Veel organisaties hebben geen capaciteitsprobleem, maar een zichtprobleem

De klachten zijn herkenbaar: te veel ad-hoc werk, te veel revisies, teams die langs elkaar heen werken, varianten die opnieuw worden gemaakt terwijl ze elders al bestaan. Op papier lijkt dat een capaciteits- of workflowvraagstuk. Maar dat is zelden het geval.

Zodra je doorvraagt, komen andere vragen op tafel. Welke assets zijn daadwerkelijk live gegaan? Welke zijn geproduceerd maar nooit gebruikt? Welke zijn dubbel gemaakt? En waar zijn tijd, capaciteit en budget in gaan zitten zonder dat achteraf nog precies valt aan te wijzen wat het heeft opgeleverd?

De verborgen lekkage: risicomijding kost geld

Ik heb dat van dichtbij gezien, en ook waar het fout ging. In een e-commerceomgeving met ruim 5.000 designrequests per jaar, goed voor ruim 16.000 losse assets, in vier taalgebieden. De studio was daar efficiënt op ingericht: templates, placeholders, bulk-aanpassingen, alles rechtstreeks de DAM in. Eén tekstwijziging en complete sets konden in één keer door. Snel, schaalbaar, en naar omstandigheden zo efficiënt als mogelijk.

En toch bleef er iets wringen.

Een aanzienlijk deel van wat geproduceerd werd, werd uiteindelijk nooit gebruikt. Hoeveel precies, wisten we niet. En dat was precies het punt. We hadden geen exacte meting, en juist dat is het zichtprobleem in de kern. Zelfs als je uitgaat van een conservatieve 20%, praat je al over duizenden assets en honderden productie-uren die ongemerkt weglekken. Wat live gaat, wordt gemeten. Wat nooit gebruikt wordt, blijft onzichtbaar. En juist daar lekt waarde weg. Ook met AI.

AI versnelt productie, maar lost het zichtprobleem niet op

Dit speelde zich af vóór de doorbraak van generatieve AI, maar in essentie waren we toen al met hetzelfde bezig: productie steeds verder automatiseren en opschalen. Veel van het repetitieve werk waarvoor studio's vroeger templates bouwden, kan vandaag grotendeels door AI worden overgenomen. Maar dat verandert weinig aan het onderliggende vraagstuk. Als je geen zicht hebt op wat uiteindelijk gebruikt wordt, maak je met AI vooral sneller méér van hetzelfde. Inclusief alles wat nooit live gaat.

De werkdruk kwam niet van de studio. Die kwam van marketing

Dat is ook niet vreemd. Veel marketingteams opereren onder hoge druk en worden primair afgerekend op livegang, deadlines en campagneresultaten, niet op de efficiëntie van de productieketen. In zo'n omgeving vraag je liever iets te veel aan dan dat je later misgrijpt. Niet uit onkunde, maar uit risicomijding.

Het echte probleem zat dus eerder in de keten: briefings die onderweg veranderden, scopes die opschoven, campagnes die halverwege een andere richting kregen. Rework ontstaat meestal niet doordat creatives hun werk niet goed doen, maar doordat de omstandigheden hen dwingen reactief te werken in plaats van gericht. Wat in die situaties ontbreekt, is iemand die vooraf stuurt: die bepaalt wat de keten in mag, wat voorrang krijgt en wat eerst terug moet.

Precies daar raakt die regielaag aan strategie.

Die laag wordt strategisch op het moment dat zichtbaar wordt hoeveel capaciteit, tijd en geld er nodig waren om tot een resultaat te komen. Niet pas achteraf, wanneer je naar campagneperformance kijkt, maar veel eerder: bij de vraag, de briefing en de keuzes die aan het werk voorafgaan. Zodra je dat inzichtelijk maakt, verandert het gesprek. Dan gaat het niet meer alleen over output en snelheid, maar over waarde, prioritering en bewuste afwegingen.

Zicht is nog geen sturing

Een werkend operating model begint simpel: één centrale ingang voor werk, een heldere Definition of Ready, duidelijke decision rights en een expliciet escalatiepad. Spoed kan daarin best een eigen speed lane hebben, maar dan bewust ingericht met spelregels, niet als achterdeur voor briefings die aan de voorkant nog niet scherp zijn.

Zodra je dat expliciet maakt, is een scopewijziging onderweg niet langer "even een kleine aanpassing", maar een nieuwe briefing met een nieuwe afweging en, waar nodig, een nieuwe doorlooptijd. Dat klinkt strikt, maar werkt in de praktijk juist behulpzaam. Het dwingt marketing om eerder scherpte aan te brengen en geeft creatives de ruimte om goed werk te maken in plaats van voortdurend achter verschuivende scope aan te lopen.

Elke 'kleine aanpassing' verlengt de time-to-market

Een voorbeeld. Een campagne wordt gebrieft voor drie kanalen. Halverwege de productie komt het verzoek om een vierde kanaal toe te voegen en de tone of voice aan te passen. In een omgeving zonder duidelijke afspraken wordt dat opgepakt als een kleine aanpassing, met alle gevolgen van dien: aangepaste templates, extra reviewrondes, vertraging op de andere drie kanalen en een team dat opnieuw reactief opereert.

In een omgeving met een goed werkend operating model behandel je datzelfde verzoek als wat het is: een nieuwe briefing. Met een eigen intake, een eigen doorlooptijd, duidelijke beslissingsbevoegdheid en een bewuste afweging: is dit het waard gezien wat er al op de planning staat? Soms is het antwoord ja. Maar dan wel als keuze, niet als bijproduct van onduidelijkheid.

Maar een operating model is pas compleet als het ook terugkijkt.

Een goed belegde regielaag kijkt niet alleen naar wat wordt aangevraagd en geproduceerd, maar ook naar wat uiteindelijk gebruikt wordt en wat daarvan werkt. Die feedbackloop is essentieel. Pas wanneer gebruik, hergebruik en performance terugvloeien naar briefing, templates en prioritering, wordt het systeem lerend. Dan produceer je niet alleen efficiënter, maar ook slimmer.

In de praktijk betekent dat bijvoorbeeld dat je aan het einde van een campagnecyclus niet alleen kijkt naar bereik en conversie, maar ook naar wat er geproduceerd is versus wat daadwerkelijk live is gegaan. Welke templates worden structureel hergebruikt en welke worden steeds opnieuw opgebouwd? Waar zitten de meeste revisierondes, en wat zegt dat over de kwaliteit van de briefing?

Zodra je die vragen structureel stelt, verandert niet alleen de output, maar ook de input. Briefings worden scherper, omdat zichtbaar wordt wat onduidelijkheid kost. Prioritering wordt makkelijker, omdat beslissingen beter te onderbouwen zijn met data in plaats van onderbuikgevoel.

Achteraf is makkelijk praten

Ik heb het volledige DAM-traject destijds niet kunnen afronden, en de feedbackloop die ik hier beschrijf was op dat moment nog niet sluitend. Maar juist de ervaring van een traject dat niet af kwam, maakt scherp waar de gaten zitten. Je ziet achteraf precies waar het systeem haperde en wat er nodig was geweest om het werkend te krijgen. De inzichten in dit artikel komen dus niet uit theorie, maar uit de praktijk, inclusief de delen die onvolledig bleven.

Voor mij begint de strategische waarde van die regielaag dan ook niet bij méér maken, maar bij beter zichtbaar maken wat echt nodig is, wat echt gebruikt wordt en waar waarde weglekt voordat iets ooit live gaat.

Context boven dogma

De regielaag is voor mij geen blauwdruk die je overal op dezelfde manier uitrolt. Er is geen one-size-fits-all model voor in-house studio's. De juiste inrichting hangt af van je doel: wil je kosten beheersen, snelheid verhogen, kwaliteit borgen of juist meer waarde in-house opbouwen?

Juist daarom is het proces nooit een doel op zich. Naarmate volume, variatie en afhankelijkheden toenemen, wordt zicht op gebruik, keuzes en capaciteit geen operationele luxe meer, maar een strategische voorwaarde.

Maar zicht alleen verandert niets. Iemand moet de regie voeren over wat je ziet. En die regie heeft een prijs, ook al staat hij zelden op de begroting.