AI-maturiteit in de werkcontext: van literatuur en experten tot eigen kaderwerk

De toenemende adoptie van artificiële intelligentie (AI) in diverse sectoren toont aan dat AI niet langer experimenteel is, maar groeit tot een vast onderdeel van de hedendaagse praktijk. In het eerste rapport van deze driedelige reeks bracht het Kenniscentrum Data & Maatschappij (KDM) het concept AI-geletterdheid in kaart. In dit tweede rapport staat het concept AI-maturiteit centraal.

Waar AI-geletterdheid focust op de kennis, vaardigheden en attitudes van individuen, maakt het slechts één onderdeel uit van het bredere geheel van AI-maturiteit. Het vermogen van een organisatie om AI effectief, ethisch en strategisch te integreren, hangt immers ook af van structurele, culturele en governance factoren.

Enkele kernbevindingen uit het rapport over AI-maturiteit in de literatuur:

• De huidige literatuur blijft voornamelijk beschrijvend en vergelijkend: Onderzoek naar AI-maturiteit richt zich vooral op het in kaart brengen van bestaande niveaus via beschrijvende of vergelijkende modellen. Er is een duidelijk gebrek aan prescriptieve kaders die organisaties concrete richtlijnen bieden om te evolueren naar een hoger maturiteitsniveau. Hierdoor blijft maturiteitsonderzoek te vaak hangen bij diagnose zonder richtinggevende actie.
• AI-maturiteitsmodellen verschuiven de focus van processen naar capaciteiten: Niet de activiteiten op zich staan centraal, maar het vermogen van een organisatie om AI strategisch, technisch en menselijk te implementeren. Dit capaciteitsgerichte perspectief maakt duidelijk wat organisaties nodig hebben om AI duurzaam te integreren.
• Onevenwichtige focus op technische en zakelijke dimensies: Veel maturiteitsmodellen benadrukken technische prestaties en economische waarde, terwijl de sociaal-ethische implicaties van AI onderbelicht blijven.  AI-maturiteit is geen louter technisch vraagstuk, maar een multidimensionaal concept dat strategische, organisatorische en ethische factoren omvat.
• Groeiniveaus zijn een meerwaarde wanneer een AI-maturiteitsmodel geïmplementeerd wordt: Groeiniveaus geven organisaties houvast: ze maken maturiteit concreet, tonen waar men staat. Hierdoor wordt een maturiteitsmodel niet enkel een evaluatie-instrument, maar ook een praktisch ontwikkelpad dat richting en prioriteiten helpt bepalen. 
• AI-maturiteit is een multi-dimensionaal concept: Het combineert de vaardigheden van individuen, de strategie en infrastructuur van organisaties én de bredere maatschappelijke en ethische context. Deze lagen versterken of begrenzen elkaar, waardoor een holistische kijk essentieel is om maturiteit volledig te begrijpen.
• De markt voor AI-maturiteitscans is versnipperd en weinig transparant: Het landschap van AI-maturiteitsmodellen wordt momenteel gedomineerd door commerciële consultancybureaus. Hun modellen zijn vaak niet publiek toegankelijk, wat de wetenschappelijke toetsbaarheid en vergelijkbaarheid van resultaten beperkt. Dit gebrek aan transparantie creëert een kenniskloof tussen academisch onderzoek en praktijktoepassing, waardoor maturiteitsevaluatie een black box blijft.

Enkele kernbevindingen uit de experteninterviews over AI-maturiteit:

• AI-maturiteit vereist zowel technologische als menselijke competenties: Een volwassen AI-organisatie combineert technologische competenties (zoals een sterke data- en technologiecapaciteit) met menselijke vaardigheden (zoals kritisch denken, reflectie en het vermogen om impact in te schatten). Technologie zonder menselijk beoordelingsvermogen leidt zelden tot duurzaam of veilig gebruik.
• Een cultuur van experimenteren en kritisch denken bevordert verantwoord gebruik: AI-mature organisaties stimuleren nieuwsgierigheid en gecontroleerde experimenten. Maar tegelijk verwachten ze kritisch denken: waarom gebruiken we dit? Is AI wel de juiste oplossing? Zo vermijden ze hype-gedreven implementaties en bouwen ze aan doordachte innovatie.
• Governance en juridische compliance worden best van in het begin ingebouwd: Juridische vereisten, transparantie-maatregelen en risicobeoordelingen mogen geen detail zijn. Dit bepaalt mee of een organisatie “over de lat springt” of “best in class” wordt.
• Data- en digitale infrastructuur zijn zowel risico als opportuniteit: AI is zo goed als de data waarop ze draait. Voor veel organisaties is het opkuisen en organiseren van data een noodzakelijke (en vaak eerste) stap in hun maturiteitstraject.
• Ethische overwegingen zijn een integraal onderdeel van AI-maturiteit: Representativiteit, bias, energieverbruik, duurzaamheid, impact op werk, en transparantie naar gebruikers vormen onmisbare bouwstenen. Een AI-mature organisatie handelt niet enkel conform de wet, maar ook volgens maatschappelijke waarden en verantwoordelijkheden. 
• ROI en waardebesef moeten vooraf gedefinieerd worden om experimenten en investeringen te sturen: Er moet duidelijkheid zijn over waarom een organisatie AI inzet: efficiëntie, kwaliteit, maatschappelijke waarde, innovatie? Op voorhand hierover nadenken voorkomt dat AI-projecten starten “omdat iedereen het doet” en helpt prioriteiten stellen tussen ideeën en experimenten.

Ralf De Wolf, Wout Vermeir en Marijn Martens

Afbeelding: van Gorodenkoff via Adobe Stock