AI en portfoliomanagement: AI faalt zelden door technologie
AI-technologie staat inmiddels op de agenda van vrijwel iedere organisatie. Soms komt die beweging voort uit concrete vragen vanuit de business: “kunnen we dit proces slimmer maken?” En soms vooral uit een gevoel van urgentie: we moeten iets, want iedereen is ermee bezig. Dat gevoel is begrijpelijk. Ontwikkelingen gaan snel en de mogelijkheden lijken eindeloos. Tegelijk zie ik in de praktijk dat juist die snelheid organisaties ook onrustig maakt. Waar begin je met zo’n nieuwe technologie? Wat moet je nu wel doen, en wat vooral nog niet? Tijdens een webinar met Hans Fugers van Alliander hebben we precies daarover gesproken. Onze centrale boodschap was eenvoudig: portfoliomanagement helpt om als organisatie AI technologie verantwoord in te zetten.
Dat klinkt misschien minder spectaculair dan een nieuwe AI-tool of een lijst met de laatste trends, maar in mijn werk zie ik keer op keer dat AI-initiatieven zelden mislukken omdat de technologie op zichzelf tekortschiet. Vaker gaat het mis omdat organisaties te veel tegelijk doen, geen gezamenlijke definitie van waarde hanteren of pilots starten zonder duidelijk eigenaarschap, besluitvorming of route naar opschaling.
Binnen portfoliomanagement draait het om het maken van de juiste keuzes en het inzetten van schaarse middelen op initiatieven die de meeste waarde opleveren. Ik werk daarin graag met drie samenhangende processen: richten, inrichten en verrichten. Die driedeling blijkt in de praktijk verrassend effectief. Ook, en misschien wel juist, voor AI.
AI is breder dan ChatGPT of Copilot
Een deel van de verwarring ontstaat al bij het woord AI zelf. Veel mensen denken tegenwoordig meteen aan ChatGPT, Copilot of prompten. Maar AI is veel breder dan alleen generatieve toepassingen. Daarom wil ik bewust het hele spectrum laten zien: van natural language processing en spraakverwerking tot beeldherkenning en voorspellende modellen. Dat onderscheid is belangrijk, omdat het organisaties helpt om niet vanuit hype te redeneren, maar vanuit het probleem dat ze willen oplossen. Niet: welke AI-tool willen we inzetten? Maar: welke opgave ligt hier voor ons, en welke technologie past daar het beste bij? Die gedachte sluit aan op hoe Mobilee naar digitale transformatie kijkt: technologie is geen doel op zich, maar moet aantoonbaar bijdragen aan mens, proces en organisatie.
Precies daar gaat het in de praktijk nog vaak mis. Veel organisaties starten technologiegedreven. Iemand ziet een demo, leest een artikel of begint enthousiast te experimenteren in een team. Voor je het weet, lopen er op verschillende plekken pilots naast elkaar. Dat hoeft op zichzelf geen probleem te zijn. Experimenteren is nodig. Maar zonder samenhang blijft structurele waarde vaak uit.
Vanuit Mobilee zien we AI-implementaties niet als IT-project is, maar een organisatieverandering: initiatieven moeten gekoppeld zijn aan strategische doelen, ingebed worden in kernprocessen en ondersteund worden met goede data en heldere KPI’s. Ook internationaal zien we hetzelfde patroon. McKinsey rapporteert dat AI inmiddels breed wordt gebruikt, maar dat veel organisaties nog vastzitten in de pilotfase en moeite hebben om enterprise-brede waarde te realiseren.
Goed portfoliomanagement begint bij richting
Voor mij begint goed portfoliomanagement daarom altijd bij richten. Dat is de fase waarin je als organisatie bepaalt waar je naartoe wilt, welke thema’s strategisch belangrijk zijn en hoe je beoordeelt of een initiatief echt waarde toevoegt. Voor AI is dat niet anders. Misschien is het zelfs urgenter. Juist omdat AI zoveel toepassingsmogelijkheden biedt, is de verleiding groot om overal tegelijk op te springen. Maar niet ieder slim idee is ook strategisch relevant. En niet elk experiment verdient meteen een structurele plek in je portfolio. Binnen Mobilee benadrukken we daarom het belang van prioriteren op businesswaarde, het balanceren tussen korte en lange termijn en het maken van bewuste keuzes tussen basis op orde en innovatie. In een AI-context betekent dat concreet dat je soms níét kiest voor het meest spectaculaire idee, maar voor het initiatief dat het best aansluit op je strategie, je processen en je verandervermogen.
Daarbij helpt het enorm als organisaties expliciet maken wat “waarde” eigenlijk is. Gaat het om efficiëntie? Kwaliteit? Minder fouten? Kortere doorlooptijden? Betere dienstverlening? Minder werkdruk? Meer voorspelbaarheid? In de praktijk blijven die definities vaak impliciet. Vervolgens kijkt de een vooral naar technische haalbaarheid, de ander naar kostenbesparing en een derde naar innovatie-imago. Juist portfoliomanagement dwingt je om dat gesprek samen te voeren. Dat sluit aan op bredere inzichten uit het vakgebied. PMI benadrukt in zijn Pulse of the Profession rapport expliciet dat succesvolle project- en portfolio-organisaties niet alleen leveren binnen tijd en budget, maar sturen op echte bedrijfswaarde. Voor AI betekent dat: minder fascinatie voor de tool, meer aandacht voor de vraag welk resultaat je als organisatie wilt bereiken.
AI verandert het fundament niet, maar wel de scherpte van je keuzes
Tegelijk is AI niet “gewoon nog een projectsoort”. Vanuit portfolioperspectief komen er wel degelijk extra risico’s en onzekerheden bij. In een eerder artikel op Mobilee.nl schreven Berry Vermeulen en ik dat verantwoorde inzet van technologie niet begint bij de techniek, maar bij de waarden van de organisatie. Als je technologie initieert zonder bewust te kijken naar klantwaarde, privacy, duurzaamheid, uitlegbaarheid of maatschappelijke impact, dan laat je niet alleen kansen liggen: je haalt ook risico’s naar binnen die je later moeilijker corrigeert.
Dat sluit goed aan op wat we extern zien gebeuren. De Europese AI Act werkt met een risicogebaseerde benadering en stelt zwaardere eisen naarmate AI-systemen een grotere impact hebben op veiligheid, rechten of publieke belangen. Voor high-risk toepassingen benadrukt de Europese Commissie onder meer risicobeheersing, kwaliteit van datasets, documentatie, human oversight en robuustheid. Ook NIST komt vanuit zijn AI Risk Management Framework tot een vergelijkbare conclusie: AI vraagt om expliciete aandacht voor het identificeren, meten en beheersen van risico’s gedurende de hele levenscyclus van een toepassing. Voor organisaties betekent dit in de praktijk heel simpel: AI vraagt niet om een compleet ander portfolio-proces, maar wel om scherpere risicoweging en bewustere besluitvorming.
Waarom het werkt bij Alliander
Juist daarom vond ik het zo waardevol dat Hans Fugers tijdens ons webinar de praktijk van Alliander kon inbrengen. Zijn verhaal liet goed zien dat AI niet hoeft te beginnen met een abstract innovatieprogramma, maar juist met een heel concreet probleem. Bij de uitrol van slimme meters werden van iedere meterkast foto’s vóór en na installatie gemaakt. Die beelden moesten handmatig met elkaar worden vergeleken om te controleren of werkzaamheden correct waren uitgevoerd. Dat betekende veel repeterend werk, terwijl de schaal enorm was. Zoals Hans vertelde, ontstond daar de kans om objectherkenning in te zetten. Niet als “AI om de AI”, maar als oplossing voor een herkenbaar operationeel vraagstuk met een waarbij de technologie in lijn gebracht is met strategische doelen.
Wat ik sterk vind aan dat voorbeeld, is dat het precies laat zien hoe innovatie en portfoliomanagement elkaar kunnen versterken. Hans beschreef hoe zo’n traject vaak begint met een technische mogelijkheid of een bekend probleem, maar dat er daarna verbeeldingskracht én besluitvorming nodig zijn. Er moet ruimte zijn om te experimenteren, maar ook een moment waarop je zegt: dit is kansrijk, hier koppelen we eigenaarschap aan en dit krijgt een plek in ons bredere portfolio. Die context past ook bij hoe Alliander innovatie structureel organiseert. Zij werken in onderzoek en ontwikkeling samen met kennisinstellingen binnen een AI-lab en zetten AI breder in binnen digitalisering en energienetwerken. Daarmee wordt AI geen los initiatief, maar onderdeel van een groter innovatie- en besturingsvraagstuk.
Zonder governance blijft AI versnipperd
Daarmee komen we bij het tweede deel van portfoliomanagement: inrichten. Oftewel governance. Wie beslist? Op basis waarvan? Hoe komen ideeën binnen? Hoe voorkom je dat alleen de luidste stem wint? In AI-trajecten zie ik nog vaak dat ideeën óf blijven hangen in besluiteloosheid, óf juist op allerlei plekken tegelijk ontstaan zonder centrale sturing. Beide zijn onwenselijk. Goed ingerichte portfolio governance helpt om initiatieven zichtbaar te maken, objectiever te beoordelen en ze te verbinden aan strategie, capaciteit en risicoafweging. Mobilee beschrijft dit heel concreet als het organiseren van structurele besluitvorming, funnelprocessen, tooling en dashboards.
Voor AI wordt governance bovendien breder dan alleen prioriteren op capaciteit en budget. Het gaat ook over data-eigenaarschap, privacy, compliance, modelverantwoordelijkheid en adoptie. Daarom is het zo belangrijk om rollen expliciet te maken. In Mobilee’s artikel over AI-implementaties zie je dat terug in het onderscheid tussen bijvoorbeeld product owner, data owner, model owner, IT/platform owner, compliance/privacy en change.
Juist als die verantwoordelijkheden niet belegd zijn, blijven pilots vaak “tussen wal en schip” hangen. En naarmate regelgeving rondom AI concreter wordt, neemt het belang van die governance alleen maar toe. Zowel de AI Act als het NIST AI RMF onderstrepen dat AI-risico’s niet beheersbaar worden met één losse check, maar vragen om doorlopende sturing, monitoring en bijsturing.
Executie vraagt om wendbaarheid, niet om vrijblijvendheid
Het derde deel is verrichten: de executie. En juist daar lopen veel organisaties tegen de eigen aard van AI aan. AI-projecten zijn niet altijd lineair. Soms werkt een model zoals gehoopt. Soms niet. Soms blijkt een toepassing op 85 procent betrouwbaarheid te zitten, terwijl de business 90 procent nodig heeft. En soms ontdek je onderweg dat een andere toepassing eigenlijk waardevoller is dan je oorspronkelijke hypothese. Hans benoemde dat in ons webinar heel treffend: AI is vaak een journey.
Wat je onderweg leert, kan ertoe leiden dat je je project opnieuw moet definiëren en terug moet naar je portfolio om te bepalen of dit nog steeds de juiste investering is. Als het antwoord op die vraag ‘nee’ is, kun je het project stopzetten, bijsturen of in een ijskast plaatsen om weer tevoorschijn te halen als bijvoorbeeld modellen beter zijn of de technologie volwassener.
Voor mij zit daar een belangrijk onderscheid. Wendbaarheid in de praktijk toepassen betekent dat je gedurende de uitvoering actief blijft toetsen of het initiatief nog steeds waarde oplevert, of de risico’s acceptabel blijven en of er voldoende draagvlak en eigenaarschap is voor vervolgstappen. Mobilee koppelt portfolio-executie daarom nadrukkelijk aan plannen, monitoren, bijsturen en opnieuw kiezen. Die PDCA-logica, hoe eenvoudig hij ook klinkt, blijkt in AI-trajecten nog altijd verrassend effectief. Zeker wanneer organisaties vooraf al hebben bepaald aan welk strategisch doel een pilot moet bijdragen, welke KPI’s relevant zijn en onder welke voorwaarden je doorgaat, bijstuurt of stopt.
Begin klein, maar niet stuurloos
Als ik organisaties één advies moet geven, dan is het dit: begin klein, maar niet stuurloos. Een pilot of experiment is waardevol, mits je vooraf goed hebt nagedacht over het doel, de verwachte bijdrage aan je organisatie, de risico’s en het eigenaarschap. Dat is de lijn die we in onze eigen aanpak consequent trekken. Vroeg stoppen is hierin ook een kunst.
Misschien is dat wel de kern van het hele verhaal. AI vraagt in wezen niet om een compleet nieuw managementparadigma. Het vraagt vooral om betere keuzes. Om organisaties die durven zeggen: we doen niet alles tegelijk. We maken expliciet welke waarde telt. We richten governance zo in dat ideeën ruimte krijgen alsook verantwoord worden getoetst. En we zijn tijdens de uitvoering eerlijk genoeg om bij te sturen als dat nodig is.
En dat is mijns inziens precies waar portfoliomanagement voor bedoeld is. Niet om innovatie af te remmen, maar om te zorgen dat innovatie ook daadwerkelijk bijdraagt aan de doelen van je organisatie. Dan ontstaat ruimte om te experimenteren zonder de grip te verliezen, en om te vernieuwen zonder te verzanden in losse pilots. Precies daar zit volgens mij de echte waarde van portfoliomanagement in een tijd waarin AI steeds zichtbaarder wordt: niet de technologie centraal zetten, maar de keuzes die je als organisatie maakt.
Benieuwd hoe volwassen jouw organisatie is op het gebied van portfoliomanagement?






