Gepubliceerd 29 augustus 2026
Zoek op "AI-strategie voor directies" en je krijgt pagina na pagina hetzelfde aanbod. Wij schrijven uw strategie. Wij begeleiden uw transformatie. Wij leiden uw mensen op. Vrijwel niemand biedt het resultaat aan dat na afloop telt: dat de directie er zelf goed in is.
Een AI-strategie voor een directie is de vastgelegde keuze welke beslissingen voortaan mét AI worden voorbereid, op welke data dat gebeurt, en wie aan de directietafel daar eigenaar van is. Ze telt pas als strategie op het moment dat de directie haar zonder externe hulp kan uitleggen, uitvoeren en bijstellen; tot dat moment is het een rapport.
Die tweede zin is de hele scheidslijn. Een AI-strategie die alleen leesbaar is voor de mensen die haar schreven, wordt geagendeerd, aangehouden en uiteindelijk vervangen door een nieuwere versie.
Waarom de meeste directie-AI-strategieën een rapport blijven
Dat is geen aanname maar meetbaar, en de cijfers komen van de bureaus waarvan de slides al in je boardstukken liggen.
Gartner voorspelde in 2024 dat minstens 30% van de generatieve-AI-projecten na de proof of concept zou worden gestaakt, en rapporteerde in april 2026 dat het echte cijfer op minstens 50% uitkwam. S&P Global zag het aandeel bedrijven dat het merendeel van zijn AI-initiatieven staakt in één jaar oplopen van 17% naar 42%. MIT's NANDA-onderzoek vond dat zo'n 95% van de zakelijke generatieve-AI-pilots geen meetbaar effect op de winst-en-verliesrekening had, en RAND dat meer dan 80% van de AI-projecten mislukt, twee keer zo vaak als vergelijkbare niet-AI-IT. Wat elk cijfer meet en waar het wordt betwist, staat in waarom AI-projecten mislukken.
Kijk vooral naar de opgegeven oorzaken. Gartner noemt oplopende kosten, onduidelijke bedrijfswaarde en gebrekkige risicobeheersing. RAND noemt een verkeerd begrepen probleem, slechte datakwaliteit en techniek-eerst-denken. Geen enkele reden luidt "de technologie kon het niet". Het zijn keuzes die aan de directietafel worden gemaakt, of daar juist niet.
Daar zit de kern van het rapportprobleem. Een AI-strategie stelt keuzes voor over waarde, risico en prioriteit, en die kan een directie alleen goed maken als ze begrijpt wat de technologie op beslissingsniveau werkelijk doet en niet doet. Wordt dat begrip ingehuurd in plaats van opgebouwd, dan ligt er een document dat de directie kan goedkeuren maar niet verdedigen. Bij de eerste tegenvaller kan niemand aan tafel beoordelen of het plan bijstelling verdient of beëindiging. Dan wordt het beëindigd.
Daar komt bij dat de AI-strategie meestal is geschreven voor iedereen behalve de directie zelf, terwijl MIT laat zien dat bij ruim 90% van de bedrijven medewerkers al persoonlijke AI-tools voor het werk gebruiken en maar zo'n 40% een officieel abonnement heeft. De werkvloer wachtte niet op de strategie. De directie wel.
Het alternatief: de directie wordt zelf AI-native
De omkering is klein om op te schrijven en groot in gevolgen. In plaats van een strategie die de organisatie AI-native moet maken, begin je bij de mensen die de strategie moeten dragen: elk directielid bereidt zelf beslissingen mét AI voor, op de echte data van het eigen bedrijf, niet als demonstratie maar als vaste werkwijze. Wat dat inhoudt en waar de grens ligt, staat in wat een AI-native executive is.
Dat werkt om drie redenen beter dan een programma. Het is klein genoeg om te overleven: geen stuurgroep, geen begrotingspost die kan sneuvelen. Het produceert oordeel in plaats van meningen, want na een paar weken weet je uit ervaring welke vragen goede antwoorden opleveren en waar de data tekortschiet. En het legt de datavraag bloot voordat je erin investeert, want bij de eerste echte vraag weet je binnen een dag of de onderliggende informatie op orde is. Wat dat betekent, staat in is mijn data klaar voor AI.
Daaronder hoort één doorzoekbare laag over de kennis van het bedrijf, in plaats van vijf losse tools met elk hun eigen fragment. Dat is wat een AI-bedrijfsbrein doet: dezelfde documenten, cijfers en afspraken, bevraagbaar vanaf één plek.
Het eerste kwartaal, concreet
Geen roadmap met fasen en mijlpalen, maar drie blokken, uitvoerbaar zonder extra budget, met aan het eind iets wat je aan een raad van commissarissen kunt laten zien.
Blok 1: de vragen die de directie zelf moet kunnen beantwoorden
Begin bij vragen, niet bij tools. Kies per directielid drie tot vijf vragen die nu structureel te lang duren of op een aanname eindigen. Eén eis: het antwoord moet in de eigen data te vinden zijn en controleerbaar zijn.
- Wat is er deze maand het meest veranderd in de zaak, in positieve en negatieve zin, en waardoor?
- Waar spreken twee bronnen elkaar tegen, bijvoorbeeld de pipeline volgens sales tegenover de liquiditeit volgens finance, en welke klopt?
- Wat gebeurt er met de kaspositie als de twee grootste openstaande deals niet doorgaan, en vanaf welk moment wordt dat nijpend?
Deze vragen zijn het eigenlijke strategiedocument: ze leggen vast waar de directie sneller wil beslissen, en dat is een preciezere opdracht dan welke visieparagraaf ook. Het scherpstellen ervan is een vaardigheid op zich, uitgewerkt in prompt engineering voor de directie.
Blok 2: de data-basis die eronder moet liggen
Nu pas komt de data aan de beurt, en alleen de data die de vragen uit blok 1 nodig hebben. Die smalle scope is bewust.
Wat er minimaal moet liggen: de financiële cijfers van de afgelopen jaren in machinaal leesbare vorm, de lopende contracten en offertes, de rapportages en notulen van de directie, en de bronsystemen waar sales en operatie hun cijfers uit halen. Wie wat mag zien moet vooraf duidelijk zijn, en waar de data verwerkt wordt ook; die afwegingen staan in de vragen die je een AI-leverancier stelt over je data.
Wat je hier ontdekt is nuttiger dan wat je oplevert: welke cijfers nergens consistent worden bijgehouden, welke afdeling een eigen waarheid heeft, welk rapport niemand meer vertrouwt.
Blok 3: vastleggen wat blijft
Aan het eind van het kwartaal leg je vier dingen vast, en niet meer dan vier. Welke beslissingen voortaan standaard mét AI worden voorbereid, en door wie. Welke databronnen daarvoor onderhouden worden, en wie daar eigenaar van is. Wat de directie niet met AI doet, bijvoorbeeld personele beoordelingen of externe communicatie zonder menselijke eindredactie. En hoe je over een half jaar vaststelt of het werkt, in doorlooptijd en kwaliteit van beslissingen, niet in gebruikersaantallen.
Dat is de AI-strategie: vier pagina's die de directie zelf opstelde en kan verdedigen, gebouwd op een kwartaal eigen ervaring.
Wat je in dit kwartaal beter niet doet
Geen tool-jacht. Een vergelijkingsmatrix met veertien leveranciers voelt als voortgang en is het niet. Welk gereedschap je nodig hebt, weet je pas als je weet welke vragen je stelt en welke data eronder ligt. Kies iets waarmee je deze week kunt beginnen; de afweging staat in AI zelf bouwen of kopen.
Geen pilot-parade. Zes afdelingen die elk een eigen proefproject draaien, leveren zes presentaties en nul beslissingen. Dat is het patroon achter de cijfers hierboven, en het strandt op de overgang naar de praktijk; dat mechanisme staat in van AI-pilot naar productie.
Geen AI-beleid van veertig pagina's voordat iemand het gebruikt heeft. Vooraf geschreven beleid verbiedt vooral dingen die niemand van plan was en laat de echte risico's ongeregeld.
Geen delegatie naar één trede lager. Schuift de directie de AI-strategie door naar IT of naar een innovatiemanager, dan is de uitkomst een advies waar de directie zelf niet op kan doorvragen. Dat is de kortste route terug naar het rapport.
Wanneer je wél een consultant of bureau inhuurt
Zelf doen is geen dogma. Vier situaties waarin externe hulp de verstandigste keuze is.
Bij data-engineering en integratie. Bronsystemen ontsluiten, datastromen opschonen en koppelingen bouwen is specialistisch werk met een duidelijke opleverdatum. Dat hoort niet bij de directie thuis.
Bij regelgeving die specifieke kennis vraagt. Werk je met medische gegevens, financiële toezichtkaders of aanbestedingsregels, dan is juridisch advies over wat met welke data mag geen luxe. Vraag om een toetsbaar oordeel, niet om een strategie.
Bij gedragsverandering die de hele organisatie raakt. Zodra de werkwijze van honderden mensen verandert, is verandermanagement een vak. De directie moet dan wel eigenaar van de inhoud blijven, anders koop je opnieuw een rapport.
Bij een second opinion op een besluit dat je al nam. Een bureau dat je eigen strategie beoordeelt is waardevoller dan een bureau dat hem schrijft. Je krijgt tegenspraak in plaats van invulling.
De rode draad: huur uitvoering en toetsing in, geen oordeel. Zodra de opdracht "bepaal onze richting" luidt, koop je iets wat je niet kunt overnemen. De drie vormen die AI-consultancy aanneemt en de eisen die je aan elke adviseur mag stellen, inclusief wat het in Nederland kost, staan in AI-consultancy: wat je mag eisen en wat het kost. In het MKB weegt dat zwaarder, omdat er zelden een laag is die het advies overneemt; de gewoontebenadering die daarbij hoort staat in AI-adoptie in het MKB.
Volledige openheid: wat hierna staat is ons eigen product.
AI Board is jouw persoonlijke AI-assistent die je een AI-native executive maakt: een AI CEO, CFO en CTO op je eigen laptop, gevoed met de data van je bedrijf, en hij wordt scherper naarmate je data groeit. Privacy by design, snel, en vóór op de executives die wachten.
Veelgestelde vragen
Wat is een AI-strategie voor een directie?
Een AI-strategie voor een directie is de vastgelegde keuze welke beslissingen voortaan mét AI worden voorbereid, op welke data dat gebeurt, en wie aan de directietafel daar eigenaar van is. Het onderscheidende kenmerk is dat de directie haar zelf kan uitleggen, uitvoeren en bijstellen zonder externe hulp. Een document dat alleen begrijpelijk is voor de opstellers is een advies, en adviezen overleven de eerste tegenvaller zelden.
Hoe stel je als directie een AI-strategie op?
Begin bij vragen, niet bij tools. Laat elk directielid drie tot vijf beslissingen benoemen die nu te lang duren of op aannames stranden en waarvan het antwoord in de eigen bedrijfsdata te vinden is, en maak daarna precies die data toegankelijk en controleerbaar. Leg aan het eind van het kwartaal vast welke beslissingen standaard mét AI worden voorbereid, wie eigenaar is van welke databron, wat je bewust niet met AI doet, en hoe je meet of het werkt.
Heb je naast een AI-strategie ook apart AI-beleid nodig?
Ja, maar in die volgorde. De strategie bepaalt waar AI de besluitvorming verbetert; het beleid legt de grenzen vast rond data, toegang, controleerbaarheid en wat er niet met AI gebeurt. Beleid dat wordt geschreven voordat iemand in de directie praktijkervaring heeft, regelt meestal de verkeerde dingen. Begin met een korte set spelregels en werk die uit zodra je weet welke risico's zich echt voordoen.
Werkt dit ook voor een AI-strategie in het MKB?
Juist daar. Een MKB-directie mist de staflagen die een groot programma draaiende houden, en dat is hier een voordeel: geen tussenlaag die de uitkomst verdunt. De schaal is behapbaar, want de meeste MKB-bedrijven kunnen de data achter hun belangrijkste beslissingen in weken toegankelijk maken in plaats van in jaren. De valkuil is omgekeerd: uit tijdgebrek de hele vraag uitbesteden en eindigen met een plan dat niemand intern kan uitvoeren.
De vraag die telt is niet of er aan het eind van dit kwartaal een AI-strategie ligt. Het is of de directie hem kan uitleggen zonder de auteur erbij te halen. Zie wat een AI-native executive doet met de eigen bedrijfsdata →, of maak kennis met je AI CEO.