Short reads for leaders

Ontwerp eerst de uitzondering

1 november 2026 · Erlend Hollebosch

De kwaliteit van een AI-werkstroom blijkt wanneer de normale route niet volstaat.

De normale route vertelt maar de helft

Een aanvraag is compleet, de data klopt en de uitkomst valt binnen de regels. In zo’n situatie is automatiseren overzichtelijk. De echte ontwerpvraag begint wanneer informatie ontbreekt, belangen botsen of een beslissing buiten de afgesproken grenzen valt.

Een uitzondering is een werkstroom

Stel dat een agent een klantdossier voorbereidt, maar twee systemen verschillende informatie bevatten. Stoppen is dan verstandig. Maar wie neemt over? Welke informatie krijgt die persoon? En hoe keert het dossier na de beslissing terug in de normale stroom? Zonder die afspraken verplaatst AI het werk naar een nieuwe wachtrij.

Leg drie afspraken vast

Bepaal vooraf wanneer de agent moet stoppen, wie het besluit mag nemen en binnen welke termijn het werk verder moet kunnen. Geef de eigenaar context: de oorspronkelijke vraag, de gebruikte informatie, de onzekerheid en de al uitgevoerde stappen. Een melding zonder beslisinformatie is nog geen overdracht.

Maak terugkerende uitzonderingen zichtbaar

Meet hoe vaak dezelfde afwijking voorkomt, hoe lang zij wacht en hoeveel herstelwerk volgt. Een terugkerend patroon kan wijzen op onduidelijke regels, ontbrekende data of een proces dat moet worden herontworpen. Niet iedere uitzondering vraagt om méér autonomie. Soms vraagt zij om een betere afspraak.

De vraag voor leiders

Kan de verantwoordelijke persoon de uitzondering werkelijk oplossen, of alleen verder escaleren? Ontwerp de uitzonderingsroute met dezelfde zorg als de normale route. Daar wordt zichtbaar of menselijke verantwoordelijkheid en agentische uitvoering op elkaar aansluiten.

Design the exception first

1 November 2026 · Erlend Hollebosch

An AI workflow proves its quality when the standard route no longer fits.

The standard route tells half the story

An application is complete, the data agrees and the outcome falls within policy. Automation is straightforward in that situation. The design challenge begins when information is missing, interests conflict or a decision exceeds the agreed boundaries.

An exception is a workflow

Imagine an agent preparing a customer case when two systems disagree. Stopping is sensible. But who takes over? What information does that person receive? How does the case return to the normal flow after a decision? Without those agreements, AI moves work into another queue.

Make three agreements

Decide when the agent must stop, who can decide and when the work should be able to continue. Give the owner context: the original request, the information used, the uncertainty and the steps already completed. A notification without decision context is not a complete handoff.

Learn from recurring exceptions

Track how often the same deviation occurs, how long it waits and how much rework follows. A recurring pattern may reveal unclear rules, missing data or a process that needs redesign. Greater autonomy is one possible response; a better operating agreement may be more useful.

The leadership question

Can the accountable person resolve the exception, or only escalate it? Design the exception route as carefully as the standard route. It reveals whether human accountability and agent execution actually fit together.

Concevoir d’abord l’exception

1 novembre 2026 · Erlend Hollebosch

Un flux de travail IA révèle sa qualité lorsque le parcours habituel ne suffit plus.

Le parcours habituel ne dit pas tout

Le dossier est complet, les données concordent et le résultat respecte les règles. L’automatisation est alors relativement simple. La difficulté commence lorsque des informations manquent, que les intérêts divergent ou qu’une décision dépasse les limites prévues.

Une exception est un flux de travail

Un agent prépare un dossier client, mais deux systèmes fournissent des informations contradictoires. S’arrêter est raisonnable. Qui prend le relais ? Avec quelles informations ? Comment le dossier revient-il dans le flux normal après la décision ? Sans ces accords, l’IA déplace le travail vers une nouvelle file d’attente.

Fixer trois accords

Définissez quand l’agent doit s’arrêter, qui peut décider et dans quel délai le travail doit reprendre. Transmettez le contexte : demande initiale, informations utilisées, incertitude et étapes déjà réalisées. Une notification sans contexte de décision ne constitue pas un transfert complet.

Apprendre des exceptions récurrentes

Suivez leur fréquence, leur temps d’attente et les reprises nécessaires. Un motif récurrent peut révéler des règles ambiguës, des données manquantes ou un processus à repenser. Davantage d’autonomie n’est pas toujours la réponse ; un meilleur accord de fonctionnement peut être plus utile.

La question pour les dirigeants

La personne responsable peut-elle résoudre l’exception ou seulement l’escalader ? Concevez le parcours exceptionnel avec autant de soin que le parcours normal. Il révèle l’articulation réelle entre responsabilité humaine et exécution par les agents.

Tijdwinst vraagt om een volgende keuze

1 november 2026 · Erlend Hollebosch

Vrijgekomen capaciteit wordt pas waarde wanneer je bepaalt wat ermee gebeurt.

Van minuten naar een bedrijfsresultaat

Een team rapporteert dat AI elke week uren bespaart. Dat is nuttige informatie, maar nog geen volledig waardevoorstel. De vervolgvraag is wat er met die ruimte gebeurt: meer klantvragen behandelen, achterstanden wegwerken, kwaliteit verbeteren of minder externe capaciteit inzetten.

Maak de bestemming concreet

Neem een serviceteam dat minder tijd nodig heeft om dossiers voor te bereiden. Als de goedkeuring elders blijft wachten, verandert de doorlooptijd mogelijk nauwelijks. Wordt de vrijgekomen tijd bewust ingezet voor moeilijke dossiers, dan kan een andere verbetering ontstaan. De bestemming van capaciteit hoort bij het ontwerp van de use case.

Spreek vooraf af wat je gaat meten

Leg een uitgangssituatie vast voor volume, doorlooptijd, kwaliteit en inzet van mensen. Kies vervolgens welk resultaat je wilt veranderen. Neem ook controles, uitzonderingen en herstelwerk mee. Een minuut minder voorbereiding kan samengaan met een minuut extra verificatie.

Verbind de eigenaar met het resultaat

De technische eigenaar kan de toepassing verbeteren. De proceseigenaar moet kunnen besluiten over werkverdeling, capaciteit en prioriteiten. Zonder die verbinding blijft de businesscase hangen tussen een lokale tijdmeting en een resultaat waarvoor niemand de keuzes kan maken.

Een praktische startvraag

Welke concrete beslissing nemen we als deze tijd daadwerkelijk vrijkomt? Als het antwoord ontbreekt, is de waardehypothese nog niet af. Ontwerp de toepassing en de inzet van capaciteit samen, en toets daarna wat er met de volledige werkstroom gebeurt.

Time saved needs a next decision

1 November 2026 · Erlend Hollebosch

Capacity becomes value when you decide what to do with it.

From minutes to a business outcome

A team reports that AI saves hours every week. That is useful evidence, but it is not a complete value proposition. The next question is what happens to that capacity: handling more requests, clearing a backlog, improving quality or reducing external support.

Give the capacity a destination

Consider a service team that prepares cases faster. If approval still waits elsewhere, overall cycle time may barely change. If the team deliberately uses the time for difficult cases, a different improvement may emerge. The destination of released capacity belongs in the use-case design.

Agree what to measure

Establish a baseline for volume, cycle time, quality and human effort. Choose the outcome you intend to change. Include checks, exceptions and rework. A minute saved in preparation may coincide with another minute spent verifying the result.

Connect ownership to the outcome

The technical owner can improve the application. The process owner needs authority over work allocation, capacity and priorities. Without that connection, the business case remains suspended between a local time measurement and an outcome nobody can make the decisions to deliver.

A useful starting question

What specific decision will we make if this time becomes available? Without an answer, the value hypothesis is incomplete. Design the application and the use of capacity together, then examine what happens to the complete workflow.

Le temps gagné appelle une décision

1 novembre 2026 · Erlend Hollebosch

La capacité libérée devient de la valeur lorsque son utilisation est décidée.

Des minutes au résultat métier

Une équipe annonce que l’IA économise plusieurs heures par semaine. C’est une information utile, mais pas encore une proposition de valeur complète. Que fera-t-on de cette capacité : traiter davantage de demandes, résorber un retard, améliorer la qualité ou réduire le recours à une aide externe ?

Donner une destination à la capacité

Une équipe prépare ses dossiers plus rapidement. Si l’approbation attend toujours ailleurs, le délai total peut peu évoluer. Si le temps libéré est consacré aux dossiers complexes, une autre amélioration peut apparaître. Cette destination fait partie de la conception du cas d’usage.

Convenir des mesures

Établissez une référence pour les volumes, les délais, la qualité et l’effort humain. Choisissez le résultat à faire évoluer. Incluez les contrôles, les exceptions et les reprises. Une minute gagnée en préparation peut s’accompagner d’une minute supplémentaire de vérification.

Relier responsabilité et résultat

Le responsable technique peut améliorer l’application. Le responsable du processus doit pouvoir décider de la répartition du travail, de la capacité et des priorités. Sans ce lien, le dossier économique reste entre une mesure locale du temps et un résultat que personne ne peut organiser.

Une question de départ

Quelle décision précise prendrons-nous si ce temps devient disponible ? Sans réponse, l’hypothèse de valeur reste incomplète. Concevez ensemble l’application et l’utilisation de la capacité, puis examinez le résultat sur le flux de travail complet.

Je AI-pilot werkt. Waarom verandert de organisatie niet?

28 oktober 2026 · Erlend Hollebosch

Een snellere taak is nog geen beter proces

Een AI-pilot kan overtuigend zijn. De technologie werkt. Medewerkers vinden sneller informatie, documenten worden automatisch verwerkt en een taak die vroeger een uur vroeg, duurt nog enkele minuten. Toch merkt de klant weinig verschil. Besluiten blijven liggen. Goedkeuringen lopen door dezelfde lagen. Het management ziet lokale vooruitgang, maar krijgt moeilijk zicht op het resultaat voor de organisatie.

Die vraag raakt aan een onderwerp dat mij al lange tijd fascineert: fragmentatie binnen organisaties. Vanuit mijn ervaring met projectmanagement, PMO-leiderschap en bedrijfstransformatie ben ik steeds meer geïnteresseerd geraakt in wat er tussen de afzonderlijke onderdelen gebeurt. Waar raken prioriteiten elkaar kwijt? Waar blijft werk wachten? Waar ontbreekt een eigenaar voor het resultaat?

Illustratief voorbeeld. Neem een organisatie die AI inzet om klantvragen te behandelen. De toepassing vat het dossier samen en stelt een antwoord voor. Maar informatie uit een andere afdeling ontbreekt, die afdeling gebruikt andere definities en een uitzondering vraagt toestemming van een manager. De verwerking binnen één stap is versneld. De wachttijd tussen de stappen blijft bestaan.

Fragmentatie ontstaat vaak uit begrijpelijke keuzes

Afdelingen specialiseren zich. Teams kiezen hulpmiddelen die hun eigen werk ondersteunen. Na een overname blijven systemen naast elkaar bestaan. Nieuwe risico’s leiden tot extra controles. Strategische initiatieven krijgen elk een eigen structuur en planning.

Elke keuze kan afzonderlijk verdedigbaar zijn. Samen kunnen ze een organisatie opleveren waarin steeds meer afstemming nodig is om iets eenvoudigs gedaan te krijgen. Mensen compenseren de ontbrekende samenhang met vergaderingen, spreadsheets en escalaties. Wanneer AI wordt toegevoegd, komt de technologie terecht in een systeem dat al moeite heeft om als geheel te functioneren.

AI versterkt het systeem waarin het terechtkomt

AI kan ook in een gefragmenteerde organisatie waarde creëren. Een medewerker kan beter voorbereid zijn of een analyse sneller uitvoeren. De uitdaging groeit zodra de toepassing over afdelingen, systemen en beslisgrenzen heen moet werken.

Gebruiken teams dezelfde betekenis van klant, risico en resultaat? Is duidelijk welke informatie betrouwbaar is? Wie mag handelen, wie behandelt uitzonderingen en wie beoordeelt de volledige werkstroom?

Voor duurzame AI-waarde op organisatieniveau moet voldoende samenhang bestaan tussen doelen, processen, informatie, technologie en besluitvorming. Dat is voor mij de betekenis van Enterprise Coherence.

Coherence vraagt om gerichte samenhang

Een coherente organisatie hoeft niet overal hetzelfde te werken. Verschillen tussen landen, klanten en risicoprofielen kunnen noodzakelijk zijn. De vraag is welke onderdelen op elkaar moeten aansluiten om een gezamenlijk resultaat mogelijk te maken.

Meer centrale controle is daarvoor niet vanzelfsprekend de oplossing. Soms is juist minder goedkeuring nodig, met duidelijkere grenzen en meer verantwoordelijkheid op de juiste plaats.

Begin bij één belangrijke werkstroom

De hele organisatie eerst coherent proberen te maken, is een onwerkbaar vertrekpunt. Ik zou beginnen bij één werkstroom die belangrijk genoeg is om bestuurlijke aandacht te verdienen: het oplossen van een klantprobleem, een schadegeval of een IT-incident.

Onderzoek vijf dingen: het gewenste en meetbare resultaat; de plaatsen waar werk wacht of terugkeert; de beslisrechten; de benodigde informatie; en de passende rol van AI. Sommige problemen vragen vooral om eenvoudiger processen of duidelijker verantwoordelijkheden.

Zo kunnen procesverbetering, coherence en AI-toepassing samen worden ontwikkeld.

Meet wat er met het geheel gebeurt

Kijk naast lokale tijdwinst naar totale doorlooptijd, overdrachten, herstelwerk, uitzonderingen en kwaliteit. Tijdwinst in één team kan extra controlewerk elders veroorzaken. Vergelijk de volledige werkstroom met een vooraf vastgelegde uitgangssituatie.

De verantwoordelijkheid van het management

Wie AI over meerdere afdelingen wil toepassen, moet richting geven aan gezamenlijke prioriteiten, eigenaarschap en besluitvorming. Technologische teams kunnen tegenstrijdige bedrijfsdoelen niet zelfstandig oplossen.

Wie is aanspreekbaar op het volledige resultaat? Welke lokale optimalisatie belemmert het geheel? Welke controle kan vervallen wanneer een betere waarborg beschikbaar komt? De kwaliteit van die keuzes bepaalt mede hoeveel waarde de technologie kan opleveren.

Mijn vertrekpunt

Wat mij fascineert, is hoe organisaties met bekwame mensen, veel kennis en aanzienlijke investeringen toch steeds moeilijker in beweging kunnen komen. Enterprise Coherence biedt een manier om gericht te onderzoeken waar de samenhang ontbreekt.

Mijn vertrekpunt is één concrete vraag: wat moet in deze organisatie beter op elkaar aansluiten, zodat een belangrijke werkstroom aantoonbaar beter gaat functioneren?

Het antwoord maakt duidelijk waar AI waarde kan toevoegen — en welke bestuurlijke keuzes daarvoor nodig zijn.

Your AI pilot works. Why is the organization not changing?

28 October 2026 · Erlend Hollebosch

A faster task is not yet a better process

An AI pilot can be convincing. Employees find information faster, documents are processed automatically and a task that once took an hour takes minutes. Yet customers notice little difference. Decisions still wait. Approvals pass through the same layers. Management sees local progress but struggles to identify the organizational result.

This touches a subject that has long fascinated me: organizational fragmentation. My experience in project management, PMO leadership and business transformation has drawn my attention to what happens between the parts. Where do priorities diverge? Where does work wait? Where is ownership of the outcome missing?

Illustrative example. Consider AI handling customer enquiries. It summarizes a case and proposes an answer. But information from another department is missing, definitions differ and an exception needs a manager’s approval. One step is faster. The waiting between steps remains.

Fragmentation often starts with reasonable choices

Departments specialize. Teams select tools for their own work. Systems remain separate after acquisitions. New risks introduce additional controls. Strategic initiatives each acquire their own structure and schedule.

Each decision may be defensible. Together they can create an organization that needs more coordination to accomplish simple things. People compensate through meetings, spreadsheets and escalation. AI enters a system already struggling to function as a whole.

AI amplifies the system it enters

AI can create value in a fragmented organization. An employee can prepare better or analyse faster. The challenge grows when applications cross departments, systems and decision boundaries.

Do teams share definitions of customer, risk and outcome? Is reliable information identifiable? Who may act, who handles exceptions and who evaluates the entire workflow?

Sustained organizational value from AI requires sufficient alignment between goals, processes, information, technology and decision-making. That is what Enterprise Coherence means to me.

Coherence requires purposeful alignment

A coherent organization need not work identically everywhere. Differences between countries, customers and risk profiles may be necessary. The question is which parts must connect to produce a shared outcome.

More central control is not automatically the answer. Sometimes fewer approvals, clearer boundaries and responsibility in the right place are needed.

Start with one important workflow

Making the entire organization coherent first is an impractical starting point. I would start with one workflow important enough to deserve executive attention: resolving a customer problem, an insurance claim or an IT incident.

Examine five things: the measurable outcome; where work waits or returns; decision rights; the information required; and the appropriate role for AI. Some problems primarily need simpler processes or clearer responsibilities.

Process improvement, coherence and AI can then develop together.

Measure what happens to the whole

Look beyond local time savings to total cycle time, handoffs, rework, exceptions and quality. Time saved in one team may generate extra checking elsewhere. Compare the entire workflow with a baseline established in advance.

Management’s responsibility

Applying AI across departments requires direction on shared priorities, ownership and decisions. Technology teams cannot resolve conflicting business objectives by themselves.

Who is accountable for the whole outcome? Which local optimization obstructs it? Which control can be removed when a better safeguard becomes available? These choices help determine the value technology can deliver.

My starting point

I am fascinated by how organizations with capable people, extensive knowledge and substantial investment can become increasingly difficult to move. Enterprise Coherence provides a way to investigate where alignment is missing.

My starting point is one concrete question: what must connect better in this organization for an important workflow to perform demonstrably better?

The answer reveals where AI can add value and which executive decisions are needed.

Votre pilote IA fonctionne. Pourquoi l’organisation ne change-t-elle pas ?

28 octobre 2026 · Erlend Hollebosch

Une tâche plus rapide ne suffit pas à améliorer un processus

Un pilote IA peut être convaincant. Les collaborateurs trouvent plus vite l’information, les documents sont traités automatiquement et une tâche d’une heure ne prend plus que quelques minutes. Pourtant, le client constate peu de différence. Les décisions attendent toujours et les validations suivent les mêmes circuits. La direction voit des progrès locaux, mais peine à identifier le résultat global.

Cela rejoint un sujet qui me fascine depuis longtemps : la fragmentation des organisations. Mon expérience des projets, de la direction de PMO et de la transformation des entreprises m’a amené à examiner ce qui se passe entre les différentes parties. Où les priorités divergent-elles ? Où le travail attend-il ? Qui porte la responsabilité du résultat ?

Exemple illustratif. Prenons une IA qui résume une demande client et propose une réponse. Il manque encore une information d’un autre département, les définitions diffèrent et une exception exige une validation. Une étape est accélérée. L’attente entre les étapes demeure.

La fragmentation naît souvent de choix compréhensibles

Les départements se spécialisent. Les équipes choisissent leurs outils. Après une acquisition, les systèmes restent séparés. De nouveaux risques entraînent des contrôles supplémentaires. Chaque initiative stratégique dispose de sa propre structure et de son calendrier.

Chaque décision peut se justifier. Ensemble, elles peuvent produire une organisation qui a besoin de toujours plus de coordination. Les personnes compensent par des réunions, des tableurs et des escalades. L’IA entre dans un système qui peine déjà à fonctionner comme un tout.

L’IA amplifie le système dans lequel elle entre

L’IA peut créer de la valeur dans une organisation fragmentée. Une personne prépare mieux son travail ou analyse plus vite. La difficulté grandit lorsque l’application traverse les départements, les systèmes et les frontières de décision.

Les équipes partagent-elles les mêmes définitions du client, du risque et du résultat ? L’information fiable est-elle identifiable ? Qui peut agir, gérer les exceptions et évaluer le flux complet ?

Une valeur durable à l’échelle de l’organisation nécessite un alignement suffisant entre objectifs, processus, information, technologie et décisions. C’est le sens que je donne à Enterprise Coherence.

La cohérence demande un alignement ciblé

Une organisation cohérente ne doit pas fonctionner partout de manière identique. Des différences entre pays, clients et profils de risque peuvent être nécessaires. Il faut déterminer quelles parties doivent s’articuler pour obtenir un résultat commun.

Davantage de contrôle central n’est pas automatiquement la solution. Il faut parfois moins de validations, des limites plus claires et des responsabilités au bon endroit.

Commencer par un flux de travail important

Vouloir rendre toute l’organisation cohérente avant de commencer serait peu réaliste. Je partirais d’un flux qui mérite l’attention de la direction : résoudre un problème client, traiter un sinistre ou un incident informatique.

Examinons cinq éléments : le résultat mesurable ; les points d’attente et de retour ; les droits de décision ; l’information nécessaire ; et le rôle approprié de l’IA. Certains problèmes exigent surtout des processus plus simples ou des responsabilités plus claires.

L’amélioration des processus, la cohérence et l’IA peuvent ainsi progresser ensemble.

Mesurer le résultat global

Au-delà du temps gagné localement, mesurons le délai total, les transferts, les reprises, les exceptions et la qualité. Un gain dans une équipe peut créer du contrôle supplémentaire ailleurs. Comparons le flux complet à une situation de référence établie à l’avance.

La responsabilité de la direction

Appliquer l’IA entre départements exige des choix sur les priorités communes, les responsabilités et les décisions. Les équipes technologiques ne peuvent pas résoudre seules des objectifs contradictoires.

Qui répond du résultat global ? Quelle optimisation locale le freine ? Quel contrôle peut disparaître lorsqu’une meilleure garantie devient disponible ? Ces choix déterminent en partie la valeur de la technologie.

Mon point de départ

Comment des organisations riches en compétences, en connaissances et en investissements deviennent-elles toujours plus difficiles à faire évoluer ? Enterprise Coherence permet d’examiner où les articulations font défaut.

Mon point de départ est une question concrète : que faut-il mieux relier dans cette organisation pour améliorer de manière démontrable un flux de travail important ?

La réponse révèle où l’IA peut apporter de la valeur et quelles décisions de direction sont nécessaires.