Een paar weken geleden schreef ik over Wardley Maps. Het werd een van mijn beter gelezen posts (ruim 500 lezers). De vuistregel: links op de kaart bouw je zelf, rechts koop je in. Genesis is onzeker en experimenteel, commodity is gestandaardiseerd en uitwisselbaar.

Maar er ontbreekt iets. De kaart is plat.

Wat als de kaart hoogte had?

Wardley Maps lenen van geografie: een landschap, posities, beweging. Maar geografie heeft ook hoogte. Bergketens en dalen. Ruig terrein en vlaktes.

Wat als we ons voorstellen dat de strategische kaart ook hoogte heeft?

Anderen noemen dit Rugged Wardley Maps. Maar zij focussen op hoe organisaties zelf het terrein kunnen hervormen. Ik kijk naar iets anders: krachten van buitenaf.

Het ruige landschap

Genesis is niet alleen links op de kaart. Het is ook ruig terrein. Bergachtig. Ondoorzichtig.

In Genesis zijn er weinig paden. Het is onontgonnen terrein. Je moet je eigen weg banen door het struikgewas, zonder te weten of je ergens uitkomt. Er zijn lokale pieken, plekken die er goed uitzien, maar die je vastpinnen terwijl er ergens anders betere opties zijn.

Commodity daarentegen is gladder terrein. Uitgesleten door de tijd. Er zijn verharde wegen. Bewegwijzering. Je weet waar je naartoe gaat. Maar ook hier zijn dalen: vendor lock-in bestaat net zo goed bij commodity. Het verschil is dat de paden ertussen duidelijker zijn. Het is niet per se goedkoop, maar het is navigeerbaar.

Het is niet alleen dat niemand nog weet hoe het werkt. Het is dat het landschap zelf onbegaanbaar is. Geen paden, geen zicht, makkelijk verdwalen.

De dalen: lock-in als lokaal optimum

Nu de dalen. Dalen zijn plekken waar je makkelijk in terechtkomt, maar moeilijk uit klimt. Lokaal comfortabel, globaal gevangen.

Dat is vendor lock-in.

Een dal is comfortabel. Je hebt geïnvesteerd in een platform, je processen zijn erop ingericht, je mensen kennen het. Weggaan betekent bergen beklimmen. Dat zijn de switchkosten.

Maar dalen bestaan overal op de kaart, niet alleen bij commodity.

  • In Genesis: je zit vast in een experimentele aanpak die nergens toe leidt
  • In Custom: legacy systemen die je zelf hebt gebouwd
  • In Product: vendor ecosysteem lock-in
  • In Commodity: Microsoft, Google, Oracle

Eerder schreef ik dat “1 cloud geen cloud is”. Dat is de metafoor van het dal: je optimaliseert lokaal voor één platform, maar je bent omringd door bergen als je wilt wisselen.

Het Erosie Effect

Nu AI. In mei schreef ik dat ik afwacht met schrijven over AI. Maar nu niet. En ja, “AI” is een rare term voor iemand die Kunstmatige Intelligentie studeerde. Ik bedoel hier LLMs.

Wat doen LLMs met dit landschap? Ze eroderen het.

Denk aan geologische tijd. Landschappen veranderen: bergen slijten af, dalen vullen op, nieuwe paden ontstaan, het landschap wordt begaanbaar. Maar dit duurt miljoenen jaren.

LLMs comprimeren die tijd. Ze creëren wat ik het Erosie Effect noem: versnelde erosie van het strategisch landschap.

Twee contourkaarten: links ruig terrein met doodlopende paden, rechts geërodeerd met meer routes en een nieuw dal voor AI-platforms.

AI maakt het ruige terrein begaanbaar

In oktober schreef ik over hoe ik een app bouwde door tegen mijn computer te praten. 38.000 regels code die ik niet zelf schreef. Geen Dart, Kotlin of Swift geleerd. Toch een werkende app.

Het ruige terrein van Genesis wordt begaanbaar. Niet vlak, maar begaanbaar. Je kunt tien paden verkennen in de tijd die één pad kostte.

Noem het vibe coding. Noem het tegen je computer praten. Noem het architect worden.

Het landschap wordt niet vlak. Genesis blijft onzeker. Maar de paden worden zichtbaarder. De bergen worden heuvels.

AI verlaagt de bergen

AI verlaagt ook de bergen rondom de dalen.

Want wat zijn switchkosten eigenlijk? Vaak: de kosten om iets opnieuw te bouwen. De investering die je al hebt gedaan, die je zou moeten overdoen.

Maar als bouwen sneller wordt, worden bergen lager.

“We zitten vast in systeem X” wordt “we kunnen X in afzienbare tijd herbouwen.”

Al die oude systemen waar organisaties in vastzitten: de dalen worden minder diep. De bergen eromheen worden beklimbaar. Ontsnappen wordt een optie.

AI creëert nieuwe dalen

Maar AI creëert ook nieuwe dalen.

OpenAI, Anthropic, Google: de tools die het landschap veranderen zijn zelf platforms waar je in vast kunt komen te zitten. Training data dependencies. Prompt engineering expertise die gebonden is aan één model. Workflows die afhankelijk zijn van specifieke APIs.

Simon Wardley waarschuwt: als een kleine groep de tools, de taal en het medium controleert, “controleren zij letterlijk hoe je redeneert over de wereld om je heen.”

Wat dit betekent voor de overheid

Prototypen als verkenning. Eerder schreef ik dat het bouwen van proof of concepts beleidsvorming ís, niet uitvoering. RegelRecht is hier een voorbeeld van. Je verkent het terrein voordat je een piek kiest om te beklimmen. AI maakt die verkenning goedkoper.

Minder grote aanbestedingen vooraf. Als je eerst kunt verkennen, hoef je niet meteen honderd pagina’s specificaties te schrijven. Je kunt scouten. Kijken welke paden begaanbaar zijn. Dan pas committen.

Samen navigeren. Je kunt ruig terrein niet navigeren door instructies te sturen vanaf een afstand. Engineers en beleidsmakers moeten samen optrekken. Het landschap verkennen, niet beschrijven.

Uit legacy klimmen. Die oude systemen waar we in vastzitten? De bergen eromheen worden lager. Herbouwen wordt een optie. Maar alleen als we de capaciteit hebben om te klimmen.

Oppassen voor nieuwe dalen. De verleiding is groot om van het ene platform naar het andere te springen. Van Microsoft naar OpenAI. Maar een nieuw dal is nog steeds een dal.

De waarschuwingen

Ruig terrein blijft ruig. AI maakt Genesis navigeerbaarder, maar niet vlak. Er zijn nog steeds doodlopende paden. Nog steeds lokale pieken die er beter uitzien dan ze zijn.

Het 80/20 probleem. Met AI sprint je naar 80% van je doel, en dan kruip je door de laatste 20%. De bergen zijn lager, maar je moet ze nog steeds beklimmen.

Verdrinken in experimenten. Als verkennen goedkoop wordt, ga je meer verkennen. Maar afmaken kost nog steeds moeite. Organisaties kunnen verdrinken in experimenten die nergens toe leiden.

Nieuwe dalen kunnen dieper zijn. We weten hoe diep het dal van Microsoft is. We weten nog niet hoe diep het dal van OpenAI of Anthropic wordt.

De vraag

De vraag voor de overheid, en voor iedereen die strategie maakt, is niet alleen welke componenten je bouwt of koopt. Het is: hoe beweeg je door dit veranderende landschap? Welke paden verken je? Welke dalen vermijd je? En hoe zorg je dat je niet vast komt te zitten in de nieuwe dalen die AI creëert?