Waarom de meeste HR-tech-stacks nog niet klaar zijn voor AI

De tafel bij HR Tech Europe was vol. HR-architectuur is normaal gesproken niet het onderwerp dat een zaal vult op een conferentie. Mensen schrijven zich in voor de AI-keynotes. De transformatiesessies. De future-of-work panels. Architectuur wordt door velen nog steeds gezien als het probleem van de IT-afdeling. Dat is het niet.

De vraag die niemand hardop wil stellen

De vraag die ik het vaakst hoorde aan tafel was niet “hoe implementeer ik AI?” Het was iets rauwer en eerlijker: “We zijn hard gegroeid. Elke afdeling kocht zijn eigen tool. Niets praat met elkaar, en niemand weet waar te beginnen.”

Dat is geen technologisch probleem. Dat is een architectuurprobleem. En het verschil is groter dan de meeste organisaties beseffen.

Wat me opviel was hoe universeel het was. Grote internationale organisaties, scale-ups, bedrijven die flink hebben geïnvesteerd in HR-technologie. Allemaal met dezelfde la vol losse applicaties, hetzelfde integratiespaghetti, en hetzelfde ongemakkelijke gevoel dat nog een platform erbij het probleem simpelweg niet oplost. En ze hebben gelijk. Dat doet het niet.

Begin visueel. Letterlijk.

Voordat je een volgende aankoopbeslissing neemt, doe dit: teken je landschap. Welke systemen heb je? Welke processen faciliteren ze eigenlijk? Breng ze stap voor stap in kaart tot het duidelijk is welke applicatie welk proces draagt. Waar overlappen systemen en waar laten ze gaten vallen? Wie is eigenaar van de data in elk systeem en wat gebeurt er als twee systemen het niet met elkaar eens zijn?

Dit is geen complexe oefening. Het is de oefening die de meeste organisaties overslaan, omdat het onaantrekkelijk aanvoelt vergeleken met het evalueren van het volgende AI-platform. Maar het is de oefening die je vertelt of je fundament kan dragen wat je erbovenop wilt bouwen.

• Lees ook: Uitdagingen voor HR: autonome AI-agenten en menselijk leiderschap

Want AI creëert geen structuur. AI versterkt wat er al is. Goede data in zorgt voor goede output. Rommelige data in zorgt voor rommelige output, maar dan op schaal en met de bijbehorende kosten. Investeer eerst in begrijpen wat je hebt, voordat je investeert in een AI-strategie.

Single source of truth, verkeerd begrepen

Een van de concepten die steeds terugkomt in deze gesprekken is de ‘single source of truth’. En het wordt consequent verkeerd begrepen als: één systeem voor alles.

Dat is het niet. Het betekent één betrouwbare bron per datadomein. Je core HCM is eigenaar van persoonsgegevens. Je salarissysteem is eigenaar van compensatiedata. Je talentplatform is eigenaar van skills- en ontwikkeldata. Elk met helder eigenaarschap, heldere governance en een helder antwoord op de vraag die er het meest toe doet: als AI een uitkomst geeft die niet klopt, welke bron controleer ik dan?

In een omgeving die wordt gevormd door de EU AI Act is “we weten eigenlijk niet zeker waar deze data vandaan komt” geen verdedigbaar standpunt. Data lineage is geen optionele functionaliteit. Het is fundament. En het vereist een architectuur waarbij iemand bewust heeft nagedacht over welk systeem wat bezit, en waarom.

Wanneer AI niet landt, en waarom

Zelfs met een schoner fundament lopen organisaties tegen een tweede laag van problemen aan zodra ze AI gaan implementeren. Vier patronen zie ik keer op keer terugkomen.

Geen schone data. Systemen praten met elkaar, mooi. Maar niemand heeft gekeken wat er daadwerkelijk in die data zit. Gaten. Inconsistenties. Medewerkers met dubbele ID’s. Velden die sinds 2015 niet meer zijn bijgewerkt. AI voert dat netjes door het algoritme, en wat je er uitkrijgt is schone rommel.

Geen duidelijk probleem. De AI-tool is aangeschaft omdat iedereen zei dat het moest. Maar succes is nooit gedefinieerd. Dus bouwt de AI precies het goede patroon, voor het verkeerde probleem.

Niemand weet meer waar de grens is. De AI-agent zegt ja of nee. Iedereen volgt. Tot iemand met context zegt: dat klopt niet. En dan moet alles worden teruggedraaid.

Niet meten. Je weet niet of het werkt, of er bias inzit, of wanneer het model verouderd is geraakt. Je ziet het pas als het héél fout gaat.

De rode draad: alle vier zijn terug te voeren op het fundament. Dit zijn geen AI-problemen. Het zijn architectuurproblemen die AI zichtbaar heeft gemaakt, en kostbaar.

Het P&L-gesprek dat HR blijft vermijden

Hier verliest HR consequent het argument. We framen architectuur als een technologie-investering en vragen ons dan af waarom de CFO niet geïnteresseerd is.

De CFO is niet geïnteresseerd in je integratielandschap. De CFO is geïnteresseerd in de kosten van niets doen. Wat kost het als je personeelsdata onbetrouwbaar is? Als onboarding vastloopt omdat twee systemen niet kunnen communiceren? Als een basale workforce-vraag drie dagen kost om te beantwoorden omdat de data op zes plekken leeft en geen twee het eens zijn?

De kosten van inactie zijn een krachtiger argument dan elke roadmap. En het is het argument dat HR al jaren op tafel laat liggen.

Wil je een plek in het budgetgesprek? Stop dan met een technisch verhaal. Breng een business case. Laat zien wat schone, verbonden data strategisch mogelijk maakt. Laat zien wat de afwezigheid van architectuur nu al kost. Dat verschuift het gesprek van IT-overhead naar bedrijfsrisico, en dat is een taal die iedere CFO begrijpt.

De HR IT-architect

Wat ik zie bij organisaties die dit goed doen, is geen specifieke technologie. Het is een specifieke functie: een HR IT-architect. Niet een IT-rol met een HR-label en niet een HR-professional die wat aan technologie doet. Iemand die op het snijvlak zit en proactief de juiste vragen stelt voordat er weer een applicatie wordt aangeschaft.

Welke processen faciliteren we eigenlijk? Sluit dit aan op wat we al hebben? Is ons fundament klaar? Zijn onze mensen klaar voor wat dit verandert?

Deze functie doet ertoe omdat elke aankoopbeslissing ook een databeslissing is. En elke databeslissing bepaalt wat AI later voor je kan, en niet kan doen. Iemand moet die lijn vasthouden. Iemand moet de vraag stellen voordat het contract wordt getekend, niet nadat de integratie vastloopt.

De HR tech stack is niet het probleem van IT om op te lossen en van HR om mee te leven. Het is een gedeelde verantwoordelijkheid. En het wordt steeds meer onderdeel van het werk van HR, of organisaties dat nu erkennen of niet.

De organisaties die dat vroeg begrijpen, die architectuurdenken inbedden op het snijvlak van HR en IT, zijn de organisaties die iets bouwen dat echt schaalt.

Het gesprek dat gevoerd moet worden

Wat me het meest opviel aan tafel was niet de complexiteit van de problemen die mensen beschreven. Het was hoeveel expertise er al in die zaal aanwezig was. Mensen die delen van dit vraagstuk al hadden opgelost, in andere contexten, met andere beperkingen en die elkaar oprecht hielpen nadenken over de architectuuruitdaging.

Dat is het gesprek dat HR-technologie vaker nodig heeft, een dialoog over wat een schaalbare, AI-ready HR-architectuur vraagt: een helder datafundament, bewuste governance, mensen die kunnen meegroeien met de technologie en een HR IT-architect met het mandaat om de juiste vragen te stellen voordat de verkeerde beslissingen worden genomen.

De organisaties die hun AI-ambities daadwerkelijk waarmaken, zijn niet de organisaties die het meest geavanceerde platform hebben gekocht. Het zijn de organisaties die het minder glamoureuze werk eerst hebben gedaan. Die hun landschap in kaart hebben gebracht, hun data hebben opgeschoond, hun governance-gaten hebben gedicht en de brug hebben gebouwd tussen HR en IT. Dat is het fundament. Alles wat daarna komt, bouwt daarop voort.