Vaagstuk scherstellen
Relevante relaties en AI-disruptie op de bestuurstafel
Vraagstuk scherpstellen
Deel 3 van de reeks architectuurketen. Als AI aan de bestuurstafel schuift. AI is niet de kern van het vraagstuk, AI is de aanleiding die het echte vraagstuk zichtbaar maakt.
Onder de AI-disruptie, die overal hetzelfde antwoord oproept: besluiten op basis van data.
Waar dit deel op voortbouwt
AI aan de bestuurstafel is de derde invalshoek in de reeks.
In het eerste deel beschreef ik de architectuurketen, van bestuurlijk thema tot werkend systeem.
Waarbij onderscheid is gemaakt in:
- De bestuurstafel;
- De ontwerptafel;
- De changetafel;
- De realisatietafel.
In het tweede deel legde ik een organisatie op de bestuurstafel, gezien door de GEA-bril, met zingeving in de kern en elf perspectieven in de vormgeving. Aan het slot van dat deel beloofde ik twee dingen:
- De relevante relaties tussen de perspectieven;
- Een disruptie in de kern.
Die belofte los ik hier in, en ze blijken onderdeel van een verhaal, een visie.
Een klein woord over taal. Wat ik hier disruptie noem, heet in de methode van Roel Wagter een enterprisevraagstuk. Ik houd het op disruptie, omdat dat de taal is die aan de bestuurstafel klinkt.
En wat GEA de vijver noemt, noem ik bestuurstafel. De methode blijft dezelfde, de woorden sluiten aan bij wie eraan tafel zit.
Waar dit deel staat in de architectuurketen
Positie in de architectuurketen
De uitkomst, het scherpe vraagstuk met de veranderinitiatieven, is de overdracht naar de ontwerptafel.
Dit deel hoort bij een reeks die de architectuurketen laag voor laag uitwerkt.
De keten kent vier tafels:
- de bestuurstafel vraagt waarom;
- de ontwerptafel vraagt wat;
- de changetafel vraagt of het mag, wanneer, en met welk risico;
- de realisatietafel vraagt hoe.
Dit deel behandelt de bestuurstafel, en daarbinnen schakel 2, het vraagstuk scherpstellen.
Een disruptie (AI) in de kern is precies dat. Een bestuurlijk vraagstuk dat scherp gesteld moet worden voordat er ook maar iets ontworpen kan worden.
Ontvangt van de laag erboven: De zingeving, de perspectieven en de richtinggevende uitspraken uit schakel 1, richting bepalen.
Geeft door aan de laag eronder: Een scherp vraagstuk met een eigenaar, en een samenhangende set uitspraken. En de veranderinitiatieven die uit de relevante relaties voortkomen. De ontwerptafel werkt dit uit tot een integrale oplossingscontour, met data als fundament. En dat is waarom de ontwerptafel verderop bij een datadoelarchitectuur uitkomt.
Vraagstuk scherpstellen door relevante relaties
Niet alle relaties, maar de relaties die ertoe doen. En elke relatie is een gesprek en een keuze.
In de vorige plaat stonden elf perspectieven netjes naast elkaar gesitueerd in de cirkel. Dat was de rustige versie. De werkelijkheid is dat de perspectieven met elkaar samenhangen, en dat de kracht van de methode juist in die samenhang zit. Een besluit in het ene perspectief verandert de speelruimte in het andere. Het vraagstuk scherpstellen door samenhang tussen meerdere perspectieven.
De bovenste plaat op pagina 1 toont een handvol samenhangende relaties tussen perspectieven. Relevante relaties. Bewust niet alle, want dan wordt het een kluwen. Hieronder werk ik er vijf uit. Bij elke relatie staat wat er van de ene naar de andere loopt, en waarom dat relevant is.
Vijf relevante relaties, en waarom ze lopen
| Relevante relatie | Wat loopt van de ene naar de andere, en waarom relevant |
|---|---|
| Natuur → productie → financiën | Van natuur naar productie loopt welke waterkwaliteitsdata, welke kostendata, en wie is eigenaar. Een gezond, robuust natuurgebied levert schonere bronnen, waardoor er minder gezuiverd hoeft te worden. Van productie naar financiën loopt de kostprijs: lagere zuiveringsinspanning betekent lagere kosten en een stabieler tarief. Relevant omdat een investering in natuur, die op korte termijn geld kost, op langere termijn het tarief beschermt. Dat is een bestuurlijke afweging over tijd, geen technische. |
| Informatievoorziening → veiligheid | Van informatievoorziening naar veiligheid loopt aantoonbaarheid. Alleen met een ordelijke informatiearchitectuur, heldere datastromen en logging kun je cyberweerbaarheid en compliance hard maken. Relevant omdat veiligheid zonder informatie-op-orde een papieren belofte is. De ene bepaalt of de andere geloofwaardig is. |
| Mensen en cultuur → innovatie en onderzoek | Van mensen naar innovatie loopt kennis. Vernieuwing draait op vakmanschap en ervaring, en juist die loopt weg door vergrijzing. Relevant omdat de organisatie hier een keuze niet kan ontlopen. Investeer je in het vasthouden en overdragen van kennis, of herontwerp je het werk zodat het minder afhankelijk wordt van schaarse mensen. Die keuze raakt principes over kennisborging en doelstellingen over bezetting. |
| Klant en maatschappij → financiën en kostprijs | Van klant naar financiën loopt de betaalbaarheidseis. De maatschappelijke wens van betaalbaar drinkwater botst met de investeringen die kwaliteit en continuïteit vragen. Relevant omdat hier de klassieke spanning van een nutsbedrijf zit. Wat betaalt de klant nu, en wat schuif je door naar later. Dat vraagt een beleidsuitspraak over tariefstelling en een doelstelling over de balans tussen betaalbaarheid en investeringsniveau. |
| Bronnen en waterkwaliteit → keten en governance | Van bronnen naar keten loopt de beïnvloedingsvraag: de bronnen verslechteren, maar veel oorzaken liggen buiten de eigen organisatie, bij landbouw, industrie en andere overheden. Relevant omdat de organisatie moet kiezen hoeveel zij zelf oplost aan de zuiveringskant, en hoeveel zij afdwingt via ketenregie en regelgeving. Dat raakt principes over bronbescherming en de rol die je in de keten pakt. |
Zo ontstaat een netwerk van relevante relaties. Het punt is niet de lijn zelf, maar wat de lijn oproept bij de perspectieven aan het begin en eind ervan. Elke relatie is een werkafspraak die gemaakt moet worden.
Wat betekent een relevante relatie inhoudelijk
Achter elke lijn zit een vraag die de betrokken perspectiefeigenaren samen moeten beantwoorden. Welke nieuwe richtinggevende uitspraken ontstaan er, en wat betekent dat voor de uitspraken die er al liggen. GEA kent drie soorten uitspraken, en een relatie raakt ze alle drie.
| Soort uitspraak | De vraag die de relatie oproept |
|---|---|
| Principe | Ontstaat er een nieuw uitgangspunt dat voor beide perspectieven altijd geldt? En spreekt dat een vigerend principe tegen? |
| Beleidsuitspraak | Vraagt de relatie om een nieuwe lijn of keuze? En verschuift die de bestaande beleidslijn van een van beide perspectieven? |
| Doelstelling | Ontstaat er een nieuw meetbaar doel op het snijvlak? En moet een vigerende doelstelling worden bijgesteld om ruimte te maken? |
Het vraagstuk scherpstellen is het eigenlijke werk. Niet het tekenen van de lijn, maar het afstemmen van wat de lijn betekent voor de vigerende drie, en dus voor de veranderinitiatieven. Een nieuwe uitspraak die botst met een bestaande, is geen fout maar een besluit dat genomen moet worden.
Onder elke relatie ligt data
De relatie is het gesprek. De data is waar het gesprek op stuk loopt of op landt.
Relevante relaties, een disruptie in de kern, en besluiten op basis van data. Elke relatie hierboven roept een besluit op, en elk besluit vraagt data. Dat klinkt vanzelfsprekend, maar het is precies wat er in de praktijk misgaat. De eigenaren gaan het gesprek in, ontdekken halverwege dat zij verschillende cijfers hanteren voor hetzelfde begrip, en het gesprek verzandt in een discussie over wie gelijk heeft in plaats van wat er moet gebeuren.
Neem de relatie natuur naar productie naar financiën.
Het gesprek gaat over de vraag of een investering in natuurherstel zich terugverdient in lagere zuiveringskosten.
Dat is een datavraag. Welke waterkwaliteitsdata, over welke periode, gemeten met welke definitie. Welke kostendata, en tot op welk niveau toegerekend. En wie is eigenaar van die data, zodat er één versie is die geldt.
Of bijvoorbeeld de relatie klant en maatschappij naar financiën.
Het gesprek gaat over de balans tussen betaalbaarheid nu en investeren voor later. Ook dat is een datavraag. Wat kost een aansluiting werkelijk, hoe verhoudt zich dat tot de investeringsagenda, en welke aannames zitten onder de meerjarenraming.
Daarom hoort bij elke relevante relatie een derde vraag, naast de nieuwe uitspraken en het stuur- en controlepunt:
welke data ligt hieronder, wie is daarvan eigenaar, en klopt de definitie aan beide kanten van de relatie.
Zonder dat antwoord geeft de bestuurstafel een oplossingscontour door zonder datalaag, en begint de ontwerptafel noodgedwongen weer functioneel. Precies wat we willen voorkomen.
De disruptie in de kern, AI
Een schok die niet één perspectief raakt, maar alle elf tegelijk.
Nu droppen we een disruptie in de kern van de organisatie, op de bestuurstafel. Niet een willekeurige schok, maar de meest actuele. De opkomst van AI. In de onderste plaat op pagina 1 staat AI in het midden, met pijlen naar elk perspectief. Want AI is niet het probleem van één ‘afdeling’.
Het raakt klant, productie, distributie, natuur, bronnen, veiligheid, informatievoorziening, mensen, innovatie, financiën en governance, elk op hun eigen manier.
En hier gebeurt iets moois. Vraag elk perspectief wat het nodig heeft om AI te benutten, en je krijgt overal hetzelfde antwoord. Schone, betrouwbare, bestuurbare data. AI-gedreven klantservice vraagt kloppende klantdata. Voorspellend onderhoud vraagt betrouwbare sensordata. AI-analyses in financiën vragen eenduidige datadefinities. De disruptie lijkt technologisch, maar blijkt over data te gaan.
Waarom data daarmee een bestuurlijk thema wordt
Dit is de kern van dit deel, en het is meer dan een technische constatering. Volg de redenering.
- Elke perspectiefeigenaar neemt besluiten. Dat is zijn rol aan de bestuurstafel. Hij beslist op basis van zijn eigen sturings- en inzichtmodellen, zijn canvassen.
- Om te beslissen moet hij weten welke besluiten hij neemt. En dus welke data hij daarvoor nodig heeft. Beslissen zonder data is gokken.
- Beslissen is daarmee zijn belangrijkste invalshoek. Niet de techniek, niet het systeem, maar de vraag: welke besluiten neem ik, en op basis waarvan.
- Dus is data een bestuurlijk thema. Geen aangelegenheid van de IV-hoek, maar een verantwoordelijkheid van elke eigenaar aan de tafel. Ieder perspectief heeft zijn eigen data-eigenaarschap nodig.
In de onderste plaat staat daarom bij elk perspectief hetzelfde: besluit en data. AI is de aanleiding, maar het onderliggende thema is besluitvorming op basis van data. Dat tilt data van een sub-perspectief onder informatievoorziening naar een thema dat over de hele bestuurstafel heen speelt.
Dit is nadrukkelijk mijn interpretatie, niet de orthodoxie van de methode. Het is precies het soort inzicht dat een enterprise architect toevoegt. Dus niet het model napraten, maar zien dat een disruptie het model zelf onder spanning zet. Op het onderwerp beslismodellen, en hoe je die expliciet maakt met bijvoorbeeld DMN, decision management, kom ik in een later stuk terug.
Datacentrisch is iets anders dan datagedreven
Twee termen die op elkaar lijken en iets heel verschillends zeggen.
Datagedreven gaat over besluiten nemen met data. Het is een werkwijze, een houding, een belofte aan de directietafel.
Datacentrisch gaat over hoe je je architectuur ordent. Eerst de data, en daaromheen de applicaties die die data verwerken. Het is geen houding als bij datagedreven maar een bouwprincipe.
Het verschil doet ertoe, want de een kan niet zonder de ander. Datagedreven besluiten nemen kan alleen als de organisatie haar architectuur datacentrisch opbouwt. Een organisatie die datagedreven wil werken maar haar landschap functioneel heeft ingericht, komt bij elk besluit dezelfde muur tegen.
De data zit opgesloten in applicaties, elke afdeling heeft haar eigen definitie, en de vraag welke cijfers kloppen kost meer tijd dan het besluit zelf. Dan is datagedreven een ambitie op papier.
De omkering is fundamenteel. De gangbare doelarchitectuur begint bij capabilities en processen, tekent daar applicaties bij, en de data komt eronder als vulling.
Een datadoelarchitectuur draait dat om.
Eerst de vraag welke besluiten genomen worden en welke data die vragen, dan de modellen en definities, en pas daarna de applicaties die de data verwerken.
Dit sluit aan bij het gedachtegoed dat onder meer Ken van Ierlant en Fiona van Maanen uitwerken over datawaardecreatie.
En dan de eerlijkheid.
Dit is makkelijker gezegd dan gedaan. Legacy en vendor lock-in maken de omkering in de praktijk moeizaam, soms bijna onmogelijk. Een applicatie die de data vasthoudt en niet loslaat, is geen ontwerpkeuze meer maar een gegeven. Toch zie je het schoorvoetend gebeuren, bij organisaties die het aandurven om bij een vervanging niet te vragen welk pakket het beste is, maar welke data zij willen bezitten en welk pakket zich daaraan onderwerpt.
Wat gebeurt er tussen de eigenaren
Hier bewijst de enterprise architect zijn waarde. Niet in de plaat, maar in het gesprek.
De twee platen samen leveren een werkagenda. De relaties zijn de zenuwbanen, de AI-disruptie is de prikkel die er doorheen gaat. Zodra die prikkel binnenkomt, moeten de perspectiefeigenaren met elkaar afstemmen wat het betekent. Dat gebeurt niet in een grote vergadering met alle elf tegelijk. Het gebeurt in een reeks kleinere sessies, telkens met de eigenaren van de perspectieven die een relatie delen.
Zo ziet dat proces eruit, stap voor stap.
- Breng de relevante relaties in kaart. Welke perspectieven raken elkaar echt onder invloed van de disruptie. Niet alle, de relevante. De architect faciliteert deze eerste selectie.
- Plan de sessies per relatie. Breng de twee of drie eigenaren van een relatie bij elkaar. Klein en gericht. Natuur en productie en financiën in de ene sessie, informatievoorziening en veiligheid in de andere.
- Bepaal per relatie de nieuwe uitspraken. Welke nieuwe principes, beleidsuitspraken en doelstellingen ontstaan er op het snijvlak. De architect brengt de vigerende drie in en bewaakt de samenhang.
- Toets tegen de vigerende uitspraken. Botst een nieuwe uitspraak met een bestaande? Dan is er een besluit nodig. Verschuift een doelstelling? Dan verschuiven de veranderinitiatieven mee.
- Verbind naar de veranderinitiatieven. Vertaal de uitkomst naar wat er anders moet in de lopende en geplande initiatieven. Zo landt het gesprek in actie.
De rol van de enterprise architect zit in elke stap, maar nergens als beslisser. Hij kiest de relevante relaties, brengt de juiste mensen bij elkaar, brengt de vigerende uitspraken in, bewaakt de samenhang, en zorgt dat het gesprek een besluit oplevert in plaats van een discussie. Hij is de regisseur van het gesprek, niet de inhoud ervan. De eigenaren beslissen, de architect zorgt dat ze samenhangend beslissen.
Waar dit naartoe leidt
De uitkomst van deze sessies is nog geen oplossing. Het is een samenhangende set uitspraken, gedragen door de eigenaren, die richting geeft. In GEA-termen groeit dit aan de ontwerptafel uit tot een integrale oplossingscontour, met de veranderinitiatieven geordend in de tijd. Die oplossingscontour werk ik in het volgende deel uit. Zij staat al aangestipt in de laatste van de meegestuurde beelden, waar de pijl van de bestuurstafel naar de integrale oplossingscontour loopt.
Tot slot
Twee dingen die ik aan het slot van het vorige deel beloofde, blijken bij elkaar te horen. De relevante relaties maken zichtbaar hoe de perspectieven samenhangen. De disruptie laat zien wat er gebeurt als je die samenhang op de proef stelt. En het antwoord dat overal terugkomt, is verrassend eenvoudig en verrassend bestuurlijk,
besluiten worden genomen op basis van data.
AI is niet de kern van het vraagstuk. AI is de aanleiding, die het echte vraagstuk zichtbaar maakt.
De plaat tekenen is het makkelijke deel. Het gesprek organiseren tussen de mensen die erover gaan, dat is het werk. Daar bewijst een enterprise architect zijn waarde. Het gereedschap maakt de delen. De mens maakt het verschil aan tafel.
Wat hierna komt in de keten
Hiermee is de bestuurstafel afgerond. Schakel 1 stelde de richting vast, schakel 2 stelde het vraagstuk scherp. Het volgende deel zakt een laag naar de ontwerptafel, die vraagt het wat. Daar wordt eerst de integrale oplossingscontour gemaakt, en daarna de datadoelarchitectuur. De methodieken verschuiven mee, van GEA naar bijvoorbeeld TOGAF, ArchiMate en DYA.
