De ontwikkelgeschiedenis van het prioriteringssysteem bij DCMR vertoont een duidelijk patroon van padafhankelijkheid. Het datateam, gedreven door technologisch optimisme, had een duidelijke visie op hoe het probleem opgelost moest worden: met meer en slimmere data-analyse. Deze aanpak vormde een diepe 'canyon' waaruit het team jarenlang niet kon ontsnappen. De eerste iteratie, RIAN, zette de koers uit. Toen deze niet voldeed, was de reactie niet om de fundamentele aanpak te heroverwegen, maar om een technologisch krachtigere variant te bouwen: de Power BI-rapportages. Ook deze losten het kernprobleem niet op, maar in plaats van de koers te wijzigen, werd er verder gegraven in dezelfde bedding door de inzet van nog geavanceerdere technologie: machine learning. Elke stap was een logisch vervolg op de vorige, maar bewoog zich steeds verder weg van de behoeften van de eindgebruiker. Forensisch Dossier · RISC: van algoritme naar praktijk (DCMR) · After Action Learning De cultuur binnen het team, gericht op technische excellentie, versterkte dit patroon. Men hield vast aan de 'best practice' van data-gedreven ontwikkeling, zonder te beseffen dat deze in deze specifieke context niet de juiste was. De signalen van de werkvloer--de lage adoptie van RIAN, de aanhoudende worsteling met de planning ondanks Power BI--werden niet geïnterpreteerd als een teken dat de route fundamenteel verkeerd was, maar als een aanmoediging om met een nóg betere technische oplossing te komen. RISC v1 was de ultieme manifestatie van deze tunnelvisie: een perfect product binnen de logica van de 'canyon', maar volstrekt onbruikbaar daarbuiten. Het vergde een externe schok--de catastrofale mislukking en het stilleggen van het project--om het team uit deze ingesleten groef te forceren en een volledig nieuw pad te laten verkennen.

RIjkswaterstaat wilde perse vasthouden aan de eis dat het scheepvaartverkeer door moest kunnen gaan tijdens de verruiming. Dit was nu eenmaal besloten en onderdeel van de aanbesteding. Dit terwijl er van diverse kanten werd gewaarschuwd dat het een riskante aanpak betrof.

De vraag is of Arriva waterstof ingezet had als ze die 9 bussen niet al hadden gehad. Ondanks het probleem dat netcongestie biedt voor elektrische bussen. In die zin hebben aanbestedingseisen gewerkt, maar tot een doorbraak heeft het niet geleid. Het waren er 10 (9) en dat aantal nam niet toe. De doorbraak lag niet bij hen.

Er blijken te weinig mensen te zijn die durven af te wijken van geneeskundige premisses, waardoor innovatie in de zorg traag verloopt , wat er ook verantwoordelijk voor lijkt dat dit lastige maar ook relatief logische concept nog niet eerder is uitgevoerd.

De bestaande structuur en financieringsmodellen in de zorgsector zijn diep verankerd en belemmerden de adoptie van de innovatieve oplossingen van Umenz. Ondanks enthousiasme onder gebruikers kon het systeem de innovatie niet goed absorberen.

Het vragen aan huisartsen om de gesprekshulp te gebruiken zorgde voor uitdagingen, omdat het hen dwong om gesprekken te voeren waarvoor ze zichzelf niet als bekwaam genoeg beschou- wden. Bovendien was het idee dat dit niet bij de huisarts paste, maar in een ziekenhuis hoort plaats te vinden, wat de acceptatie van de gesprekshulp verder bemoeilijkte.

Blokker werd voor de consument overbodig, het winkelen bij Blokker werd minder populair en Blokker heeft te veel vastgehouden aan de ooit succesvolle formule.

Het duurt even voor men gewend is aan het inleveren van statiegeld. Men is gewend na gebruik een flesje direct weg te gooien, dit gedrag is voor veel mensen lastig te veranderen. Wellicht wordt er meer ingeleverd in de toekomst, het heeft tijd nodig.

Holland Health Data Coöperatie: Door vastgeroeste patronen (richtlijnen, wetgeving, protocollen) gebeurt het ter beschikking stellen van data niet en resulteert in onderbenutting en verlies van waarde en daarmee gezondheid.

Door ChatGPT op deze manier te gebruiken, krijg je toegang tot ideeën van elders en vermijd je de ‘Canyon’, waarbij mensen zich beperken tot beproefde aanpakken.