Dirk Michiels (CEO, Savaco): "Met AI is de sky the limit. Net daarom wordt change management belangrijker dan ooit."

Michiels heeft in ruim veertig jaar IT al behoorlijk wat technologische golven zien passeren. Sinds 2014 zit hij in de raad van bestuur van Savaco twee jaar geleden nam hij er ook de rol van CEO op. Op een moment waarop het West-Vlaamse IT-bedrijf zelf stevig aan het veranderen was. Na verschillende acquisities stevent Savaco vandaag af op 350 medewerkers. Historisch richtte het bedrijf zich vooral op de corporate- en enterprisemarkt. Via de overnames kwam daar onder de merknaam Savaco One ook een aanbod voor kleinere bedrijven bij. In totaal bedient Savaco vandaag zo'n 2.200 klanten.

Anderhalf à twee jaar geleden draaide het AI-gesprek volgens Michiels nog vooral rond persoonlijke productiviteit. Een e-mail schrijven met ChatGPT, een tekst genereren of Copilot gebruiken om individueel sneller te werken. “De verwachting was dat AI ook groei zou opleveren, maar dat is niet altijd gebeurd.”

Experimenteren was niet zinloos. Alleen bleef het daar vaak bij. Medewerkers gingen individueel met verschillende toepassingen aan de slag en er ontstond een wildgroei aan tools die moeilijk te beheren werd. Intussen ziet Michiels de beweging verschuiven. “We geraken veel meer in een execution mode. Twee jaar geleden zaten we veel meer in een technologie- en personal productivitymodus.”

Van persoonlijke AI naar agents

Een belangrijke motor achter die verschuiving is volgens Michiels de opkomst van AI-agents. Waar AI aanvankelijk vooral naast de bestaande systemen werd gebruikt, kunnen AI-systemen vandaag veel makkelijker met elkaar en met bedrijfssystemen worden verbonden. Michiels wijst daarbij onder meer op MCP, het Model Context Protocol. “Daardoor kan je agents bouwen die een bepaalde functie hebben binnen een organisatie. Dat maakt het veel schaalbaarder en beheersbaarder.”

Het is een frustratie die Michiels zijn hele carrière al ziet terugkomen. “Heel mijn carrière was het zo: de business wilde iets en IT moest dat bouwen. En IT was altijd te laat, want het ging niet snel genoeg.” Met large language models wordt het volgens Michiels steeds makkelijker om rechtstreeks met systemen te interageren, informatie op te halen en toepassingen te bouwen. De mogelijkheden om AI daadwerkelijk in bedrijfsprocessen te verweven, zijn daardoor een stuk groter geworden.

Aan grote beloftes is er ondertussen geen gebrek. “Vrijwel alle technologieleveranciers schetsen een beeld van: stap op die boot of het komt niet goed.” De vele beloftes over wat AI allemaal mogelijk maakt, dreigen volgens Michiels de essentie te overschaduwen.

De vraag is niet langer wat AI kan, maar welk bedrijfsresultaat je ermee wilt verbeteren.

Dirk MichielsCEO · Savaco

Eerst de strategie, dan de AI

Een AI-strategie bedenk je niet in een handomdraai. Eerst moet duidelijk zijn waar je als bedrijf naartoe wilt. “Je hebt je businessstrategie en daaruit volgen je R&D-strategie, je IT-strategie, je data- en analyticsstrategie”, zegt Michiels. “Je AI-strategie moet daarmee in lijn liggen. Anders geraak je niet uit die experimenteermodus en wordt er uiteindelijk geen waarde gecreëerd.”

Daarbij merkt Michiels op dat voor heel wat bedrijven ook de laag onder AI nog werk vraagt. “Er zijn nog altijd heel veel bedrijven die worstelen met hun data- en analyticsstrategie. Hoe zorg ik ervoor dat ik op een uniforme manier weet wat mijn headcount is, wat mijn sales is? Dat is geen eenvoudig vraagstuk, zeker niet als je in een landschap zit waarin veel systemen meekijken.”

Een AI-strategie moet volgens Michiels vervolgens duidelijk maken wat de drivers zijn, welke risico’s eraan verbonden zijn en welke waarde het bedrijf ermee wil creëren. Welke waarde dat is, verschilt van bedrijf tot bedrijf. “Misschien wil je je headcount reduceren, misschien wil je efficiënter met klanten interageren of informatie sneller beschikbaar maken. Of misschien wil je bepaalde processen volledig automatiseren.”

Die doelstellingen moeten vervolgens vertaald worden naar concrete toepassingen. Michiels geeft een eenvoudig voorbeeld: “Een use case kan zijn dat ik automatisch een offerte wil maken, gebaseerd op informatie die in ons domein beschikbaar is.” Aan ideeën ontbreekt het doorgaans niet. “Als je in een organisatie use cases begint op te halen bij individuele medewerkers, krijg je er tientallen, honderden boven water.” Ze allemaal uitvoeren is geen optie. “Je moet dus kijken naar de waarde van zo’n use case, maar ook naar de kosten die eraan verbonden zijn. En dan moet je dat portfolio gaan optimaliseren: welke use cases ga ik eerst doen?”

Zodra de juiste use cases gekozen zijn, moet een bedrijf ook bekijken wat nodig is om ze te implementeren. Welke data heb je ervoor nodig? Hoe ga je die verwerken? Welke technologie en welk model gebruik je?

Die brede blik is volgens Michiels noodzakelijk, omdat AI nooit op zichzelf staat. Een agent die informatie uit een ERP- of CRM-systeem haalt, heeft betrouwbare data, veilige toegangsrechten en een robuuste IT-omgeving nodig. In industriële contexten komen daar ook machines, productdata en operationele systemen bij. “AI raakt uiteindelijk elk onderdeel van je digitale omgeving: van applicaties en data tot cloud, security en de manier waarop mensen werken. Alleen wanneer die elementen samen bekeken worden, kan je AI veilig opschalen en duurzaam waarde laten creëren.”

Ook de mensen die met die toepassingen moeten werken, moeten dus mee in de verandering. “Veel bedrijven denken: we moeten AI gebruiken. Maar als je honderden mensen moet meekrijgen, is die change ook niet zo evident.”

Dat veranderingsproces kent Michiels ook van eerdere technologiegolven. Alleen waren de mogelijkheden bij bijvoorbeeld een ERP-implementatie veel duidelijker afgebakend. “Als ik SAP, Microsoft Dynamics of Exact implementeer, heb ik een standaardset aan functionaliteiten waarop ik bouw. Met AI is de sky the limit. Je kan zoveel meer. Dat betekent dat change management alleen maar belangrijker wordt.

AI creëert pas waarde wanneer strategie, data, technologie, beveiliging en mensen samen bewegen. Als één van die elementen ontbreekt, blijf je experimenteren.

Dirk MichielsCEO · Savaco

Van use case naar business value

Ook binnen de eigen dienstverlening zet Savaco AI op een schaalbare manier in. Onder de naam Gnosis brengt het bedrijf de implementatie en transformatie van digitale oplossingen samen. Experts en AI-agents werken daarbij volgens gedeelde methodes en herbruikbare patronen, zodat niet elk projectteam opnieuw van nul moet beginnen. Dat levert tijdswinst op en helpt om de kwaliteit en consistentie over verschillende projecten heen te bewaken.

Na de implementatie komt Atlas in beeld. Daarmee helpt Savaco klanten hun applicaties, cloudomgevingen en andere digitale workloads te beheren, te beveiligen en voortdurend te optimaliseren. “AI stopt niet wanneer een toepassing live gaat”, zegt Michiels. “Je moet ook opvolgen hoe ze presteert, welke data ze gebruikt, wat ze kost en of ze binnen de afgesproken grenzen blijft werken.”

Agents worden daarbij onder meer ingezet om werk dat vroeger grotendeels manueel gebeurde te versnellen. Michiels noemt het bouwen van een semantisch model voor een datawarehouse of een user interface als voorbeelden. “Ik zou bijna durven zeggen dat agents nu overal in ons dienstenaanbod naar voren komen.”

Hoe groot die tijdswinst kan zijn, zag Savaco onlangs nog maar eens bij een klant met een oudere applicatie die naar de cloud moest. Die toepassing telde zo’n 1.500 gebruikersschermen, die meteen ook een nieuwe look-and-feel moesten krijgen. “Als je dat manueel doet, ben je per scherm misschien één of twee dagen bezig”, zegt Michiels. Voor 1.500 schermen loopt de kost dan snel op. “De businesswaarde van zo’n project zou nul geweest zijn. De klant zou zeggen: laat die applicatie dan maar staan.”

Savaco zette AI-agents in om die aanpassingen grotendeels te automatiseren. Daardoor kon het werk volgens Michiels in enkele tientallen dagen gebeuren, met als bijkomend voordeel dat de aanpassingen over alle schermen heen consistent waren. “Dan heb je plots wél een businesscase.”

Wie houdt straks al die agents in de hand?

Meer AI inzetten brengt volgens Michiels tegelijk een nieuw vraagstuk mee. Ook wanneer toepassingen waarde opleveren, moeten bedrijven zicht houden op wat er binnen hun organisatie draait en wat dat kost. Het gebruik van veel AI-modellen wordt afgerekend op basis van tokens, waardoor ook herhaald of ongecontroleerd gebruik een concrete kost krijgt. “Als dezelfde vraag twintig keer wordt gesteld in een organisatie, heb je ook twintig keer die tokens verbruikt.”

Met de opmars van agents wordt die vraag alleen groter. “Hoe gaan we dat met z’n allen beheren? Hoe zorgen we ervoor dat daar governance op zit en dat we die kosten onder controle houden?”

Uiteindelijk doe je dit met mensen

Bij alle aandacht voor strategie, data, agents en governance komt Michiels uiteindelijk terug bij wat hij zelf zijn persoonlijke stokpaardje noemt. “In alle veranderingen die ik in mijn carrière heb gezien, is er één common factor: de mensen. Uiteindelijk doe je dit met mensen.”

Net daarom blijft experimenteren volgens hem waardevol. Michiels spreekt in dat verband over ‘geloven’. Wie jarenlang op een bepaalde manier heeft gewerkt, kan moeilijk inschatten hoe snel AI die realiteit kan veranderen. Soms moet je eerst zien wat vandaag al mogelijk is. “Tien jaar geleden zou iemand die een customer portal met allerlei informatie bouwde daar waarschijnlijk veertig dagen voor nodig hebben gehad. Vandaag duurt dat misschien vier minuten en zes seconden. Een gigantisch verschil. Hoe krijg je mensen erin mee dat dit de richting is waarin die technologie gaat evolueren?”

Voor Michiels gaat dat meekrijgen van mensen verder dan de eigen medewerkers. Ook klanten en leveranciers maken deel uit van die verandering.

Tien jaar geleden zou iemand die een customer portal met allerlei informatie ibouwde daar waarschijnlijk veertig dagen voor nodig hebben gehad. Vandaag duurt dat misschien vier minuten en zes seconden.

Dirk MichielsCEO · Savaco

De belangrijkste les voor bedrijven die AI structureel willen inzetten, is volgens hem drieledig. Vertrek vanuit het bedrijfsresultaat dat je wilt verbeteren en bepaal vervolgens welke toepassingen daaraan kunnen bijdragen. Zorg dat ook de fundamenten op orde zijn: van data en applicaties tot infrastructuur, beveiliging en governance. En investeer minstens evenveel in de adoptie van AI als in de technologie zelf. “Je hoeft niet alles tegelijk te doen”, benadrukt Michiels. “Maar je moet wel bewust kiezen waar je AI inzet, welke waarde je verwacht en hoe je mensen daarin meeneemt. Alleen zo maak je de stap van experiment naar structurele impact.”

Uiteindelijk zullen volgens Michiels niet de bedrijven met de meeste AI-experimenten vooroplopen, maar de organisaties die het best kunnen kiezen, verbinden en veranderen. “De sky is misschien the limit”, besluit hij, “maar zonder richting, fundament en mensen geraak je er niet.”