Inhoudsopgave
Brock - Demystifying AI: What Digital transformation leaders can teach you about realistic artificial
intelligence .................................................................................................................................. 2
Fouchard – Darwinians, communitarians, and missionaries: the role of founder identity in
entrepreneurship ......................................................................................................................... 9
Burton - The science of organizational design: fit between structure and coordination.................... 19
Weick - The Collapse of Sensemaking in Organizations: The Mann Gulch Disaster .......................... 27
Knowles - Humble AI.................................................................................................................... 37
Zollo – Toward a comprehensive model of organizational evolution: dynamic capabilities for
innovation and adaptation of the enterprise model ....................................................................... 42
Carrol - The Business Case for Corporate Social Responsibility: A Review of Concepts, Research and
Practice ...................................................................................................................................... 51
Gatti - Grey zone in, greenwash out. A review of greenwashing research and implications for the
voluntary-mandatory transition of CSR ......................................................................................... 59
Introductiecollege ELROD ............................................................................................................ 64
Lecture 1 ELROD met Fouchard, Brock en Tutorial 1 ...................................................................... 67
Lecture 2 ELROD met Burton, Weick, Knowles en Tutorial 2 ........................................................... 67
Lecture 3 ELROD met Zollo, Carrol, Tutorial 3 en Gatti ................................................................... 81
,Brock - Demystifying AI: What Digital transformation
leaders can teach you about realistic artificial
intelligence
In 2014 vroeg Dr. Julio Mayol zich af hoe we betekenisvolle informatie uit de overvloed
aan gegevens kunnen extraheren om de kwaliteit van de zorg te verbeteren. Als medisch
directeur van het Carlos Clinical Hospital in Madrid, besloot hij na overleg met
technologieadviseurs om kunstmatige intelligentie (AI) toe te passen. Zijn team co-
creëerde een op maat gemaakte AI-toepassing, die na een jaar klaar was voor
veldtesten. De resultaten toonden aan dat de diagnostische en
risicobeoordelingsoplossing de tijd voor de voorlopige beoordeling van
patiëntendossiers met 50% kon verminderen, met een nauwkeurigheid van 95%,
vergeleken met ervaren psychiaters. Dit resulteerde in meer tijd voor consultaties en een
hogere klanttevredenheid.
Deze casus contrasteert echter met de groeiende bewijsvoering van AI-falen en de kloof
tussen AI-ambities en uitvoering. Om deze gemengde resultaten beter te begrijpen, werd
een wereldwijd onderzoeksproject gestart, waarbij meer dan 3.000 managers en
executives tussen 2016 en 2018 werden ondervraagd over bijna 7.000 projecten met AI.
De focus lag op hun percepties en evaluaties van AI.
Het onderzoek bestond uit twee studies:
In Studie 1 werd de prevalentie van AI in het bedrijfsleven onderzocht (RQ1 In welke
mate is de toepassing van AI in het bedrijfsleven verspreid?
In Studie 2 werden belangrijke dimensies van succesvolle AI-implementaties verkend via
drie onderzoeksvragen (RQ2-RQ4):
RQ2: Wat zijn de verwachte bedrijfsimpact van AI op operaties, aanbiedingen en
klantinteracties?
RQ3: Wat verklaart de verschillen in waargenomen bedrijfsimpact van AI, zoals land,
industrie en vaardigheidsniveau?
RQ4: Welke leiders en bedrijven zijn succesvol in AI-implementatie en wat maakt hen
anders dan achterblijvers? Kunnen zij een positievere bedrijfsimpact realiseren en hoe
lang duurt het doorgaans om deze impact te bereiken?
Daarnaast onderzochten ze de percepties van leiders over uitdagingen en
succesfactoren bij AI-implementatie.
ONDERZOEKSSTRUCTUUR EN LEIDENDE RAAMWERKEN
- Fase 1 (verkennende fase) was gebaseerd op initiële casestudy-onderzoeken en
een eerste enquête over digitale transformatie en AI, gericht op de verspreiding
van AI onder bedrijven wereldwijd. Deze fase werd geïnformeerd door de
di`usietheorie van innovatie en de implementatie van organisatorische innovatie.
Op basis van deze inzichten en interviews met managers werd een model van de
fasen van AI-implementatie ontwikkeld (zie Figuur 2).
, - Fase 2 (beschrijvende fase) had als doel een diepere begrip van AI in de digitale
transformatie van bedrijven te verkrijgen, geleid door drie organisatorische
raamwerken:
1. Theorie van de groei van de onderneming
2. Resource-based view
3. Pragmatische conceptualisering voorgesteld door Hagel en Singer.
Deze raamwerken richtten zich op interne middelen en beïnvloedden de beoordeling van
ervaring, capaciteiten, uitdagingen, en succesfactoren van bedrijven.
GEGEVENSVERZAMELING
De gegevens zijn verzameld in twee golven:
1. Eerste enquête (2016-2017): Behandelde de eerste onderzoeksvraag, wereldwijd
online uitgevoerd met een database van executives en senior managers van een
marktonderzoeksbureau.
2. Tweede enquête (2017-2018): Behandelde de onderzoeksvragen 2 tot 4, met een
vergelijkbare methodologie en globale dekking.
Steekproefrichtlijnen:
- Wereldwijde dekking: Bedrijven uit belangrijke economieën in de Triade.
- Minimale landenquota: n = 50 waar mogelijk (uitzondering: Nieuw-Zeeland met n
= 29 in studie 2).
- Sectorfocus: Bedrijven volgens het North American Industry Classification
System (NAICS), met nadruk op productie, informatie, transport, detailhandel,
financiële diensten en gezondheidszorg.
- Middelgrote tot grote bedrijven: Focus op omzet en medewerkers.
- Senior respondenten: Sleutelfiguren op C-niveau of VP-niveau.
Om responsbias te beoordelen, werden de richtlijnen van Armstrong en Overton
gevolgd; er werden geen significante verschillen gevonden. Ook werd de marker
variable-aanpak toegepast om common method bias te controleren, met vergelijkbare
resultaten. De bevindingen zijn generaliseerbaar naar middelgrote tot grote bedrijven in
de Triade binnen de onderzochte sectoren, zonder significante invloed van het
instrument of de steekproef. Steekproefdetails zijn opgenomen in de eindnoot.
AI IN HET BEDRIJFSLEVEN
AI-toepassingen waren in 2016-2017 al breed verspreid, waarbij slechts 15% van de
bedrijven geen AI-plannen had en 20% al resultaten behaalde. AI was meestal een
integraal onderdeel van digitale transformatieprojecten en werd niet in isolatie gebruikt,
maar in combinatie met andere technologieën zoals Internet of Things (IoT) en
geavanceerde analyses.
DE ZAKELIJKE IMPACT VAN AI
In de tweede enquête (2017-2018) werd de zakelijke impact van AI verder onderzocht.
Executives verwachten dat AI invloed heeft op:
- Aanbiedingen (creatie van slimme diensten)
- Operaties (automatisering van processen)
, - Besluitvorming (ondersteuning van kennismanagement)
- Klantinterfaces (automatisering van interacties)
De gemiddelde impactscore varieerde tussen 3,7 en 3,8 op een 5-puntsschaal, wat
duidt op een ongedi`erentieerde perceptie van AI voordat bredere toepassingen
opkomen. Er waren wel enige verschillen tussen sectoren: de impact op slimme
diensten was meer uitgesproken in de financiële sector dan in de gezondheidszorg, en
de impact op productie was groter in de productiesector.
Hoewel 3% geen impact verwacht en 21% een hoge impact, was de waargenomen
impact gemiddeld gematigd tot hoog. Slechts digitale vaardigheden beïnvloedden de
verwachte impact significant. Bedrijven met sterkere digitale vaardigheden verwachtten
grotere zakelijke impact van AI. Deze vaardigheden omvatten:
- Strategische capaciteiten: digitale strategie en businessontwikkeling.
- Technologische capaciteiten: vaardigheden in nieuwe technologieën zoals AI en
IoT.
- Data-capaciteiten: vaardigheden in data science.
- Beveiligingscapaciteiten: vaardigheden in cybersecurity.
De bevindingen suggereren dat het potentieel van AI afhangt van specifieke
organisatorische capaciteiten. Bedrijven moeten beschikken over zowel AI-specifieke IT-
vaardigheden (bijv. machine learning, Python) als algemene vaardigheden (bijv. agile
ontwikkeling, data-analyse). Ook zijn beveiligingsvaardigheden cruciaal voor databeheer
en -integriteit. Bedrijven die drie of meer digitale transformatieprojecten met succes
hebben geïmplementeerd, worden aangeduid als DX-leiders, wat ongeveer 8% van alle
ondervraagde bedrijven vertegenwoordigt.
ANALYSE VAN LEIDERS IN DIGITALE TRANSFORMATIE
DX-leiders zijn bedrijven die zich onderscheiden van achterblijvers, bedrijven zonder
plannen voor digitale transformatie. We vergeleken 114 DX-leiders met 424
achterblijvers op organisatorische kenmerken, waaronder strategie, leiderschap,
datamanagement, wendbaarheid, organisatorische processen en innovatie.
Organisatorische Kenmerken:
De belangrijkste verschillen in organisatorische eigenschappen tussen DX-leiders en
achterblijvers zijn:
- Geïntegreerd datamanagement: Holistisch beheer van klant- en bedrijfsdata,
essentieel voor AI.
- Prioriteit van de CEO: Leiderschap dat digitale transformatie actief ondersteunt.
- Beveiligingsstrategie: Een alomvattende benadering van cybersecurity.
- Digitale processen: Digitalisering van kernprocessen.
- Digitale strategie: Een strategische benadering van digitale transformatie, niet
alleen tactisch.
- Wendbaarheid: Snel reageren op klantbehoeften en marktschommelingen.
- Open innovatiesysteem: Ecosystemen voor innovatie met externe partners.
Zakelijke Impact:
Brock - Demystifying AI: What Digital transformation leaders can teach you about realistic artificial
intelligence .................................................................................................................................. 2
Fouchard – Darwinians, communitarians, and missionaries: the role of founder identity in
entrepreneurship ......................................................................................................................... 9
Burton - The science of organizational design: fit between structure and coordination.................... 19
Weick - The Collapse of Sensemaking in Organizations: The Mann Gulch Disaster .......................... 27
Knowles - Humble AI.................................................................................................................... 37
Zollo – Toward a comprehensive model of organizational evolution: dynamic capabilities for
innovation and adaptation of the enterprise model ....................................................................... 42
Carrol - The Business Case for Corporate Social Responsibility: A Review of Concepts, Research and
Practice ...................................................................................................................................... 51
Gatti - Grey zone in, greenwash out. A review of greenwashing research and implications for the
voluntary-mandatory transition of CSR ......................................................................................... 59
Introductiecollege ELROD ............................................................................................................ 64
Lecture 1 ELROD met Fouchard, Brock en Tutorial 1 ...................................................................... 67
Lecture 2 ELROD met Burton, Weick, Knowles en Tutorial 2 ........................................................... 67
Lecture 3 ELROD met Zollo, Carrol, Tutorial 3 en Gatti ................................................................... 81
,Brock - Demystifying AI: What Digital transformation
leaders can teach you about realistic artificial
intelligence
In 2014 vroeg Dr. Julio Mayol zich af hoe we betekenisvolle informatie uit de overvloed
aan gegevens kunnen extraheren om de kwaliteit van de zorg te verbeteren. Als medisch
directeur van het Carlos Clinical Hospital in Madrid, besloot hij na overleg met
technologieadviseurs om kunstmatige intelligentie (AI) toe te passen. Zijn team co-
creëerde een op maat gemaakte AI-toepassing, die na een jaar klaar was voor
veldtesten. De resultaten toonden aan dat de diagnostische en
risicobeoordelingsoplossing de tijd voor de voorlopige beoordeling van
patiëntendossiers met 50% kon verminderen, met een nauwkeurigheid van 95%,
vergeleken met ervaren psychiaters. Dit resulteerde in meer tijd voor consultaties en een
hogere klanttevredenheid.
Deze casus contrasteert echter met de groeiende bewijsvoering van AI-falen en de kloof
tussen AI-ambities en uitvoering. Om deze gemengde resultaten beter te begrijpen, werd
een wereldwijd onderzoeksproject gestart, waarbij meer dan 3.000 managers en
executives tussen 2016 en 2018 werden ondervraagd over bijna 7.000 projecten met AI.
De focus lag op hun percepties en evaluaties van AI.
Het onderzoek bestond uit twee studies:
In Studie 1 werd de prevalentie van AI in het bedrijfsleven onderzocht (RQ1 In welke
mate is de toepassing van AI in het bedrijfsleven verspreid?
In Studie 2 werden belangrijke dimensies van succesvolle AI-implementaties verkend via
drie onderzoeksvragen (RQ2-RQ4):
RQ2: Wat zijn de verwachte bedrijfsimpact van AI op operaties, aanbiedingen en
klantinteracties?
RQ3: Wat verklaart de verschillen in waargenomen bedrijfsimpact van AI, zoals land,
industrie en vaardigheidsniveau?
RQ4: Welke leiders en bedrijven zijn succesvol in AI-implementatie en wat maakt hen
anders dan achterblijvers? Kunnen zij een positievere bedrijfsimpact realiseren en hoe
lang duurt het doorgaans om deze impact te bereiken?
Daarnaast onderzochten ze de percepties van leiders over uitdagingen en
succesfactoren bij AI-implementatie.
ONDERZOEKSSTRUCTUUR EN LEIDENDE RAAMWERKEN
- Fase 1 (verkennende fase) was gebaseerd op initiële casestudy-onderzoeken en
een eerste enquête over digitale transformatie en AI, gericht op de verspreiding
van AI onder bedrijven wereldwijd. Deze fase werd geïnformeerd door de
di`usietheorie van innovatie en de implementatie van organisatorische innovatie.
Op basis van deze inzichten en interviews met managers werd een model van de
fasen van AI-implementatie ontwikkeld (zie Figuur 2).
, - Fase 2 (beschrijvende fase) had als doel een diepere begrip van AI in de digitale
transformatie van bedrijven te verkrijgen, geleid door drie organisatorische
raamwerken:
1. Theorie van de groei van de onderneming
2. Resource-based view
3. Pragmatische conceptualisering voorgesteld door Hagel en Singer.
Deze raamwerken richtten zich op interne middelen en beïnvloedden de beoordeling van
ervaring, capaciteiten, uitdagingen, en succesfactoren van bedrijven.
GEGEVENSVERZAMELING
De gegevens zijn verzameld in twee golven:
1. Eerste enquête (2016-2017): Behandelde de eerste onderzoeksvraag, wereldwijd
online uitgevoerd met een database van executives en senior managers van een
marktonderzoeksbureau.
2. Tweede enquête (2017-2018): Behandelde de onderzoeksvragen 2 tot 4, met een
vergelijkbare methodologie en globale dekking.
Steekproefrichtlijnen:
- Wereldwijde dekking: Bedrijven uit belangrijke economieën in de Triade.
- Minimale landenquota: n = 50 waar mogelijk (uitzondering: Nieuw-Zeeland met n
= 29 in studie 2).
- Sectorfocus: Bedrijven volgens het North American Industry Classification
System (NAICS), met nadruk op productie, informatie, transport, detailhandel,
financiële diensten en gezondheidszorg.
- Middelgrote tot grote bedrijven: Focus op omzet en medewerkers.
- Senior respondenten: Sleutelfiguren op C-niveau of VP-niveau.
Om responsbias te beoordelen, werden de richtlijnen van Armstrong en Overton
gevolgd; er werden geen significante verschillen gevonden. Ook werd de marker
variable-aanpak toegepast om common method bias te controleren, met vergelijkbare
resultaten. De bevindingen zijn generaliseerbaar naar middelgrote tot grote bedrijven in
de Triade binnen de onderzochte sectoren, zonder significante invloed van het
instrument of de steekproef. Steekproefdetails zijn opgenomen in de eindnoot.
AI IN HET BEDRIJFSLEVEN
AI-toepassingen waren in 2016-2017 al breed verspreid, waarbij slechts 15% van de
bedrijven geen AI-plannen had en 20% al resultaten behaalde. AI was meestal een
integraal onderdeel van digitale transformatieprojecten en werd niet in isolatie gebruikt,
maar in combinatie met andere technologieën zoals Internet of Things (IoT) en
geavanceerde analyses.
DE ZAKELIJKE IMPACT VAN AI
In de tweede enquête (2017-2018) werd de zakelijke impact van AI verder onderzocht.
Executives verwachten dat AI invloed heeft op:
- Aanbiedingen (creatie van slimme diensten)
- Operaties (automatisering van processen)
, - Besluitvorming (ondersteuning van kennismanagement)
- Klantinterfaces (automatisering van interacties)
De gemiddelde impactscore varieerde tussen 3,7 en 3,8 op een 5-puntsschaal, wat
duidt op een ongedi`erentieerde perceptie van AI voordat bredere toepassingen
opkomen. Er waren wel enige verschillen tussen sectoren: de impact op slimme
diensten was meer uitgesproken in de financiële sector dan in de gezondheidszorg, en
de impact op productie was groter in de productiesector.
Hoewel 3% geen impact verwacht en 21% een hoge impact, was de waargenomen
impact gemiddeld gematigd tot hoog. Slechts digitale vaardigheden beïnvloedden de
verwachte impact significant. Bedrijven met sterkere digitale vaardigheden verwachtten
grotere zakelijke impact van AI. Deze vaardigheden omvatten:
- Strategische capaciteiten: digitale strategie en businessontwikkeling.
- Technologische capaciteiten: vaardigheden in nieuwe technologieën zoals AI en
IoT.
- Data-capaciteiten: vaardigheden in data science.
- Beveiligingscapaciteiten: vaardigheden in cybersecurity.
De bevindingen suggereren dat het potentieel van AI afhangt van specifieke
organisatorische capaciteiten. Bedrijven moeten beschikken over zowel AI-specifieke IT-
vaardigheden (bijv. machine learning, Python) als algemene vaardigheden (bijv. agile
ontwikkeling, data-analyse). Ook zijn beveiligingsvaardigheden cruciaal voor databeheer
en -integriteit. Bedrijven die drie of meer digitale transformatieprojecten met succes
hebben geïmplementeerd, worden aangeduid als DX-leiders, wat ongeveer 8% van alle
ondervraagde bedrijven vertegenwoordigt.
ANALYSE VAN LEIDERS IN DIGITALE TRANSFORMATIE
DX-leiders zijn bedrijven die zich onderscheiden van achterblijvers, bedrijven zonder
plannen voor digitale transformatie. We vergeleken 114 DX-leiders met 424
achterblijvers op organisatorische kenmerken, waaronder strategie, leiderschap,
datamanagement, wendbaarheid, organisatorische processen en innovatie.
Organisatorische Kenmerken:
De belangrijkste verschillen in organisatorische eigenschappen tussen DX-leiders en
achterblijvers zijn:
- Geïntegreerd datamanagement: Holistisch beheer van klant- en bedrijfsdata,
essentieel voor AI.
- Prioriteit van de CEO: Leiderschap dat digitale transformatie actief ondersteunt.
- Beveiligingsstrategie: Een alomvattende benadering van cybersecurity.
- Digitale processen: Digitalisering van kernprocessen.
- Digitale strategie: Een strategische benadering van digitale transformatie, niet
alleen tactisch.
- Wendbaarheid: Snel reageren op klantbehoeften en marktschommelingen.
- Open innovatiesysteem: Ecosystemen voor innovatie met externe partners.
Zakelijke Impact:
