Workflow Redesign Around AI

The primary organisational value of AI is not captured by automating individual tasks but by redesigning entire workflows around human-AI collaboration — a distinction that most organisations are not yet making.

What It Is

McKinsey (2025) draws a sharp distinction between task automation (replacing individual steps in an existing workflow with AI) and workflow redesign (reimagining an entire process from scratch around what humans, agents, and robots do best). Task automation can improve efficiency at the margin; workflow redesign can unlock step-change improvements in productivity and output quality.

The practical difference: task automation typically requires little organisational change and can be implemented bottom-up by individual workers or teams. Workflow redesign requires leadership commitment, cross-functional coordination, role restructuring, and changes to performance metrics, culture, and incentive systems. McKinsey’s $2.9T value estimate for 2030 is contingent on organisations performing the harder version — workflow redesign — at scale.

The UC Berkeley “Measuring Agents in Production” study (2025) offers a ground-level complement: surveying 306 practitioners across 26 domains, it finds that production AI agents are typically built with “simple, controllable approaches” — organisations prefer reliability and auditability over sophistication.

Why It Matters (for Organizations)

The workflow redesign lens reveals a key competitive dynamic: organisations that redesign workflows (rather than just automating tasks) will disproportionately capture AI’s productivity gains. Those that don’t will spend money on AI tools while achieving only marginal efficiency improvements. This creates a bifurcation between “AI leaders” — who rebuild processes around intelligent systems — and “AI laggards” — who bolt AI onto existing processes.

For leaders specifically, McKinsey argues they need to engage directly with AI rather than delegating, invest in the human skills that matter most in a redesigned workflow (framing, interpretation, oversight, quality assurance), and balance efficiency gains with responsibility, safety, and trust.

Evidence & Examples

McKinsey identifies “complex, high-value workflows that rely on unstructured data” as the primary opportunity for redesign — legal contracts, medical records, customer service interactions, financial analysis (agents-robots-and-us-skill-partnerships-in-the-age-of-ai.pdf)
UC Berkeley study found production agents primarily built for: increasing productivity, reducing human task-hours, automating routine labour, and increasing client satisfaction — in that priority order (2512.04123v1.pdf)
306 practitioners across 26 domains surveyed; 20 in-depth case studies conducted; finding: simple, controllable approaches dominate production deployments, not the sophisticated multi-agent orchestration seen in research contexts (2512.04123v1.pdf)
Top development challenges in the Berkeley study: evaluation and measurement of agent performance, handling edge cases, maintaining reliability, and managing user trust (2512.04123v1.pdf)
McKinsey: the skills growing in demand as part of workflow redesign include quality assurance, process optimisation, and teaching — humans taking on the oversight and improvement roles that AI creates (agents-robots-and-us-skill-partnerships-in-the-age-of-ai.pdf)

Tensions & Open Questions

The gap between aspiration and practice: McKinsey describes an aspirational state of comprehensive workflow redesign; the Berkeley study describes what organisations are actually doing in production — simpler, more controlled, more cautious deployments. The path from the latter to the former is the core change management challenge.
What does “redesign” mean for knowledge work? Workflow redesign is straightforward to conceptualise in manufacturing or logistics (where processes are already documented). In knowledge work — consulting, legal, investment analysis — processes are often informal, tacit, and person-dependent. How do you redesign a workflow that has never been written down?
Middle management as bottleneck: The “conductor vs. craftsman” shift (a concept seeded in AGENTS.md) suggests middle managers will increasingly need to orchestrate AI-human workflows rather than perform technical tasks themselves. Whether middle management is up to this role — and whether organisations will invest in developing it — is a major open question.
Workflow redesign case studies now available (web search, April 2026): Stanford Digital Economy Lab “Enterprise AI Playbook: Lessons from 51 Successful Deployments” (Pereira, Graylin, Brynjolfsson, March 2026) documents what distinguished the 5% of enterprises achieving real financial impact. Key pattern: 73% of successful implementations “started small deliberately” as explicit experiments, then scaled. NEW (April 2026): The highest productivity gains — a median of 71% — came from escalation-based models, where AI handles most tasks and humans intervene only for exceptions. This is the empirically confirmed optimal human-AI workflow structure: AI as primary handler, human as exception supervisor. [source: Stanford Digital Economy Lab Enterprise AI Playbook, digitaleconomy.stanford.edu, March 2026] WEF identified 32 AI case studies with real business impact including: AMD/Synopsys (chip design: agentic AI doubles developer productivity, reduces acceptance times), Fujitsu (supply chain: AI agents reduced warehousing costs by $15M and halved staffing), EXL Services (code migration: project durations reduced by up to two years), KPMG/SAP (Netherlands, Germany: AI copilot trained on 200K documents accelerates migrations by 18% and halves rework rate). Harvard Data Science Review (Winter 2026) documents: global industrial firm cut audit reporting time by 92% via agentic workflow redesign. MIT NANDA initiative (2025): 95% of generative AI pilot programs fail to produce measurable financial impact — attributed to poor workflow integration and misaligned incentives, NOT model quality. BCG AI at Work 2025: half of companies remain stuck in “Deploy” phase (productivity plays) without workflow system redesign. [source needed — web search findings; Stanford Enterprise AI Playbook March 2026; WEF case studies; HDSR Winter 2026 — not yet in raw/]
📅 NEW — Knowledge-work evidence now emerging (web search, April 2026): Thomson Reuters “Future Ready Lawyer 2026” report explicitly addresses AI workflow redesign in legal operations — noting 2026 is the year AI moves from “interesting tool” to “operational infrastructure” in legal departments, with high-volume administrative processes (invoice review, billing compliance, spend analysis) as redesign entry points. McKinsey Global Survey 2025: only 6% of organisations report meaningful enterprise-wide financial impact from AI; however, high performers are nearly 3x as likely to have fundamentally redesigned workflows (not just added AI to existing ones). Vivaldi Group “The Real AI Advantage” consulting survey (2026): top consulting firms in 2026 still largely selling the old consulting pyramid — “the product of a consulting engagement should increasingly be a living solution (trained model, redesigned process, AI-enabled system) rather than a document about the solution.” The 80/20 rule confirmed: technology delivers ~20% of an initiative’s value; the other 80% comes from redesigning work. Companies that moved early into GenAI adoption report $3.70 in value per dollar invested (top performers: $10.30). [source: Thomson Reuters Future Ready Lawyer 2026; Vivaldi Group 2026; McKinsey via Synovia Digital 2026]
📅 NEW — BBVA enterprise AI deployment case study (HBR, April 14, 2026): One of the richest documented enterprise AI workflow redesigns to date. BBVA (125,000 employees, 25 countries) deployed ChatGPT Enterprise in April 2024, compressing legal/GDPR review from months to two weeks. Key design principles: (1) Scarcity as signal — initially distributed only 3,000 licenses (to “Champions”) with “use it or lose it” policy, creating genuine demand and status-value around access; (2) Peer-driven Adoption Network — 25 Champions, 100+ Co-Champions, 200 Wizards (power users), and a Community of Practice that became the most active internal forum in company history; (3) AI as assistant, not agent — outputs never connect directly to automated systems without human validation; employees validate and own results. Outcome: 3,000 → 11,000 active users; 4,800+ custom GPTs built by frontline employees; 83%+ use weekly (50 prompts/week average; above OpenAI enterprise benchmarks); average time savings 2–5 hours per employee per week. Sector specifics: internal audit (100% license coverage) → 3–4 hours/auditor/week saved; Mexico insurance GPT → 92% reduction in query response time; Peru branch operations GPT → 74% reduction in support time; talent acquisition tool → 36 min → 11 min per candidate report. The BBVA case demonstrates that the “adoption failure” pattern (MIT NANDA 95% pilot failure rate) can be overcome with decentralised innovation, competitive access scarcity, and peer knowledge networks — not centralised mandates. [source: HBR “The Hidden Demand for AI Inside Your Company,” Apr 14, 2026; Raw/The Hidden Demand for AI Inside Your Company.md — pending formal ingestion]
🔴 TODO (FURTHER NARROWED): Knowledge-work redesign evidence now established for legal, consulting, and banking (BBVA). Remaining gap: investment analysis and financial advisory workflow redesign — no controlled case study found as of April 2026. The 6%/94% split (only 6% achieving enterprise-wide impact) is now the headline statistic; BBVA now represents a well-documented example of what separates that 6%.

Skill Partnerships Human-AI · AI Agents in Production · AI Delegation and Multi-Agent Systems · AI Skill Formation and Deskilling

Werkprocessen Herontwerpen Rond AI

De primaire organisatorische waarde van AI wordt niet benut door individuele taken te automatiseren, maar door volledige werkprocessen te herontwerpen rond mens-AI-samenwerking — een onderscheid dat de meeste organisaties nog niet maken.

Wat Is Het

McKinsey (2025) maakt een scherp onderscheid tussen taakautomatisering (individuele stappen in een bestaand werkproces vervangen door AI) en herontwerp van werkprocessen (een heel proces opnieuw bedenken vanuit wat mensen, agents en robots het beste doen). Taakautomatisering kan de efficiëntie marginaal verbeteren; herontwerp van werkprocessen kan sprongsgewijze verbeteringen in productiviteit en outputkwaliteit vrijmaken.

Het praktische verschil: taakautomatisering vereist doorgaans weinig organisatorische verandering en kan bottom-up worden geïmplementeerd door individuele medewerkers of teams. Herontwerp van werkprocessen vereist commitment van leiderschap, cross-functionele coördinatie, herstructurering van rollen en veranderingen in prestatiemetrieken, cultuur en prikkelsystemen. McKinsey’s waardeschatting van $2,9 biljoen voor 2030 is afhankelijk van organisaties die de moeilijkere versie — herontwerp van werkprocessen — op grote schaal uitvoeren.

Het UC Berkeley-onderzoek “Measuring Agents in Production” (2025) biedt een praktijkgerichte aanvulling: uit een enquête onder 306 practitioners in 26 domeinen blijkt dat productie-AI-agents doorgaans worden gebouwd met “eenvoudige, controleerbare benaderingen” — organisaties geven de voorkeur aan betrouwbaarheid en auditeerbaarheid boven verfijning.

Waarom Het Relevant Is (voor Organisaties)

Het perspectief van werkprocesherontwerp onthult een sleuteldynamiek in concurrentie: organisaties die werkprocessen herontwerpen (in plaats van alleen taken automatiseren) zullen onevenredig veel van de productiviteitswinst van AI benutten. Wie dat niet doet, geeft geld uit aan AI-tools terwijl slechts marginale efficiëntieverbeteringen worden bereikt. Dit creëert een tweedeling tussen “AI-koplopers” — die processen herbouwen rond intelligente systemen — en “AI-achterblijvers” — die AI op bestaande processen plakken.

Voor leiders in het bijzonder betoogt McKinsey dat zij direct met AI in aanraking moeten komen in plaats van het te delegeren, moeten investeren in de menselijke vaardigheden die er het meest toe doen in een herontwepen werkproces (formuleren, interpreteren, toezicht houden, kwaliteitsborging), en efficiëntiewinst moeten afwegen tegen verantwoordelijkheid, veiligheid en vertrouwen.

Bewijs & Voorbeelden

McKinsey identificeert “complexe, hoogwaardige werkprocessen die steunen op ongestructureerde data” als de primaire kans voor herontwerp — juridische contracten, medische dossiers, klantenservice-interacties, financiële analyse (agents-robots-and-us-skill-partnerships-in-the-age-of-ai.pdf)
UC Berkeley-onderzoek vond dat productie-agents primair worden gebouwd voor: productiviteitsverhoging, vermindering van menselijke taaklast, automatisering van routinearbeid en verhoging van klanttevredenheid — in die volgorde van prioriteit (2512.04123v1.pdf)
306 practitioners in 26 domeinen ondervraagd; 20 diepgaande casestudies uitgevoerd; bevinding: eenvoudige, controleerbare benaderingen domineren productie-implementaties, niet de geavanceerde multi-agent orkestratie uit onderzoekscontexten (2512.04123v1.pdf)
Grootste ontwikkeluitdagingen in het Berkeley-onderzoek: evaluatie en meting van agentprestaties, het afhandelen van randgevallen, waarborgen van betrouwbaarheid en beheer van gebruikersvertrouwen (2512.04123v1.pdf)
McKinsey: de vaardigheden die het meest groeien in vraag als onderdeel van werkprocesherontwerp zijn kwaliteitsborging, procesoptimalisatie en onderwijs — mensen die de toezicht- en verbeteringsrollen op zich nemen die AI creëert (agents-robots-and-us-skill-partnerships-in-the-age-of-ai.pdf)

Spanningen & Openstaande Vragen

De kloof tussen aspiratie en praktijk: McKinsey beschrijft een aspirationele toestand van uitgebreid werkprocesherontwerp; het Berkeley-onderzoek beschrijft wat organisaties daadwerkelijk doen in productie — eenvoudigere, meer gecontroleerde, voorzichtiger implementaties. De weg van het laatste naar het eerste is de kernuitdaging voor change management.
Wat betekent “herontwerp” voor kenniswerk? Werkprocesherontwerp is eenvoudig te conceptualiseren in productie of logistiek (waar processen al zijn gedocumenteerd). In kenniswerk — consultancy, juridisch, beleggingsanalyse — zijn processen vaak informeel, impliciet en persoonafhankelijk. Hoe herontwerp je een werkproces dat nooit is opgeschreven?
Middenmanagement als knelpunt: De verschuiving van “vakman naar dirigent” (een concept uit AGENTS.md) suggereert dat middenmanagers steeds meer mens-AI-werkprocessen moeten orkestreren in plaats van zelf technische taken uit te voeren. Of het middenmanagement opgewassen is tegen deze rol — en of organisaties zullen investeren in het ontwikkelen ervan — is een grote openstaande vraag.
Casestudies voor werkprocesherontwerp nu beschikbaar (webonderzoek, april 2026): Stanford Digital Economy Lab “Enterprise AI Playbook: Lessons from 51 Successful Deployments” (Pereira, Graylin, Brynjolfsson, maart 2026) documenteert wat de 5% van enterprises onderscheidt die werkelijke financiële impact bereiken. Sleutelpatroon: 73% van succesvolle implementaties “begon bewust klein” als expliciete experimenten, daarna opschalen. NIEUW (april 2026): De hoogste productiviteitswinsten — een mediaan van 71% — kwamen van escalatiegebaseerde modellen, waarbij AI de meeste taken afhandelt en mensen alleen interveniëren bij uitzonderingen. Dit is de empirisch bevestigde optimale mens-AI-werkstructuur: AI als primaire afhandelaar, mens als uitzonderingssupervisor. [bron: Stanford Digital Economy Lab Enterprise AI Playbook, digitaleconomy.stanford.edu, maart 2026] WEF identificeerde 32 AI-casestudies met werkelijke bedrijfsimpact, waaronder: AMD/Synopsys (chipdesign: agentische AI verdubbelt ontwikkelaarsproductiviteit, verkort acceptatietijden), Fujitsu (supply chain: AI-agents verlaagden opslagkosten met $15 miljoen en halveerden bezetting), EXL Services (codeoverdracht: projectduur met maximaal twee jaar verkort), KPMG/SAP (Nederland, Duitsland: AI-copilot getraind op 200.000 documenten versnelt migraties met 18% en halveert het percentage herwerk). Harvard Data Science Review (Winter 2026) documenteert: wereldwijd industrieel bedrijf sneed rapportagetijd voor audits met 92% via agentisch werkprocesherontwerp. MIT NANDA-initiatief (2025): 95% van de generatieve AI-pilotprogramma’s levert geen meetbare financiële impact — toegeschreven aan slechte workflowintegratie en verkeerd afgestemde prikkels, NIET aan modelkwaliteit. BCG AI at Work 2025: de helft van de bedrijven blijft steken in de “Deploy”-fase (productiviteitsprojecten) zonder systeemherontwerp van werkprocessen. [source needed — web search findings; Stanford Enterprise AI Playbook maart 2026; WEF case studies; HDSR Winter 2026 — not yet in raw/]
📅 NIEUW — Bewijs voor kenniswerk nu opkomend (webonderzoek, april 2026): Thomson Reuters “Future Ready Lawyer 2026”-rapport pakt expliciet werkprocesherontwerp met AI in juridische operaties aan — en merkt op dat 2026 het jaar is waarin AI in juridische afdelingen verschuift van “interessant instrument” naar “operationele infrastructuur”, met grootschalige administratieve processen (factuurreview, facturaatcompliance, uitgavenanalyse) als startpunten voor herontwerp. McKinsey Global Survey 2025: slechts 6% van de organisaties rapporteert betekenisvolle bedrijfsbrede financiële impact van AI; hoge presteerders zijn echter bijna 3 keer zo waarschijnlijk om werkprocessen fundamenteel te hebben herontworpen (niet slechts AI aan bestaande processen toegevoegd). Vivaldi Group “The Real AI Advantage” consulting survey (2026): topadviesbureaus in 2026 verkopen nog grotendeels de oude consultancypiramide — “het product van een consultancyopdracht zou steeds meer een levende oplossing moeten zijn (getraind model, herontwepen proces, AI-ondersteund systeem) in plaats van een document over de oplossing.” De 80/20-regel bevestigd: technologie levert ~20% van de waarde van een initiatief; de andere 80% komt voort uit het herontwerpen van werk. Bedrijven die vroeg zijn begonnen met GenAI-adoptie rapporteren $3,70 aan waarde per geïnvesteerde dollar (toppresteerders: $10,30). [bron: Thomson Reuters Future Ready Lawyer 2026; Vivaldi Group 2026; McKinsey via Synovia Digital 2026]
📅 NIEUW — BBVA enterprise AI-implementatie casestudy (HBR, 14 april 2026): Een van de rijkst gedocumenteerde enterprise AI-werkprocesherontwerpingen tot nu toe. BBVA (125.000 medewerkers, 25 landen) zette ChatGPT Enterprise in april 2024 in, waardoor juridische/GDPR-review werd teruggebracht van maanden naar twee weken. Kernontwerprincipes: (1) Schaarste als signaal — aanvankelijk slechts 3.000 licenties verdeeld (aan “Champions”) met “gebruik het of verlies het”-beleid, wat echte vraag en statuswaarde rond toegang creëerde; (2) Peer-gedreven adoptienetwerk — 25 Champions, 100+ Co-Champions, 200 Wizards (power users) en een Community of Practice die het meest actieve interne forum in de bedrijfsgeschiedenis werd; (3) AI als assistent, niet als agent — uitvoer verbindt nooit direct met geautomatiseerde systemen zonder menselijke validatie; medewerkers valideren en zijn eigenaar van resultaten. Uitkomst: 3.000 → 11.000 actieve gebruikers; 4.800+ aangepaste GPT’s gebouwd door medewerkers op de werkvloer; 83%+ gebruikt wekelijks (gemiddeld 50 prompts/week; boven OpenAI enterprise-benchmarks); gemiddelde tijdbesparing 2–5 uur per medewerker per week. Sectorspecifiek: interne audit (100% licentiedekking) → 3–4 uur per auditor per week bespaard; Mexico verzekerings-GPT → 92% reductie in responsetijd voor vragen; Peru filiaaloperaties-GPT → 74% reductie in ondersteuningstijd; wervingstool → 36 min → 11 min per kandidaatrapport. De BBVA-case laat zien dat het “adoptiefalings”-patroon (MIT NANDA 95% mislukking van pilotprogramma’s) kan worden overwonnen met gedecentraliseerde innovatie, competitieve toegangsschaarste en peer-kennisnetwerken — niet centralistische mandaten. [bron: HBR “The Hidden Demand for AI Inside Your Company,” 14 apr. 2026; Raw/The Hidden Demand for AI Inside Your Company.md — pending formal ingestion]
🔴 TODO (VERDER VERNAUWD): Bewijs voor herontwerp in kenniswerk nu vastgesteld voor juridisch, consultancy en bankieren (BBVA). Resterende lacune: werkprocesherontwerp voor beleggingsanalyse en financieel advies — geen gecontroleerde casestudy gevonden per april 2026. De 6%/94%-splitsing (slechts 6% bereikt bedrijfsbrede impact) is nu de kopcijfer; BBVA vertegenwoordigt nu een goed gedocumenteerd voorbeeld van wat die 6% onderscheidt.

Gerelateerde Concepten