Alle insights
    AI in de praktijk··6 min

    Kodak en de digitale camera: waarom bedrijven met AI niet sneller worden

    Kodak vond de digitale camera uit en ging toch failliet. Wat dat zegt over AI in jouw bedrijf, en waarom de winst pas komt als het werk verandert.

    Kodak had de techniek als eerste

    In 1975 bouwde Steve Sasson, een jonge ingenieur bij Kodak, de eerste digitale camera. Het apparaat woog bijna vier kilo. Het deed 23 seconden over één zwart-witfoto.

    Kodak had de techniek dus als eerste. Toch vroeg het bedrijf in januari 2012 faillissementsbescherming aan.

    Het ging niet mis omdat Kodak de techniek niet snapte. Het ging mis omdat Kodak goed verdiende aan film. Elk rolletje leverde geld op. Een camera zonder rolletje paste niet in dat verdienmodel. Dus bleef Kodak werken zoals het altijd had gedaan, en wachtte het af.

    Ondertussen ging het snel. Eerst kwam de digitale camera. Toen zat er een camera in elke telefoon. En toen deelde iedereen zijn foto's via internet. Filmrolletjes had bijna niemand meer nodig.

    Het patroon heeft een naam

    Clayton Christensen, hoogleraar aan Harvard, beschreef dit patroon in 1997 in zijn boek The Innovator's Dilemma. Zijn punt: goede bedrijven gaan niet ten onder omdat ze dom zijn. Ze gaan ten onder omdat ze precies doen wat altijd werkte.

    Ze luisteren naar hun beste klanten en verbeteren wat ze al hebben. De nieuwe techniek lijkt in het begin klein en slechter. Tegen de tijd dat hij goed genoeg is, is het te laat.

    Het probleem was dus nooit de techniek. Het was de manier van werken die niet mee wilde.

    Een nieuwe techniek alleen maakt je niet sneller

    Er is nog een tweede les. Voor een gewoon bedrijf is die misschien nog belangrijker. Ook bedrijven die een nieuwe techniek wél kopen, worden daar vaak niet sneller van.

    De econoom Paul David liet dat in 1990 zien met de elektromotor. Rond 1880 kwamen de eerste elektriciteitscentrales. Toch groeide de productiviteit in Amerikaanse fabrieken pas echt in de jaren twintig. Dat is veertig jaar later.

    De reden was simpel. Fabrieken vervingen eerst alleen de stoommachine door één grote elektromotor. De rest bleef hetzelfde: één lange as door de hele fabriek, met riemen naar elke machine. Pas toen fabrieken opnieuw werden ingericht, kwam de winst. Elke machine kreeg een eigen motor, en de indeling volgde voortaan de route van het werk.

    David schreef zijn artikel omdat hij hetzelfde zag bij de computer. Bedrijven kochten computers, maar in de cijfers was er weinig van te zien. De econoom Robert Solow zei het in 1987 al: je ziet het computertijdperk overal, behalve in de productiviteitscijfers.

    Wat dit betekent voor AI

    Met AI zie je nu hetzelfde. De techniek is er, en ze verspreidt zich sneller dan ooit. ChatGPT had binnen twee maanden 100 miljoen gebruikers.

    Maar in veel bedrijven gebeurt wat er in die fabrieken gebeurde. Er komt een AI-tool bij, naast het werk zoals het al liep. Een medewerker laat een mail schrijven. Een ander vat een document samen. Dat scheelt hier en daar een kwartier.

    Het werk zelf verandert niet. De overdrachten blijven hetzelfde. Het Excel-bestand blijft bestaan. En de planner belt nog steeds rond als er iemand ziek is.

    Dan is AI de elektromotor op de plek van de stoommachine. Het werkt, maar het levert weinig op.

    Waar de winst wel zit

    De winst komt pas als je het werk om de nieuwe mogelijkheid heen opnieuw inricht. Dat klinkt groot, maar het begint klein. Met één vraag: hoe loopt dit werk nu echt, en waar gaat het mis?

    Een voorbeeld uit de zorg. TriageConnect zet triagisten in bij huisartsenpraktijken. De kwaliteit werd bijgehouden in een logboek. Medewerkers vulden het na hun dienst in, uit hun hoofd. Bij 57 procent van de diensten gebeurde dat. De rest bleef leeg.

    Een slimmere tool om dat logboek in te vullen had weinig veranderd. Het moment van vastleggen was het probleem. Dus veranderde dat moment. Er kwam een kliksysteem voor tijdens de dienst, waarin een registratie in twee seconden klaar is.

    De registratie steeg van 57 naar 84 procent. Inmiddels zijn het meer dan 40.000 kliks in een paar maanden. Het hele verhaal lees je in de case TriageConnect.

    Bij dezelfde organisatie ging het daarna over het rooster. Ook daar zat het probleem niet in de techniek. Het zat in de uitzonderingen die een standaardpakket niet kende. Het resultaat is StarShift: een roosterapplicatie die sinds september 2026 live is, in gebruik bij 150 medewerkers en gekoppeld aan HR en uren.

    In beide gevallen hielp AI bij het bouwen. Wat de organisatie kreeg, is gewone software die past bij hoe het werk loopt.

    Drie vragen voor je eigen bedrijf

    Je hoeft geen Kodak te zijn om deze les te gebruiken. Stel jezelf drie vragen.

    1. Welk werk doe je nog "zoals altijd"? Denk aan het lijstje dat iemand elke maandag bijwerkt. Of aan de appgroep waarin de planning rondgaat.
    2. Waar zit het echte knelpunt? Is het de snelheid van één taak, of de overdracht tussen twee mensen? AI maakt een taak sneller. Een overdracht los je op door het werk anders in te richten.
    3. Wat verandert er als het werkt? Is het antwoord "iemand schrijft sneller een mail"? Dan is de winst klein. Is het antwoord "we hoeven niet meer rond te bellen"? Dan zit je op het goede spoor.

    Eerst het proces, dan de techniek

    Kodak had de beste techniek, en verloor. Fabrieken hadden elektriciteit, en werden veertig jaar lang nauwelijks sneller. Het verschil zat steeds in het werk, niet in het apparaat.

    Daarom beginnen wij altijd bij het proces. Eerst een doorlichting van één tot twee weken, waarin we kijken hoe het werk echt loopt. Daarna bouwen we alleen op de plek waar het aantoonbaar scheelt. En we blijven het systeem beheren. Hoe dat gaat, lees je op Zo werken we.

    Wat doet jouw bedrijf nog "zoals altijd", terwijl je klanten al verder zijn?

    Bronnen

    • Steve Sasson bouwde in 1975 bij Kodak de eerste digitale camera. Kodak vroeg op 19 januari 2012 faillissementsbescherming aan (The New York Times, januari 2012).
    • Clayton M. Christensen, The Innovator's Dilemma, Harvard Business School Press, 1997.
    • Paul A. David, "The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox", American Economic Review, 1990.
    • Robert Solow, "We'd better watch out", New York Times Book Review, 12 juli 1987.
    • ChatGPT bereikte 100 miljoen gebruikers in twee maanden (Reuters, februari 2023).
    • Cijfers over het kliksysteem en StarShift: BesluitPartners, september 2026.
    Volgende stap

    Van lezen naar uw eigen werkproces

    Herkent u hier iets in? Dan kijken we graag samen naar uw situatie. Plan een vrijblijvende kennismaking van 30 minuten. U vertelt waar het werk vastloopt, wij zeggen eerlijk of een eigen systeem helpt.