De meeste AI-pilots verdwijnen in een la, en dat ligt zelden aan de techniek. Waarom experimenten blijven steken, en hoe je AI wél verankert in je dagelijkse proces.
De meeste AI-pilots beginnen vol enthousiasme en eindigen in een la. Iemand probeert ChatGPT uit, een collega bouwt iets met een no-code tool, de directie laat een proof of concept maken. Het werkt in de demo, iedereen knikt, en dan... gebeurt er niks meer. Drie maanden later draait het bedrijf nog precies zoals het draaide, alleen met een paar abonnementen erbij die niemand opzegt.
Dat is geen toeval en het ligt zelden aan de techniek. Het ligt aan de manier waarop de pilot is opgezet. In dit stuk leg ik uit waarom AI-pilots blijven steken, en hoe je wél van los experiment naar dagelijks, operationeel gebruik komt. Nuchter, zonder verzonnen percentages en zonder belofte dat AI je hele bedrijf overneemt.
Waarom het bij een pilot blijft
Een onderzoek van MIT uit 2025 ("The GenAI Divide: State of AI in Business 2025") kreeg veel aandacht met de constatering dat ongeveer 95 procent van de generatieve AI-pilots bij bedrijven geen meetbaar resultaat oplevert. Je kunt twisten over het exacte getal, maar de richting herken ik volledig uit de praktijk. En het interessante is waaróm het misgaat: niet door zwakke modellen, maar door slechte inbedding. Brittle workflows, geen aansluiting op het dagelijkse werk, en systemen die niets onthouden.
In gewoon Nederlands: de techniek is meestal niet het probleem. Het probleem zit in vier dingen die telkens terugkomen.
Niemand is eigenaar. Een pilot is van "het AI-project", niet van een mens die er elke dag mee moet werken en die afgerekend wordt op het resultaat. Zodra de pilot voorbij is, valt het stil, want er is niemand wiens werk er beter van wordt.
Het zijn losse tools. Een chatbot hier, een samenvattool daar, een slimme plug-in in de browser. Allemaal naast het echte proces, niet erin. De medewerker moet uit zijn systeem stappen, iets in een los venster plakken, het antwoord terugkopiëren. Dat houdt niemand vol.
Er is geen integratie met het proces. De AI staat aan de zijlijn. Hij weet niet wat er in je boekhouding, je CRM of je webshop gebeurt, en zijn output landt nergens automatisch. Het is een adviseur die je elke keer opnieuw moet inwerken.
De data is niet op orde. Een model is zo goed als waar het bij kan. Een rommelig Excel-bestand dat half wordt bijgehouden, klantgegevens verspreid over vijf plekken, een productcatalogus die niet klopt. Geef dat aan een AI en je krijgt rommel terug, alleen sneller en met meer zelfvertrouwen.
Geen van deze vier is een AI-probleem. Het zijn organisatie- en proces-problemen. En precies daarom werkt "nog een tool erbij kopen" niet.
Van pilot naar praktijk: hoe het wel werkt
Naar praktijk komen is geen kwestie van een groter model of een duurder platform. Het is een kwestie van anders beginnen. Klein, afgebakend, en meteen op de juiste plek in je proces.
Kies één echt proces
Niet "wij gaan AI doen", maar één concreet, herkenbaar proces dat nu pijn doet. Liefst iets repetitiefs, met genoeg volume om het verschil te voelen, en waar fouten goed te herstellen zijn. Inkomende facturen verwerken. E-mail van klanten sorteren en concept-antwoorden klaarzetten. Bestellingen die tussen je webshop en je administratie heen en weer moeten. Eén proces, een meetbaar resultaat, een duidelijk moment waarop het klaar is.
De fout die ik vaak zie is breedte: tien dingen tegelijk een beetje proberen. Dan heb je tien halve oplossingen en nul die je vertrouwt. Smal beginnen is niet voorzichtig, het is gewoon sneller resultaat.
Zet er een eigenaar op
Geef het aan de persoon wiens werk er beter van wordt, niet aan een aparte "innovatie"-club. Diegene weet waar het echt schuurt, merkt direct of het helpt, en heeft een reden om het te laten slagen. Zonder eigenaar zakt elk experiment vanzelf terug naar de oude manier, want de oude manier werkt tenminste.
Hou een mens in de lus
De AI doet het zware voorwerk, een mens drukt op de knop. De agent leest de factuur en zet de gegevens klaar, jij keurt goed. Het model schrijft een concept-antwoord, jij verstuurt. Dit is geen halve oplossing, dit is de volwassen oplossing. Je houdt de fouten eruit en bouwt tegelijk vertrouwen op, zodat je later de stappen waar het zich bewezen heeft kunt loslaten zonder dat iemand elke keer hoeft te kijken.
Meet of het echt helpt
Hier sneuvelen pilots ook: niemand weet of het werkte. Spreek vooraf af wat je meet. Hoeveel tijd het scheelt, hoe vaak de AI het in één keer goed heeft, hoeveel er nog handmatig gecorrigeerd moet worden. Niet om een rapport te vullen, maar omdat je zonder meting niet weet of je moet uitbreiden, bijsturen of stoppen. En soms is stoppen het juiste antwoord. Dat is geen mislukking, dat is geld besparen.
Veranker het in je bestaande systemen
Dit is het deel dat het verschil maakt tussen een speeltje en een gereedschap. De AI moet ín het proces zitten, niet ernaast. Hij leest direct uit het systeem waar de data al staat, en zijn output landt automatisch op de juiste plek. De medewerker hoeft niet uit zijn vertrouwde scherm te stappen.
Een voorbeeld: een agent die een binnenkomende bestelling uit je webshop leest, de factuur klaarzet in je boekhouding en de voorraad bijwerkt, zonder dat iemand iets overtikt. Of inkomende leads die automatisch in je CRM belanden met een nette samenvatting erbij. Dat is geen los AI-experiment meer. Dat is gewoon hoe het werk voortaan gaat.
Het echte werk zit in de koppelingen
Wat ik telkens terugzie: de AI is zelden het moeilijke deel. Het moeilijke deel is je systemen netjes aan elkaar knopen, zodat het model betrouwbare data heeft om mee te werken en zijn werk ergens kan landen. Een afgebakende agent op jouw proces is pas zo sterk als de integraties eronder schoon en stabiel zijn. Daar gaat het grootste deel van het echte werk in zitten, en daar zit ook de blijvende waarde.
Dat is ook waarom de keuze voor maatwerk versus een generieke tool er toe doet. Een agent die precies één ding doet, op jouw processen, met jouw koppelingen, en die niets meer mag dan nodig is, is betrouwbaarder dan een platform dat beloofd alles te kunnen. Self-hosted waar dat kan, zodat je data van jou blijft. Niet sexy, wel iets waarop je maandag gewoon kunt leunen.
Het verschil tussen een pilot die in een la verdwijnt en iets dat dagelijks draait, zit vrijwel nooit in het model. Het zit in eigenaarschap, in integratie, en in de bereidheid om klein te beginnen en eerlijk te meten. Wie dat serieus aanpakt, merkt al snel dat AI geen aparte laag is bovenop het bedrijf, maar gewoon onderdeel van hoe het werk voortaan gaat.
