De kern van het betoog is een perspectiefverschuiving. AI is volgens Schlenther geen tool met één functie en ook geen digitale medewerker met een vaste rol, maar een soort besturingssysteem voor de organisatie. Een tool gebruik je per taak. Een medewerker plaats je in een team. Een besturingssysteem daarentegen vormt de infrastructuur waarop alles draait. Als AI-capaciteiten zich snel ontwikkelen, is het volgens de auteur inefficiënt om steeds afzonderlijke use cases te optimaliseren. In plaats daarvan moet een organisatie zo worden ingericht dat nieuwe mogelijkheden automatisch doorwerken in processen, producten en besluitvorming.

Om dat concreet te maken werkt Schlenther vijf principes van systemisch denken uit:

Verbinding
Het eerste principe is verbinding of wat Schlenther Vernetzung noemt. In veel organisaties staan AI-toepassingen op zichzelf: een tool voor marketing, een andere voor sales en weer een andere voor operations. In een systemische benadering worden context, instructies, klantinformatie en procesregels centraal ontsloten.

Stel dat een bedrijf een offerte opstelt voor een klant met een specifieke, nieuwe eis. In een silo-structuur moet een medewerker zelf uitzoeken waar die informatie past. In een netwerk heeft AI toegang tot alle relevante procesbeschrijvingen, eerdere offertes en beleidsregels en kan het die informatie combineren zonder dat kennis versnipperd raakt.

Een ander voorbeeld is hoe in veel ziekenhuizen systemen naast elkaar bestaan: het elektronisch patiëntendossier, planningssoftware, kwaliteitsregistraties en losse AI-toepassingen. In een systemische benadering worden relevante gegevens, richtlijnen en procesbeschrijvingen centraal toegankelijk gemaakt, binnen duidelijke privacy- en veiligheidskaders. Stel dat een patiënt zich meldt op de spoedeisende hulp. Een verbonden AI-systeem kan triage-informatie, medische voorgeschiedenis, actuele beddencapaciteit en geldende behandelprotocollen combineren om een onderbouwd voorstel te doen voor doorverwijzing of opname. In een silo-structuur moet zorgpersoneel die informatie handmatig samenbrengen.

Synthese
Het tweede principe is synthese. In plaats van één AI-agent beter te maken in bijvoorbeeld het schrijven van offertes, wordt gekeken naar het geheel: hoe verloopt het volledige klantproces, van aanvraag tot levering? Als het systeem goed is ontworpen, werkt een verbetering in prijsberekening of risicobeoordeling automatisch door in alle relevante documenten en beslissingen. De vraag verschuift van optimalisatie per taak naar het ontwerp van de totale architectuur.

In het voorbeeld van het ziekenhuis wordt niet alleen het triage-algoritme verbeterd, maar het volledige zorgpad, van aanmelding tot ontslag en nazorg. Als het systeem goed is ontworpen, werkt een verbetering in bijvoorbeeld risicostratificatie automatisch door in OK-planning, verpleegkundige inzet en ontslagplanning. De focus verschuift van optimalisatie per afdeling naar het ontwerp van de totale zorgarchitectuur.

Emergentie
Het derde principe is emergentie. Wanneer onderdelen goed met elkaar verbonden zijn, ontstaan nieuwe mogelijkheden uit hun combinatie. In het voorbeeld van de offerte kan AI signaleren dat een klantvraag niet past binnen de bestaande procesbeschrijving. Het systeem registreert dat, stelt een aanpassing van de instructie voor en zorgt ervoor dat toekomstige vergelijkbare aanvragen beter worden afgehandeld. Zo ontstaat een nieuw procesonderdeel zonder dat iemand handmatig alle documenten hoeft te herschrijven.

Vertaald naar het voorbeeld van het ziekenhuis: stel dat AI herhaaldelijk signaleert dat bepaalde patiënten met vergelijkbare kenmerken langer opgenomen blijven dan verwacht. Het systeem kan dan voorstellen om een extra screeningsstap toe te voegen bij opname. Zo ontstaat een nieuw procesonderdeel op basis van patroonherkenning, binnen vooraf vastgestelde medische en ethische kaders.

Terugkoppelingsmechanismen
Het vierde principe betreft terugkoppelingslussen. Feedback van klanten of medewerkers wordt niet incidenteel verwerkt, maar systematisch vastgelegd. Als meerdere klanten aangeven dat offertes onduidelijk zijn over levertermijnen, wordt dat signaal opgenomen in de centrale kennisstructuur. De volgende generatie offertes bevat automatisch een aangepaste toelichting. Door die continue terugkoppeling kan de kwaliteit van de output stijgen, mits feedback betrouwbaar wordt beheerd.

In het voorbeeld van het ziekenhuis wordt feedback van artsen, verpleegkundigen en patiënten systematisch vastgelegd. Als blijkt dat AI-gegenereerde ontslagbrieven vaak aanvullende uitleg vereisen, wordt dat signaal gebruikt om de standaardinstructies aan te passen. Elke nieuwe brief profiteert dan van eerdere leerervaringen. Door die gestructureerde terugkoppeling kan de kwaliteit stijgen, mits toezicht en validatie zijn ingebouwd.

Causaliteit
Het vijfde en laatste principe is causaliteit. In een sterk verbonden systeem heeft elke wijziging gevolgen elders. Daarom is het volgens Schlenther belangrijk dat informatie niet dubbel wordt opgeslagen en dat wijzigingen op één plek worden doorgevoerd. Als een nieuwe gedragsregel of prijsstructuur wordt ingevoerd, moet die consistent worden verwerkt in alle relevante processen. Door AI in te zetten om die samenhang te bewaken, kan worden voorkomen dat delen van de organisatie met verouderde instructies blijven werken.

In een ziekenhuis heeft een wijziging in één onderdeel vaak gevolgen elders. Een aanpassing in opnamecriteria beïnvloedt beddencapaciteit, personeelsplanning en wachttijden. Daarom is het essentieel dat informatie niet dubbel wordt beheerd en dat wijzigingen consistent worden doorgevoerd. Wanneer nieuwe richtlijnen worden ingevoerd, moet het AI-systeem die verwerken in triage, behandelvoorstellen en rapportages. Zo wordt voorkomen dat verschillende afdelingen met uiteenlopende versies werken.

De werkelijke hefboom van AI ligt in architectuur, niet in afzonderlijke toepassingen
Het belangrijkste inzicht dat Schlenther naar voren brengt, is dat de impact van AI niet wordt bepaald door de kwaliteit van afzonderlijke toepassingen, maar door het ontwerp van het geheel. Organisaties die AI blijven inzetten als losse hulpmiddelen lopen het risico op versnippering en missen schaalvoordelen. Systemisch denken, het vermogen om samenhang, terugkoppeling en architectuur te overzien, wordt daarmee een strategische kernvaardigheid voor effectieve AI-inzet.

Experimenteren blijft waardevol, maar de vraag hoe een samenhangend AI-besturingssysteem eruit zou moeten zien, moet steeds centraal staan. Dat vraagt om centrale kennisstructuren, heldere governance, duidelijke procesafspraken en expliciete verantwoordelijkheden, evenals een zorgvuldige omgang met data en feedback. Zonder doordacht ontwerp, continue kwaliteitsbewaking en gerichte organisatieverandering blijft de potentie van AI beperkt.

Bron

• Schlenther, F. (z.d.). KI ist ein Betriebssystem: Warum systemisches Denken der zentrale Skill ist, um KI wirklich zu hebeln. AI FIRST Insights.