Een mens naar de maan brengen is een ongekend ingewikkelde operatie. Toch zit het interessantste aan NASA鈥檚 Artemis-programma voor het bedrijfsleven misschien niet in de technologie, maar in de manier waarop de ruimtevaartorganisatie complexiteit beheersbaar maakt. Van stap voor stap innoveren tot standaardisatie en de inzet van AI: NASA鈥檚 aanpak biedt verrassend herkenbare lessen voor organisaties die midden in hun eigen digitale transformatie zitten.
Met Artemis wil NASA mensen terugbrengen naar de maan en de basis leggen voor verdere bemande ruimtevaart. Daarvoor moeten duizenden mensen, overheidsorganisaties, internationale partners en commerci毛le ruimtevaartbedrijven samenwerken en talloze processen en systemen op elkaar aansluiten. Die uitdaging is in omvang misschien uitzonderlijk, maar in de kern verrassend herkenbaar voor het bedrijfsleven. Ook bedrijven staan voor grote transformaties waarin nieuwe technologie, mensen, processen, data en externe partners bij elkaar moeten komen. Denk alleen al aan de huidige omslag naar AI.
Juist daarom is het interessant om te kijken hoe NASA die enorme complexiteit beheersbaar maakt. Want achter de grootse ambitie van Artemis schuilt een opvallend nuchtere aanpak: stap voor stap vooruitgaan, standaardiseren waar dat kan en technologie inzetten om mensen betere beslissingen te laten nemen. Volgens Bart Van der Biest, Managing Director bij 麻豆原创 Benelux, zijn daar vijf lessen uit te trekken.
1. Probeer niet in 茅茅n keer op de maan te landen
Artemis I vloog zonder bemanning en testte onder meer het Space Launch System en het Orion-ruimtevaartuig. De volgende missies bouwen voort op wat NASA daarvan heeft geleerd. Het idee is simpel: niet alles in 茅茅n keer willen bereiken, maar stap voor stap vooruitgaan. Elke missie test wat werkt, verkleint risico鈥檚 en levert nieuwe kennis op voor de volgende stap.
Voor bedrijven die bezig zijn met digitale transformatie en AI is dat een herkenbare les. Het is verleidelijk om eerst een compleet beeld te maken van hoe de organisatie er over een paar jaar uit moet zien. Maar hoe groter zo鈥檔 programma wordt, hoe groter het risico dat je jarenlang bouwt zonder onderweg al resultaat te boeken.
鈥淛e hoeft bij een transformatie niet op dag 茅茅n te weten hoe de organisatie er over vijf jaar exact uitziet鈥�, zegt Van der Biest. 鈥淰eel belangrijker is dat iedere stap iets oplevert en de basis legt voor de volgende. Begin met concrete processen, leer wat werkt en breid van daaruit verder uit.鈥�
2. Standaardisatie remt innovatie niet, maar versnelt haar
Misschien wel de opvallendste les van NASA gaat niet over nieuwe technologie, maar over standaardisatie. Binnen Artemis ontwikkelt NASA nieuwe technologie en werkwijzen. Tegelijk wil de ruimtevaartorganisatie voorkomen dat iedere missie helemaal opnieuw moet worden opgebouwd. Door zoveel mogelijk voort te bouwen op wat al werkt, kan NASA sneller verder.
Voor bedrijven geldt hetzelfde. In de loop der jaren komen er vaak steeds meer maatwerk, applicaties en databronnen bij. Dat maakt iedere verandering lastiger. Met de komst van AI wordt een goede, vaste basis nog belangrijker. AI kan processen versnellen, maar ruimt versnipperde data en verschillende werkwijzen niet vanzelf op.
鈥淪tandaardisatie wordt soms gezien als iets dat innovatie afremt, terwijl het juist helpt om sneller te vernieuwen鈥�, zegt Van der Biest. 鈥淶o kijken we er bij 麻豆原创 ook naar. Met betrouwbare data en zoveel mogelijk vaste processen wordt het makkelijker om nieuwe technologie toe te voegen. Je hoeft dan niet bij iedere vernieuwing opnieuw de basis aan te pakken.鈥�
3. De waarde van AI zit tussen inzicht en actie
Binnen Artemis moet NASA veel onderdelen precies op elkaar afstemmen. Denk aan lanceersystemen, ruimtevaartuigen, landers, ruimtepakken, wetenschappelijke instrumenten en communicatiesystemen. Daar komen duizenden mensen, leveranciers, budgetten en planningen nog bij. NASA moet dus voortdurend beslissingen nemen op basis van enorme hoeveelheden informatie.
De uitdaging is daarom niet om nog meer informatie te verzamelen, maar om snel te zien wat belangrijk is. NASA brengt specialisten dichter bij leveranciers en uitvoerende teams, zodat problemen eerder worden opgemerkt en sneller kunnen worden opgelost. Van der Biest ziet daar ook een rol voor AI: grote hoeveelheden data verwerken en laten zien waar menselijke aandacht nodig is.
Voor bedrijven is dat herkenbaar. Ook daar staat belangrijke informatie vaak verspreid over verschillende systemen en afdelingen. Volgens Van der Biest zit de waarde van AI daarom niet in n贸g meer informatie produceren, maar in sneller van inzicht naar actie komen. 鈥淒e eerste golf van generatieve AI draaide vooral om wat een chatbot kon vertellen. De volgende stap is om AI dichter te brengen bij de data en processen waar beslissingen worden genomen.鈥�
4. Autonomie vergroot wat mensen kunnen bereiken
NASA gebruikt autonome technologie al veel langer dan we over AI-agents praten. Robots op de maan en Mars beoordelen zelf het terrein, kiezen veilige routes, plannen activiteiten en vermijden obstakels. Door de enorme afstand kunnen ze nu eenmaal niet voor iedere beslissing wachten op instructies vanaf aarde.
Die autonomie vervangt de mens niet, maar helpt hen om meer te bereiken. Voor bedrijven geldt hetzelfde principe. AI-agents kunnen vaste processen bewaken, informatie verzamelen, afwijkingen signaleren en bepaalde acties uitvoeren. Mensen houden daardoor meer tijd over voor situaties waarin hun kennis en oordeel nodig zijn.
鈥淎utonomie draait niet om mensen uit processen halen鈥�, stelt Van der Biest. 鈥淗et gaat erom technologie het voorspelbare werk te laten doen. Zo houden mensen meer ruimte over voor uitzonderingen, creativiteit, strategie en ingewikkelde beslissingen.鈥�
5. Een moonshot doe je nooit alleen
Zelfs NASA kan een maanmissie niet alleen uitvoeren. Binnen Artemis werkt de ruimtevaartorganisatie samen met commerci毛le ruimtevaartbedrijven, internationale ruimtevaartorganisaties, wetenschappelijke instellingen en andere publieke en private partners. Iedere partij brengt eigen kennis en technologie mee.
Voor bedrijven geldt hetzelfde. Je hoeft niet alle kennis en technologie zelf in huis te hebben. Samenwerking werkt pas goed als doelen en verantwoordelijkheden duidelijk zijn en informatie en processen goed op elkaar aansluiten.
Uiteindelijk draait het om vertrouwen
Achter al deze lessen zit nog iets anders: vertrouwen. Grote en complexe programma鈥檚 werken alleen als mensen niet alleen over de juiste informatie beschikken, maar ook de ruimte en verantwoordelijkheid krijgen om daarnaar te handelen.
鈥淛e kunt processen standaardiseren, data verbinden en steeds meer automatiseren, maar uiteindelijk blijven mensen verantwoordelijk voor de beslissingen die ertoe doen鈥�, besluit Van der Biest. 鈥淒aarom moeten zij de ruimte krijgen om hun kennis en oordeel te gebruiken. Hoe groter en complexer de ambitie, hoe belangrijker dat vertrouwen wordt.鈥�
