AI als waardetransformator, niet als werknemer: AI plaatsen in organisatorische waardestromen

Volledige tekst

1 Einleiding

Organisaties die AI-tools invoeren, beschrijven deze meestal in de taal van personeelsbezetting. Een supportassistent "handelt" een deel van de verzoeken "af". Een codeerassistent "doet het werk van" een aantal engineers. Een businesscase vergelijkt de kosten van een modelabonnement met de kosten van een voltijdwerknemer. Het AI-systeem wordt behandeld als een digitale werknemer: het krijgt taken, voert ze uit, en zijn bijdrage wordt geteld als afgeronde taken of vermeden headcount.

Dit artikel betoogt dat het werknemerskader (employee frame) een categoriefout is, en dat die fout niet onschuldig is. Het richt de meting op de producentenzijde van een waardestroom, waar AI het sterkst is, en weg van de ontvangerszijde, waar waarde daadwerkelijk wordt gerealiseerd. Het resultaat is een bekend patroon: dashboards die stijgende output tonen, terwijl klanten, collega's en beoordelaars herwerk opvangen dat geen enkel rapport aan het AI-systeem toeschrijft.

Het hier voorgestelde alternatief komt uit de Value Management Theory (VMT) en de Æilus-methodologie. In VMT is een transformator (transformer) een rol, geen entiteit: een actor in die rol consumeert waarde en produceert nieuwe geplande waarde voor iemand anders (A7). AI past precies in deze rol. Als transformator in een waardestroom geplaatst, heeft een AI-systeem inputs die iets kosten, outputs die hypothesen zijn totdat een ontvanger ze consumeert, en bijproducten die anti-waarde kunnen zijn. Zodra het op deze manier is geplaatst, worden de juiste vragen over invoering en meting zichtbaar.

Dit is het vierde artikel in een reeks van acht over de toepassing van Æilus in organisaties; de definities volgen het eerste artikel, "Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners". Het formele apparaat van VMT en de waardevaluta Æ worden hier niet opnieuw afgeleid; ze staan beschreven in Bolshakov (2026), "Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective". Het artikel is conceptueel. Het bevat geen gemeten gegevens, en de enige getallen erin behoren tot een scenario dat uitdrukkelijk als hypothetisch is aangemerkt.

2 Reikwijdte, waardesysteem en theoretische basis

2.1 Wiens waarde wordt gemeten

VMT stelt dat waarde alleen bestaat binnen een gedefinieerd waardesysteem (A1) en dat dezelfde gebeurtenis in verschillende systemen verschillend kan worden gelezen (A2). Uitspraken over "de waarde van AI" zijn daarom onvolledig zolang het systeem niet is benoemd. Dit artikel gebruikt consequent één waardesysteem: een leverende organisatie en haar directe ontvangers. De actoren zijn de teams en functies van de organisatie, het AI-systeem in zijn transformatorrol, de mensen die AI-output beoordelen of corrigeren, en de externe ontvangers van het werk van de organisatie (klanten, gebruikers of interne afnemers in een andere functie). De stromen zijn de verzoeken, artefacten en beslissingen die zich tussen hen bewegen. De AI-leverancier, de arbeidsmarkt en de samenleving als geheel liggen buiten de grens en worden alleen behandeld via externe stromen (A10).

De keuze doet ertoe. Binnen het waardesysteem van de leverancier is elk gegenereerd token gerealiseerde omzet. Binnen het systeem van de organisatie kan hetzelfde token waarde, ruis of anti-waarde zijn, afhankelijk van wat de ontvanger ermee doet. Zoals T15 stelt, verandert het verleggen van de grens de conclusie zonder de werkelijkheid te veranderen. De onderstaande analyse geldt alleen voor de hier vastgestelde grens.

2.2 Gebruikte axioma's en stellingen

Het betoog steunt op A4 en T3 (geplande en gerealiseerde waarde wijken van elkaar af), A5 (anti-waarde is onafhankelijk van waarde), A6 (waarde wordt gerealiseerd bij consumptie), A7 (transformatie), A8 en T7 (deelnamevoorwaarden), T4 en T6 (weerstand en vervorming stapelen zich op), T5 (lokale optimalisatie garandeert geen globale verbetering), T8 (redundantie van een transformatierol vergroot de duurzaamheid), en T16 en T17 (interpretatie die niet door realisatie wordt bevestigd is instabiel en stapelt anti-waarde op).

3 De categoriefout van de "digitale werknemer"

3.1 Wat het werknemerskader telt

Het werknemerskader importeert een meetgewoonte uit de personeelsbezetting. Een werknemer wordt aangenomen voor een rol, krijgt een werklast en wordt beoordeeld op doorvoer en kosten. Wanneer AI in hetzelfde kader wordt geplaatst, domineren drie getallen: het aantal verwerkte werkitems, het aandeel van een werklast dat is "overgenomen", en de vermeden kosten in voltijdequivalenten (FTE). Alle drie worden gemeten op het punt waar het werk de producent verlaat.

Voor menselijke werknemers is deze gewoonte te verdragen om een reden die zelden wordt genoemd: een menselijke uitvoerder observeert de ontvanger. Een supportmedewerker hoort dat de klant nog steeds boos is. Een groot deel van het verschil tussen geplande en gerealiseerde waarde wordt informeel gecorrigeerd, binnen de persoon, voordat een metriek het registreert. De producentenmetriek werkt omdat er een sensor voor de ontvangerszijde in de producent is ingebouwd.

Een AI-systeem draagt die sensor standaard niet. Het produceert de geplande zijde van waarde heel goed: vloeiende, snelle en zelfverzekerde output in grote hoeveelheid. Het observeert niet, tenzij het er uitdrukkelijk mee is verbonden, of de output de toestand van de ontvanger heeft veranderd. Het werknemerskader meet AI daarom waar AI er het best uitziet en stopt met meten op de plek waar het verschil tussen plan en feit zichtbaar wordt.

3.2 Wat het kader verbergt

Vier zaken verdwijnen uit het zicht onder het werknemerskader.

1. De consumptiezijde van de AI-transformator. Headcountvergelijkingen tellen de licentie- of rekenkosten van het model mee en negeren de menselijke aandacht, beoordelingsinspanning en gegevensvoorbereiding die de transformator eveneens consumeert.
2. Het oordeel van de ontvanger. "Afgerond" wordt door de producent verklaard. Of de toestand van de ontvanger is verbeterd, wordt niet vastgelegd.
3. Verschoven werk. Werk dat de AI-output niet afmaakt, verschuift stroomafwaarts naar de ontvanger of een beoordelaar. In het rapport van de producent is het verdwenen; in het systeem is het nog aanwezig.
4. Accumulatie. Herwerk, vertrouwensverlies en vaardigheidsverval zijn geen eenmalige kosten. Onder T4 en T6 stapelen ze zich op en verminderen ze het toekomstige vermogen van het systeem om waarde te realiseren.

De FTE-vervangingsframing gaat er bovendien van uit dat de menselijke rol en de AI-rol substituten zijn met dezelfde output. In VMT-termen zijn het verschillende transformatoren met verschillende input- en outputprofielen.

4 AI als transformatorrol

4.1 Transformator, geen entiteit

VMT en Æilus definiëren een transformator door wat deze in een stroom doet, niet door wat deze is. Een persoon, een team, een dienst of een tool kan een transformatorrol vervullen; in een Waardesysteemschema (Value System Schema) wordt de rol getekend als een converter, de Æilus-naam voor een transformatorknooppunt. Deze framing neemt de vraag "is AI een werknemer of een hulpmiddel?" weg en vervangt die door een nuttiger vraag: wat consumeert deze transformator, wat produceert hij, en wie ontvangt de output?

4.2 Wat een AI-transformator consumeert

Een AI-transformator heeft minstens vier soorten input. Elk daarvan is een waardeelement dat ergens uit het systeem wordt geconsumeerd.

• Gegevens en context. Prompts, documenten, tickets, code, klantgeschiedenis. Iemand heeft ze gemaakt, samengesteld en onderhoudt ze, en hun kwaliteit bepaalt een bovengrens voor de output.
• Rekenkracht en licenties. De zichtbare kosten, meestal de enige in de businesscase.
• Menselijke aandacht. Instructies schrijven, taken formuleren, de interactie sturen. Dit wordt geconsumeerd van mensen die anders ander werk zouden doen.
• Beoordelingsinspanning. Output lezen, controleren, corrigeren en goedkeuren. Voor veel toepassingen is dit de grootste input, en die staat op het budget van iemand anders.

4.3 Wat een AI-transformator produceert

De outputs zijn waardeelementen in de zin van de reeks: concepten, antwoorden, code, classificaties, samenvattingen, beslissingen. Elk begint als een waardehypothese. Het draagt geplande waarde zoals die door de producent is geïnterpreteerd en wordt pas meetbaar wanneer de volgende transformator het consumeert (A6). De AI-transformator kan ook anti-waarde produceren: onjuiste antwoorden, misleidende samenvattingen, code die later moet worden verwijderd, en de effecten die in sectie 7 worden beschreven.

De Æilus-definitie van converterefficiëntie maakt de balans expliciet. De efficiëntie van een converter is

E = (produced value - produced anti-value) / (consumed value - consumed anti-value)

waarbij alle termen binnen het vastgestelde systeem in Æ zijn uitgedrukt. Twee kenmerken van deze formule zijn voor AI van belang. Ten eerste omvat de noemer beoordelingsinspanning en menselijke aandacht, niet alleen rekenkracht. Ten tweede trekt de teller de geproduceerde anti-waarde af, die het werknemerskader nooit registreert. Een AI-transformator met indrukwekkend outputvolume kan een lage of negatieve efficiëntie hebben zodra beide correcties zijn doorgevoerd. Dezelfde transformator kan in het ene waardesysteem efficiënt zijn en in een ander destructief.

5 Geplande versus gerealiseerde waarde van AI-output

5.1 Waarom AI sterk lijkt aan de geplande zijde

A4 stelt dat geplande en gerealiseerde waarde in het algemeen verschillen; T3 voegt eraan toe dat een afwijking van nul een onstabiel bijzonder geval is. Bij menselijk werk wordt de afwijking gematigd door de eigen observatie van de ontvanger door de producent. Bij AI-output heeft de afwijking een structurele vertekening. Gegenereerde output is geoptimaliseerd om eruit te zien als een correct antwoord. Vloeiendheid en zelfverzekerdheid behoren tot de geplande kant; correctheid en toepasbaarheid behoren tot de gerealiseerde kant.

AI verhoogt de geplande waarde snel en goedkoop. Tenzij de gerealiseerde waarde afzonderlijk wordt gemeten, leest de organisatie die stijging als vooruitgang: het patroon dat T16 beschrijft als structureel onstabiel.

5.2 Verborgen herwerk

Wanneer de gerealiseerde waarde achterblijft bij de geplande waarde, verdwijnt het tekort niet. Het verandert elders in de stroom in werk. Een klant neemt opnieuw contact op met de support. Een manager herschrijft een gegenereerde e-mail. Een engineer corrigeert gegenereerde code.

Het rapport van de AI-transformator toont een afgerond item, en de ontvangende transformator neemt de kosten op zich: een geval van T5: een lokale verbetering van de doorvoer van één transformator garandeert geen verbetering van het systeem. Het komt ook overeen met de algemene observatie uit stroomgericht management dat werk dat verborgen zit in wachtrijen en herwerk onzichtbaar is voor activiteitsmetrieken (Reinertsen, 2009). De VMT-lezing voegt één punt toe: het verborgen werk is geen neutrale vertraging maar anti-waarde, en onder T4 stapelt het zich op als stroomweerstand op het raakvlak tussen de AI-transformator en zijn ontvanger.

6 De metriek aan de ontvangerzijde

Als waarde wordt gerealiseerd bij consumptie (A6), dan valideert de ontvanger, en niet de producent, die waarde. Dit is de centrale meetregel van dit artikel: de waarde van AI-output wordt gemeten bij de transformator die haar consumeert, niet bij de AI-transformator die haar produceert. Lean thinking maakt een verwant punt wanneer het waarde definieert vanuit het standpunt van de eindklant (Womack en Jones, 1996); VMT veralgemeent dit naar elke interne ontvanger in een stroom.

Een metriek aan de ontvangerzijde koppelt elke telling aan de producentzijde aan een observatie van wat er daarna gebeurde. Enkele voorbeelden:

Het verschil tussen de twee kolommen is het meest informatieve getal dat een AI-programma kan bijhouden. Het schat het verplaatste werk en de anti-waarde die op het raakvlak is geproduceerd. Een groeiend verschil geeft aan dat het programma interpretatie sneller opschaalt dan realisatie.

Metrieken aan de ontvangerzijde beschermen ook tegen een voorspelbare mislukking. Aan een metriek aan de producentzijde die een doel wordt, zal worden voldaan door meer te produceren van wat zij telt, een dynamiek die gewoonlijk met Goodhart (1975) wordt geassocieerd. AI maakt dit goedkoop. Een assistent met als doel "afgesloten verzoeken" zal verzoeken afsluiten. Het verankeren van het doel in de toestand van de ontvanger maakt het moeilijker om eraan te voldoen zonder waarde te leveren.

7 Anti-waarde specifiek voor AI

A5 behandelt anti-waarde als onafhankelijk van waarde: een AI-transformator kan in dezelfde periode echte waarde en echte anti-waarde produceren, en de twee heffen elkaar in de ervaring van de ontvanger niet op. De volgende soorten anti-waarde zijn kenmerkend voor AI-transformatoren. Ze worden vermeld als categorieën om te observeren, niet als gemeten frequenties.

• Zelfverzekerde fouten. Onjuiste output die met dezelfde vloeiendheid wordt gepresenteerd als correcte output. De ontvanger kan ze niet aan de toon onderscheiden, dus moet elke output worden gecontroleerd, anders gaat de fout verder stroomafwaarts.
• Controlelast. De inspanning die nodig is om output te verifiëren. Ze groeit met het outputvolume, niet met de outputkwaliteit.
• Erosie van vaardigheden. Wanneer de AI-transformator de eerste versie van het werk overneemt, kunnen de mensen die die vroeger maakten de praktijk verliezen die hen goede beoordelaars maakte. Onder T6 vermindert deze opgebouwde vertekening het toekomstige vermogen van het systeem om waarde te realiseren, inclusief het vermogen om AI-fouten op te sporen.
• Vertrouwensverlies. Elke mislukte interactie verlaagt het vertrouwen van de ontvanger in het kanaal. Onder A8 en T7 verlaat de actor, wanneer een deelnamevoorwaarde wordt geschonden, het systeem of wijzigt hij de vorm van deelname.
• Interpretatie-inflatie. AI-output kan sneller worden geciteerd, samengevat en doorgegeven dan ze wordt gecontroleerd. Onder T17 stapelen invloedrijke interpretaties die niet door realisatie worden bevestigd anti-waarde op: een gegenereerde samenvatting die in drie beslissingen wordt aangehaald, verspreidt haar fouten drie keer.

Geen van deze verschijnt in een FTE-vergelijking. Alle zijn waarneembaar als de ontvangerzijde van de stroom is geïnstrumenteerd.

8 De AI-rol benoemen en plaatsen

8.1 Benoem de rol naar haar output en ontvanger

"AI verving de analist" verbergt de stroom. "AI produceert de eerste versie van het wekelijkse rapport; de analist verifieert de conclusies" benoemt een transformator, haar output, haar ontvanger en de controlestap. Een bruikbare benamingsregel heeft drie delen:

1. het waarde-element dat de AI produceert (concept, antwoord, classificatie, codewijziging);
2. de ontvanger die het consumeert (klant, beoordelaar, volgend team);
3. de voorwaarde waaronder de ontvanger het accepteert (geverifieerd, goedgekeurd, gebruikt zonder herwerk).

8.2 Eigenaarschap

Een AI-systeem kan geen verantwoordelijkheid voor waarde dragen, omdat het veranderingen in zijn eigen toestand niet interpreteert als waarde of anti-waarde. In Æilus-termen vervult het een transformatorrol maar geen eigenaarsrol. De Eigenaar Waardetransformator (Value Transformer Owner, VTO) van de transformator die de AI bevat, is verantwoordelijk voor haar gerealiseerde en retrospectief herbeoordeelde waarde, voor de anti-waarde die zij creëert, en voor haar vermogen om te blijven deelnemen zonder het systeem te schaden. De Eigenaar Waardesysteem (Value System Owner, VSO) is verantwoordelijk voor de vraag of het toevoegen van de AI-transformator het systeem als geheel duurzaam houdt en de deelnamevoorwaarden van andere actoren intact laat, inclusief die van de beoordelaars wier belasting ermee toeneemt.

Waar het raakvlak tussen de AI-transformator en zijn ontvanger een hardnekkige bron van weerstand wordt, is de rol van Stroomeigenaar (Flow Owner) van toepassing.

8.3 Gepaarde rollen en redundantie

Onder T8 verhoogt redundantie van een transformatierol de duurzaamheid. Het koppelen van AI en een persoon aan één rol, zodat elk de fouten van de ander opvangt, is zulke redundantie. De koppeling moet zichtbaar zijn in het schema, zodat de menselijke helft als input wordt meegeteld en niet als gratis wordt behandeld.

8.4 Plaatsing in een Waardesysteemschema

In een Waardesysteemschema (Value System Schema, VSS) wordt de AI-rol getekend als een converter met expliciete inputs en outputs. Een minimale plaatsing omvat:

• inkomende stromen: data en context, rekenkracht, menselijke instructie-inspanning, controle-inspanning;
• uitgaande stromen: de geproduceerde waarde-elementen, elk gaand naar een benoemde ontvangende converter;
• een anti-waardestroom: zelfverzekerde fouten en herwerk dat wordt teruggestuurd of stroomafwaarts doorgegeven;
• geplande en gerealiseerde waarden in Æ op elke uitgaande stroom, waarbij de gerealiseerde waarde bij de ontvanger wordt vastgelegd.

Zo getekend onthult het schema vaak een stroom die de business case wegliet, typisch de controle-inspanning. Onder T9 geldt: als de structuur de waargenomen kosten niet verklaart, zijn er latente stromen of klopt de grens niet.

9 Implicaties voor adoptie en voor het meten van AI-programma's

9.1 Adoptiebeslissingen

De transformatorvisie verandert de adoptievraag van "welke banen kan AI doen?" in "in welke stromen zou een AI-transformator de gerealiseerde waarde bij de ontvanger verhogen, na aftrek van de anti-waarde en controle-inspanning die zij toevoegt?".

• Geef de voorkeur aan stromen waarbij de ontvanger goedkoop kan valideren. Als het controleren van een output bijna evenveel kost als het produceren ervan, voegt de AI-transformator weinig toe. Als de ontvanger de kwaliteit snel kan bevestigen, kan de transformator veel toevoegen.
• Wees voorzichtig waar fouten onopgemerkt blijven. Waar een onjuiste output pas veel later wordt ontdekt, kan de retrospectieve waarde negatief worden lang nadat het programma als succes is bestempeld.
• Tel het reviewbudget vóór de implementatie. De mensen die de output zullen beoordelen zijn actoren met eigen participatievoorwaarden. Een implementatie die deze schendt (A8) verliest hen of verandert de manier waarop zij participeren (T7).
• Plan groei alleen wanneer de levering is bevestigd. Æilus vraagt VTO's om geplande waarde alleen te verhogen wanneer vraag, instroom en leveringscapaciteit zijn bevestigd (T16).

9.2 AI-programma's meten

Voor een programmabeoordeling stelt dit artikel vier metingen voor, allemaal binnen het gedeclareerde waardesysteem:

1. Gerealiseerde waarde bij de ontvanger, per stroom, in Æ of een vermelde proxy, vastgelegd door de ontvangende transformator.
2. De plan-feitkloof: telling aan de producentzijde min bevestiging aan de ontvangerzijde, over de tijd gevolgd.
3. Volledige consumptie: rekenkracht en licenties plus geschatte reviewinspanning en menselijke aandacht.
4. Indicatoren van anti-waarde: herhaalcontacten, teruggedraaide wijzigingen, gecorrigeerde outputs, klachten en tekenen van vaardigheidsverlies of verminderd vertrouwen.

Een programma dat alleen volume en FTE-besparingen rapporteert, rapporteert geplande waarde. Die kan juist zijn, maar is nog niet bevestigd.

10 Illustratief scenario

Het volgende scenario is hypothetisch. De getallen zijn gekozen voor rekengemak en beschrijven geen enkele organisatie of meting.

Een productorganisatie introduceert een AI-assistent in haar supportstroom. In een hypothetische maand ontvangt de stroom 1.000 verzoeken. De assistent markeert er 700 als afgesloten, en het interne rapport stelt dat de assistent "70 procent van de support afhandelt". Onder het werknemerskader (employee frame) wordt dit gelezen als zeven tiende van de werklast van een operatorteam dat is weggenomen.

Plaats de assistent nu als transformator en kijk naar de ontvangerzijde. Stel dat 250 van de 700 afgesloten verzoeken binnen een week terugkomen als herhaalcontact over hetzelfde probleem, nu afgehandeld door menselijke operators en nu van klanten die gefrustreerder zijn dan eerst. Stel ook dat operators tijd besteden aan het lezen van het transcript van de assistent voordat zij elk herhaalcontact beantwoorden.

Het zicht van de ontvangerzijde zegt niet dat de assistent faalde. In dit hypothetische geval kregen 450 klanten hun probleem snel opgelost, en dat is echte gerealiseerde waarde. Het toont aan dat de geplande waarde van 700 afsluitingen 250 hypothesen bevatte die de ontvangers verwierpen. Die 250 veranderden in drie soorten anti-waarde: extra operatorwerk aan zaken die moeilijker zijn dan gemiddeld, inspanning voor het beoordelen van transcripten en verminderd klantvertrouwen in het kanaal. De werklast van de operators daalde minder dan het rapport suggereerde, en de resterende werklast werd zwaarder.

Een VTO die eigenaar is van de supporttransformator zou handelen op basis van de kloof, niet op basis van de 70 procent. Opties zijn onder meer: de assistent beperken tot typen verzoeken waarbij ontvangers de oplossing bevestigen, onzekere gevallen eerder naar mensen doorsturen en een controle aan de ontvangerzijde toevoegen ("heeft dit uw probleem opgelost?") voordat een verzoek als afgesloten wordt geteld. Of een van deze opties de netto gerealiseerde waarde verhoogt, is een empirische vraag; het scenario laat alleen zien welke getallen nodig zijn om die te beantwoorden.

11 Beperkingen

Dit artikel is een conceptuele analyse, afgeleid van VMT-axioma's en -stellingen en van methodologiemateriaal van Æilus. Het rapporteert geen empirische gegevens. De categorieën van anti-waarde in sectie 7 worden voorgesteld als waarneembare categorieën; hun frequentie en omvang in echte organisaties zijn uit dit werk niet bekend.

Meting aan de ontvangerzijde kan duur zijn, en sommige ontvangers kunnen hun toestand niet rapporteren. Het omrekenen van reviewinspanning, vertrouwen en vaardigheidsverlies naar Æ vereist een aggregatiebeleid dat door de VSO is gedefinieerd, en dergelijke waarden zijn slechts gedeeltelijk onderling vergelijkbaar (A13). Een andere grens, bijvoorbeeld een grens die de AI-leverancier omvat, zou tot andere conclusies leiden (T15). Het artikel behandelt het AI-systeem ook als een vaste transformator, terwijl systemen die leren van feedback van ontvangers hun plan-feitkloof in de loop van de tijd kunnen veranderen.

Validatie zou longitudinale observatie vereisen van AI-transformatoren in meerdere waardesystemen, waarbij geplande waarde, gerealiseerde waarde aan de ontvangerzijde, reviewinspanning en indicatoren van anti-waarde in de loop van de tijd voor dezelfde stromen worden vastgelegd.

12 Conclusie

AI behandelen als een digitale werknemer meet haar aan de producentzijde van een stroom, waar zij het sterkst is, en laat de ontvangerzijde, waar waarde wordt gerealiseerd, ongemeten. AI behandelen als een transformatorrol (A7) maakt de volledige uitwisseling zichtbaar: zij consumeert data, rekenkracht, menselijke aandacht en reviewinspanning, en zij produceert wabattelementen die hypothesen blijven totdat een ontvanger ze consumeert (A6). Geplande en gerealiseerde waarde van AI-output lopen uiteen (A4, T3), en die afwijking verandert in verborgen herwerk en anti-waarde die zich opstapelt (A5, T4, T6).

De praktische gevolgen: declareer wiens waarde wordt gemeten. Benoem de AI-rol naar haar output en haar ontvanger. Teken haar in het Waardesysteemschema met al haar inputs, inclusief review. Meet waarde waar de output wordt geconsumeerd en volg de kloof tussen tellingen aan de producentzijde en bevestiging aan de ontvangerzijde. Wijs het eigenaarschap toe aan een VTO, niet aan het systeem zelf. Schaal alleen op wat ontvangers hebben bevestigd. Een AI-programma dat op deze manier wordt gemeten, ziet er in het eerste rapport misschien minder indrukwekkend uit en blijkt in latere rapporten aanzienlijk nuttiger.

Referenties

• Bolshakov, V. Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective. ÆVRI, 2026.
• Bolshakov, V. Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners. ÆVRI, 2026.
• Bolshakov, V. Æilus Methodology v2.0. aeilus.tech, 2026.
• Bolshakov, V. Rethinking Efficiency: Value Systems, Flows, Converters, and Elements. aeilus.tech, 2026.
• Bolshakov, V. Value Elements: What We Actually Produce and Consume. aeilus.tech, 2026.
• Goodhart, C. A. E. Problems of Monetary Management: The U.K. Experience. 1975.
• Reinertsen, D. G. The Principles of Product Development Flow. 2009.
• Womack, J. P. en Jones, D. T. Lean Thinking. 1996.