Baifang waarschuwt bedrijven: bouw niet elk proces opnieuw met AI
Als de afgelopen twee jaar van enthousiasme over bedrijfs-AI een slogan nodig hadden, zou ‘alles opnieuw doen met AI’ een sterke kandidaat zijn. Klantenservice, marketing, R&D, financiën, HR en inkoop zijn allemaal opnieuw verpakt als AI-workflows, met formulieren die mensen ooit invulden nu gegenereerd, documenten die medewerkers ooit lazen nu gescand door modellen, en knoppen die ooit met de hand werden ingedrukt nu geactiveerd door agents.
Baifang, een Chinees bedrijf dat bedrijfssoftware voor financiële en fiscale werkzaamheden verkoopt, vindt die framing de grootste fout die bedrijven maken. In een veel gedeeld betoog stelt het bedrijf dat de waarde van AI in de onderneming niet uniform is: sommige stappen profiteren enorm van automatisering, terwijl andere al efficiënt zijn en langzamer, duurder of moeilijker te controleren worden wanneer een model wordt ingevoegd.
Het voorbeeld van het bedrijf is de verwerking van facturen en onkosten, het soort backofficewerk dat Chinese bedrijven in enorme volumes verwerken. Een model kan een gescande bon lezen, deze aan een inkooporder koppelen en een afwijking veel sneller signaleren dan een medewerker. Maar wanneer hetzelfde model wordt gevraagd een goedwerkende goedkeuringsketen opnieuw te ontwerpen, is het resultaat vaak een langer proces, meer uitzonderingen en een nieuwe controlerende laag waar niemand op had gerekend.
Dat onderscheid is belangrijk omdat Chinese ondernemingen onder druk staan om rendement op AI-uitgaven te laten zien. Het advies van Baifang is om te beginnen met taken die volumineus, regelintensief en gemakkelijk meetbaar zijn, zoals documentherkenning, gegevensinvoer en reconciliatie, en pas uit te breiden waar een duidelijke kosten- of foutreductie zichtbaar wordt.
Het bedrijf wijst ook op een structureel probleem: veel AI-projecten worden verkocht als platformoverhauls. Leveranciers beloven de hele stack opnieuw op te bouwen, wat inkoop traag maakt en integratie riskant. Een nauwere aanpak, waarbij AI wordt toegevoegd aan een handvol stappen binnen bestaande systemen, is minder glamoureus maar gemakkelijker te rechtvaardigen en terug te draaien als het mislukt.
Dit is een bekend patroon in bedrijfssoftware wereldwijd. Vroege cloudprojecten mislukten vaak wanneer bedrijven elke applicatie in één keer optilden en verplaatsten, en slaagden wanneer ze de workloads verplaatsten die het meest profiteerden. Bedrijfs-AI lijkt dezelfde curve te volgen, van grootse transformatieverhalen naar gerichte tools met meetbare resultaten.
Voor Baifang is het betoog ook een positioneringszet. Als leverancier van financiële en fiscale software wil het dat klanten AI behandelen als een functie binnen workflows die ze al vertrouwen, niet als een reden om die systemen te vervangen. De boodschap van het bedrijf aan kopers is om te vragen wat een model bij elke stap daadwerkelijk verandert, en het antwoord smal genoeg te houden om te testen.
Wat om in de gaten te houden is of zakelijke kopers die discipline belonen. Als meer Chinese bedrijven AI-budgetten gaan publiceren die gekoppeld zijn aan specifieke backoffice-metrieken in plaats van brede transformatieprogramma’s, kan het tijdperk van ‘alles opnieuw doen’ stilletjes eindigen, factuur voor factuur.