eindig geheugen en eindige rekenkracht. Csaszar wijst erop dat die grens elk bekend strategiemodel heeft gevormd. Een SWOT heeft vier kwadranten en Porter telt vijf krachten, omdat een team het anders niet in een middag op een white board krijgt. De wereld is niet zo eenvoudig. Het model moest zo eenvoudig zijn.

Taalmodellen en de systemen van samenwerkende AI-agents die erop worden gebouwd, schuiven die grens op. Volgens Csaszar gebeurt dat bij de drie denktaken waaruit elk strategisch besluit bestaat: het zoeken naar opties, het in kaart brengen van de omgeving en het samenvoegen van oordelen. Dat is een heldere indeling. Zij roept wel een vraag op die in het artikel onderbelicht blijft. Waarop draait dit alles?

Mijn antwoord is al jaren hetzelfde. AI is een versneller, geen oplossing. Een versneller werkt alleen als er al iets in beweging is. Zonder fundament versnelt AI vooral de chaos. Dat zag ik deze zomer bevestigd: AI-adoptie strandt op regie, niet op gebrek aan ideeën.

AI maakt van een handvol opties duizenden, de doelen bepalen de keuze

Het zoeken naar opties is de eerste grens die verschuift, omdat de kosten van het bedenken en beoordelen van alternatieven scherp dalen. Csaszar haalt een softwarebedrijf aan dat met een AI-systeem een database van ruim 40 miljoen bedrijven doorzocht. In minder dan een dag kwamen er meer dan 500 overnamekandidaten boven. Vijftien bleven over. Drie overnames volgden binnen enkele maanden. Zijn les is kort: AI verbreedt de zoektocht, mensen kiezen.

Dat klopt. Maar waarop kies je? Duizenden opties zonder maatstaf leveren geen strategie op. Ze leveren ruis op. Het filter zit in de doelen. In het Business Acceleration Framework zijn dat de vijf doelen: merkwaarde, merkreputatie, efficiëntie van de marketing, versnelling van bestaande verdienmodellen en activering van nieuwe. Wie die doelen niet heeft vastgelegd, laat AI zoeken zonder kompas. Dan fiets je nog steeds naar de maan, alleen nu met duizend routes in je hand.

Een statisch model toont de markt van gisteren, een levend model die van vandaag

Het in kaart brengen van de omgeving is de tweede grens, omdat spreadsheets en kwartaalrapportages per definitie achterlopen. Csaszar beschrijft MYbank, de digitale kredietverstrekker van Ant Group. Traditionele banken beoordelen kleine bedrijven op een handvol variabelen. MYbank gebruikt er meer dan 3000. Het resultaat is krediet voor ruim 53 miljoen kleine ondernemers, van wie 72 procent voor het eerst leende, met ongeveer 1 procent wanbetaling. De bank bediende bestaande klanten niet alleen sneller. Zij zag een klantgroep die in het oude model onzichtbaar was. Unilever doet iets vergelijkbaars met de data van zo’n 3 miljoen verbonden vriezers.

Dit is geen nieuw inzicht. Het is een oud inzicht dat eindelijk betaalbaar wordt. In 2008 overtuigde ik de directie van ID&T om alle databronnen van ID&T, Q-dance, B2S en Sensation aan elkaar te koppelen. Daardoor zagen we dat trouwe bezoekers van Sensation na verloop van tijd bezoekers van Mysteryland werden. ID&T wist eerder dan concurrenten of er een nieuw merk moest komen. Zo begon de digitalisering van ID&T. Daar ligt de oorsprong van het raamwerk.

In Digitaal Vermogen (2018) schreef ik dat het raamwerk gerobotiseerd zou worden en dat analisten van moment tot moment zouden meekijken of de vijf doelen worden gehaald. Het management van Hardwell stuurde toen al op groene en rode getallen in een dashboard. Dat is een levend model. Jouw bedrijf geeft signalen af, net als een lichaam. De vraag is of je ze opvangt. Feit is dat data een voorspellende waarde heeft, mits de datastromen op orde zijn.

Georganiseerde tegenspraak breekt het groepsdenken en de silo

Het samenvoegen van oordelen is de derde grens, omdat vergaderingen worden gevormd door hiërarchie, politiek en tijdsdruk. De mening van de hoogste in rang weegt het zwaarst. Tegenspraak is riskant. De groep is het te snel eens. Csaszar stelt daar georganiseerde tegenspraak door AI tegenover: één agent bouwt de sterkste onderbouwing voor een plan, één breekt het af en één speelt de concurrent of de toezichthouder.

Het sterkste bewijs komt van Procter & Gamble. In een veldexperiment met 776 professionals uit commercie en productontwikkeling presteerde één persoon met AI even goed als een tweetal zonder. Teams met AI werkten ongeveer 12 procent sneller. En belangrijker: AI verkleinde het silo-effect tussen beide functies.

Dat laatste raakt de kern van mijn werk. In vanAnaloognaarDigitaal.nu schreven wij in 2013 dat het silodenken in ons bloed zit. Sindsdien is er weinig veranderd: silo’s belemmeren de digitale transformatie. Eerder dit jaar stelde ik de vraag of het einde van silodenken de toegang tot informatie met AI democratiseert. Het experiment bij Procter & Gamble geeft een begin van een antwoord. Silo’s moeten eraan.

Het model is voor iedereen te koop, eigen data en processen zijn dat niet

Concurrentievoordeel ontstaat niet door het AI-model zelf, het ontstaat door wat een organisatie eromheen bouwt. Csaszar vergelijkt het met het internet in 1995. Amazon, Netflix en Google wonnen niet omdat zij een website hadden. Zij behandelden het internet als fundament voor een nieuw bedrijfsmodel. Hij noemt drie bronnen van blijvend voordeel: eigen data, eigen processen en snelheid. Morgan Stanley ontsloot ruim 100.000 interne onderzoeksdocumenten voor 16.000 adviseurs. Duolingo traint zijn leermodel op het gedrag van meer dan 500 miljoen gebruikers. Het algemene model is de handelswaar. Het systeem eromheen is de slotgracht.

Dat is, in andere woorden, de definitie van digitaal vermogen: rechten en niet-fysieke middelen, bestaande uit digitale verbindingen en contextuele data, die een onderneming voordeel in de markt geven en een financiële waarde vertegenwoordigen. Csaszar spreekt van voordeel. Ik spreek van vermogen. Dat verschil is niet cosmetisch. Data is de onzichtbare goodwill op de balans. Wat een slotgracht is, heeft een prijs. Hoe een organisatie die waarde structureel opbouwt, beschreef ik in van AI-adoptie naar AI-vermogen.

Het model is te koop. De relatie niet.

Eén ding laat het artikel liggen. Waar komt die eigen data vandaan? De voorbeelden hebben haar al. De meeste organisaties niet. Data ontstaat uit de relatie met fans en klanten. Die relatie bouw je op met content. Dat is de relatie-economie. Daarom hanteer ik het ABCD-principe: AI rendeert pas op Business, Content en Data. If content is king, then context is god. Google bevestigde dat dit voorjaar met Personal Intelligence: eigen data wordt het strategische fundament. Een AI-agent is net zo goed als de context die het krijgt.

De volgorde beslist: eerst het besturingssysteem, dan de versneller

De kwaliteit van strategie met AI hangt af van de data die erin gaat en van het menselijk oordeel dat erop volgt. Csaszar zegt dat zelf, in één alinea. Taalmodellen leveren analyses die overtuigend klinken en toch onjuist zijn. Voor mij is die alinea de hoofdzaak.

Hoe ziet de raket eruit? Onderin zit de toevoer: het beheer van de databronnen. Daarboven de brandstof: het Data Management Platform. Dan de motor, het raamwerk met zijn vijf doelen, negen stappen en twaalf analyses. Bovenop de shuttle, de routekaart die door de dampkring schiet. AI maakt elke laag krachtiger. AI vervangt geen enkele laag. Wie de onderste twee overslaat, lanceert niets. Het raamwerk is het besturingssysteem van je organisatie.

Nu hoor ik je denken: is zo’n raamwerk niet precies het vereenvoudigde model waarvan Csaszar zegt dat het zijn tijd heeft gehad? Nee. Een matrix op een white board vat de werkelijkheid samen voor mensen. Een raamwerk dat op data draait, geeft betekenis aan die data voor mens én machine. Het eerste wordt door AI ingehaald. Het tweede is wat AI nodig heeft.

De strateeg wordt architect, het oordeel blijft van mensen

De rol van de strateeg verschuift van het vullen van modellen naar het ontwerpen van het besluitproces. Csaszar noemt dat de hybride strateeg: iemand die een strategische vraag kan formuleren, een AI-werkwijze kan ontwerpen om haar te beantwoorden en weet waar de machine moet wijken voor de mens. Ik noemde dat eerder de AI-savvy leider. Al in 2018 schreef ik dat kunstmatige intelligentie niks is zonder menselijk oordeel. De metavaardigheid die daarbij hoort is orkestratie: de vaardigheid van 2030 is niet AI.

Eén aanbeveling uit het artikel neem ik zonder voorbehoud over. Eis bij elk groot strategisch voorstel drie dingen: de lijst met alternatieven die zijn overwogen en verworpen, een actueel beeld van de omgeving en de uitkomst van georganiseerde tegenspraak. Als de bestuurstafel de lat hoger legt, volgt de organisatie.

Stel jezelf vandaag de volgende vragen. Zijn de vijf doelen vastgelegd waaraan elke optie wordt getoetst? Zijn de databronnen in kaart gebracht en aan elkaar gekoppeld? Welk model van markt of klant gebruik je het meest? Hoe oud is dat model? Wie spreekt het plan tegen voordat het op tafel komt? En weet je wat jouw data waard is?

AI kan maanden analyse terugbrengen tot dagen. De vragen die overblijven, zijn de vragen die alleen mensen beantwoorden. Wat geloven we? Wat durven we te riskeren? Wat voor organisatie willen we zijn? Betere besluiten leveren een betere positie op, een betere positie levert betere data op en betere data leidt tot betere besluiten. Het vliegwiel draait pas als het fundament er ligt.

Er is werk aan de winkel.

Veelgestelde vragen

Wat is begrensde rationaliteit?

Begrensde rationaliteit is het gegeven dat beslissers eindige aandacht, een eindig geheugen en eindige rekenkracht hebben. Daardoor weegt een team maar een handvol opties af.

Hoe verandert AI strategische besluitvorming?

AI verlegt drie grenzen: het zoekt naar meer opties, het houdt het beeld van markt en klant actueel en het organiseert tegenspraak. De keuze blijft bij mensen.

Hoe bouw je voordeel op als iedereen dezelfde AI kan kopen?

Met eigen data, eigen processen en snelheid. Samen vormen zij het digitaal vermogen van een organisatie.

Waar begin je met strategische besluitvorming met AI?

Bij het fundament: doelen vastleggen, databronnen koppelen en pas daarna versnellen met AI.

Bronnen

1. Felipe A. Csaszar, AI Is Revolutionizing Strategic Decision-Making, Harvard Business Review (september-oktober 2026)
2. Denis Doeland, Digitaal Vermogen. De kracht, macht en potentie van elke organisatie (2018)
3. Denis Doeland en Ger Hofstee, vanAnaloognaarDigitaal.nu (2013)

De voorbeelden en cijfers over MYbank, Unilever, Procter & Gamble, Morgan Stanley en Duolingo zijn ontleend aan het artikel van Csaszar. De koppeling met digitaal vermogen, het Business Acceleration Framework en de relatie-economie is mijn interpretatie.