Twee onderwerpen domineerden vrijwel elk gesprek:
(1) AI – met name Agentic AI, en
(2) oplopende geopolitieke spanningen.
Dit was mijn eerste keer op het WEF, en de ervaring is werkelijk uniek. Eén week lang verandert een klein bergdorp in wat misschien wel het grootste – en meest streng beveiligde – conferentiecentrum ter wereld is. De meeste gebouwen worden omgevormd tot zogenoemde ‘houses’ die landen, softwarebedrijven, consultancyfirma’s, enz. vertegenwoordigen. Veel locaties betreden voelt als het instappen in een vliegtuig: veiligheidscontroles, scans, wachtrijen. Paradoxaal genoeg zijn het juist die wachtrijen waar vaak de interessantste gesprekken plaatsvinden: mensen zijn nieuwsgierig, open en eager om contact te leggen.
De diversiteit en hoeveelheid van deelnemers is opmerkelijk: politieke leiders, wereldwijde CEO’s, techpioniers, investeerders en toonaangevende AI-onderzoekers – allemaal op één plek, vaak slechts meters van elkaar verwijderd. De mix is indrukwekkend, met honderden politieke leiders, waaronder Donald Trump, Mark Carney, Emmanuel Macron, Friedrich Merz en Ursula von der Leyen; zakelijke leiders zoals Elon Musk (Tesla), Satya Nadella (Microsoft), Jensen Huang (NVIDIA), Andy Jassy (Amazon), Dina Powell McCormick (Meta), Larry Fink (BlackRock), Demis Hassabis (Google), Dario Amodei (Anthropic) en Alex Karp (Palantir); en AI-onderzoekers zoals Yann LeCun, Sandy Pentland, Yoshua Bengio en Andrew Ng. Davos is werkelijk een gecomprimeerde versie van ’s werelds macht, ambitie en onzekerheid.
Los van de krantenkoppen en geopolitieke aardverschuivingen (die ik hier verder laat liggen), zijn dit mijn belangrijkste inzichten van WEF2026:
- AI-gebruik is niet langer optioneel. De meeste organisaties zijn ervan overtuigd dat ze AI moeten toepassen om competitief te blijven – maar velen worstelen om dat op een betekenisvolle en duurzame manier te doen.
- Proof-of-concepts volstaan niet meer. De ‘honeymoonfase’ van AI is voorbij. AI moet meetbare verbeteringen en tastbare besparingen opleveren. Toch haalt een opvallend groot aantal AI-initiatieven de productiefase niet of levert het geen blijvende waarde.
- Algemene Large Language Models (LLM’s) en traditionele Machine Learning (ML) zijn ‘commodities’ (basisproducten) geworden. Prestatieverbeteringen van LLM’s en ML-technieken vlakken af, verschillen zijn marginaal en iedereen heeft toegang tot dezelfde of soortgelijke LLM’s. Deze modellen alleen zijn geen onderscheidende factor meer. Als iedereen toegang heeft tot dezelfde algemene AI, verschuift het voordeel naar degenen die haar effectief weten toe te passen.
- De echte uitdaging is operationalisatie. Het inbedden van AI in de IT-stack, governance-structuren en dagelijkse operatie blijft moeilijk. Hier worden technologieën zoals Process Mining essentieel om Enterprise AI mogelijk te maken.
- Industriespecifieke foundation models (basismodellen) ontbreken grotendeels. Logistiek, productie, financiën, sales, onderwijs — deze domeinen hebben modellen nodig die verankerd zijn in echte operationele context. We hebben modellen voor taal, maar missen nog foundation models voor de ‘language of business’.
- Data, procesdynamiek en menselijke weerstand blijven de grootste obstakels. Het automatiseren van geïsoleerde taken is relatief eenvoudig; het transformeren van end-to-end processen en het veranderen van gedrag is dat niet.
Kortom, WEF2026 bevestigde sterk dat we bij Celonis en in mijn onderzoeksgroep in Aken (maar ook binnen de bredere process-mining/BPM-gemeenschap) aan precies de juiste problemen werken.
Object-Centric Process Mining (OCPM) pakt veel van deze uitdagingen direct aan.
Object-Centric Event Data (OCED) levert de context die AI nodig heeft, terwijl procesmodellen de vangrails bieden die vereist zijn voor voorspelbare, verklaarbare en correcte diagnoses en beslissingen.
Geen Enterprise AI zonder PI (Proces Intelligence, specifiek OCPM) – en Davos maakte dat duidelijker dan ooit.
