Lokaal vs. globaal optimum

Herken het lokale optimum

12% maandelijkse groei en winstgevendheid zijn geen succes, maar een signaal dat je op een comfortabele heuvel zit. Buitenlandse concurrenten met een ander prijsmodel schalen 3x sneller — dat is de hogere berg. Jouw huidige optimalisatie is bergbeklimmen: alles wat je doet, versterkt de bestaande heuvel, niet de route naar de top.

De kosten van het dal

Radicaal omschakelen betekent tijdelijk lagere omzet, verwarring bij klanten en interne weerstand. Dat is het dal dat je moet doorstaan. Vraag jezelf af: is de prijs van dit dal kleiner dan de kans dat je over 24 maanden irrelevant bent? Als concurrenten met een ander model de markt herdefiniëren, is jouw lokale optimum straks geen optimum meer, maar een doodlopende weg.

De slimme zet

Niet alles weggooien. Doe een gescheiden experiment: lanceer het nieuwe prijsmodel naast het bestaande voor een specifieke segment, meet 90 dagen. Zo verlaag je het risico van het dal en krijg je data. Accepteer dat "goed genoeg" hier niet genoeg is — de markt verschuift, en satisficing is nu een strategische fout. Wacht niet op de perfecte worp; dit is je fat pitch, maar test hem eerst met een kleine inzet.

Herken het lokale optimum

Jouw systeem is een klassieke bergtop: 20% minder werkdruk, tevreden team, investering gedaan. Maar tevredenheid is geen bewijs van een globaal optimum — het bewijst alleen dat je lokaal beter bent dan voorheen. Het naburige ziekenhuis met zelfroosteren is geen ruis; het is een signaal dat er mogelijk een hogere berg bestaat.

De echte vraag

Stel jezelf niet “moeten we verder kijken?”, maar: “Wat kost het om te blijven, versus wat kost het om te verkennen?” Jouw systeem is een lokaal optimum; zelfroosteren kan een globaal optimum zijn, maar de overgang betekent een dal: tijdelijk verlies van controle, leercurve, weerstand. Dat dal is de reden dat de meeste afdelingen terugkeren naar het oude systeem — uit paniek, niet uit ratio.

Praktische stap

Voer geen volledige switch uit, maar een piloot: laat één team zes maanden zelfroosteren, meet objectieve KPI’s (verzuim, overuren, tevredenheid) naast jullie huidige cijfers. Dit is simulated annealing: je accepteert tijdelijk een onzeker dal om te zien of de top hoger is. Als de piloot niet beter scoort, is jullie systeem “goed genoeg” — en dan is stoppen rationeel, niet lui. Maar zonder die test blijf je gokken dat jouw top de hoogste is. En dat is geen strategie, dat is geluk.

U zit klassiek in een lokaal optimum: uw methode scoort goed, de KPI’s kloppen, de klas is tevreden. Maar de vraag is of dit de hoogste berg is, of slechts de eerste top die u tegenkwam. De digitale leerpaden van uw collega zijn niet per se beter – ze zijn anders. Het echte signaal is dat u twijfelt; dat is het begin van het zien van het landschap.

Voordat u springt, moet u drie dingen scherp hebben. Ten eerste: wat is uw globale optimum? Hogere toetsresultaten, of diepere wiskundige denkvaardigheid? Die twee vragen om verschillende paden. Ten tweede: wat kost het dal? Een overstap betekent weken van lagere scores, onwennige lessen, en onzekerheid. Dat is normaal – u kunt niet van top naar top zonder dal. Ten derde: kunt u de risico’s begrenzen? Test de digitale paden in één klas, één module, met duidelijke meetpunten. Zo verlaagt u de zoekkosten zonder alles op te geven.

Mijn advies: blijf niet hangen in “goed genoeg” (satisficing), maar spring ook niet blind. Doe een gecontroleerd experiment. Als de dalen na twee maanden niet oplossen naar een hogere top, is uw huidige aanpak misschien wel uw globale optimum – en dat is prima. De vraag is niet of u moet veranderen, maar of u het dal kunt verdragen.</think><A2>Uw vraag raakt de kern van het model: u zit in een lokaal optimum dat aanvoelt als succes. Toetsresultaten omhoog, motivatie omhoog – dat is een top. Maar de collega met digitale paden laat een ander landschap zien. De valkuil is dat u nu denkt in óf-óf: óf verbeteren wat werkt, óf overstappen. Dat is een valse tweedeling.

Denk in termen van beperkte rationaliteit. U heeft beperkte tijd, energie en data. Uw huidige methode is bewezen goed – dat is waardevol. Maar “goed” is niet “globaal optimaal”. De vraag is niet of digitale paden beter zijn, maar of ze een ander deel van het landschap ontsluiten dat uw huidige aanpak nooit kan bereiken. Bijvoorbeeld: adaptieve oefeningen die per leerling het niveau aanpassen – dat kan een klassikale methode structureel niet.

Concreet: voer een parallel experiment uit. Kies één onderwerp, twee klassen, zes weken. Meet niet alleen toetsresultaten, maar ook begripsdiepte, zelfstandigheid en tijd-investering. Dat is simulated annealing: u accepteert tijdelijk een onzeker dal (lagere voorspelbaarheid) om te zien of er een hogere top ligt. Als de data na zes weken geen duidelijke meerwaarde tonen, heeft u uw antwoord: uw lokale optimum is waarschijnlijk uw globale optimum – en dan is “goed genoeg” legitiem. Accepteer dat zonder schuldgevoel.