Waarom 70% Van De AI-Projecten Mislukt (En Hoe Je Dat Voorkomt)
Je hoort het getal overal: 70% van de AI-projecten levert niet op wat ervan verwacht werd. Wat je minder hoort is waarom. Na jaren aan beide kanten van die scheidslijn gewerkt te hebben, kan ik je vertellen: het ligt bijna nooit aan de technologie. Het ligt aan hoe bedrijven het aanpakken.
Eerst kopen, dan nadenken
De meeste bedrijven beginnen hun AI-avontuur met software kopen. Ze zien een concurrent iets met AI aankondigen, raken lichtelijk in paniek, en gaan shoppen. De redenering klinkt logisch: eerst de tools in huis halen, dan uitzoeken wat je ermee doet.
Dit is de wereld op z'n kop. Het is alsof je een heftruck koopt voordat je weet wat je moet verplaatsen. Of überhaupt een magazijn hebt.
Wat er daarna gebeurt is voorspelbaar. De tool wordt geïnstalleerd. Iemand bouwt een demo. Het management is enthousiast. En dan loopt het project vast, omdat niemand heeft uitgewerkt welk bedrijfsproces het moest verbeteren, wie het dagelijks zou gebruiken, of hoe je succes zou meten.
Zes maanden later staat de tool stof te vangen. De leverancier krijgt de schuld. Het bedrijf concludeert dat AI niet werkt in hun branche.
Drie manieren waarop projecten stranden
De eerste valkuil is het verkeerde probleem oplossen. Een financiële dienstverlener waar we mee spraken had acht maanden besteed aan een AI-systeem voor klantrapportages. De rapporten zagen er gelikt uit. Maar hun klanten lazen geen rapporten. Die wilden gebeld worden. De AI loste een probleem op dat niemand had.
De tweede is de mensen vergeten. Een logistiek bedrijf automatiseerde hun ritplanning. Het algoritme was wiskundig perfect. De chauffeurs hadden er een hekel aan. Het negeerde hun kennis over welke laaddocks echt toegankelijk waren, welke klanten extra tijd nodig hadden, waar wegwerkzaamheden waren. Binnen drie weken overschreven de planners elke suggestie. Het systeem werd dure ruis.
De derde is onderschatten wat er komt kijken bij integratie. AI bestaat niet in een vacuüm. Het moet koppelen met je ERP, je CRM, je documentbeheer, je mail. Elke koppeling is een potentieel breekpunt. Bedrijven budgetteren voor de AI, maar niet voor het leidingwerk.
Wat de succesvolle 30% anders doet
Bedrijven die slagen beginnen bij de operatie, niet bij de technologie. Ze kiezen een specifiek proces, meestal eentje met veel volume en relatief routinematig werk. Ze kijken hoe mensen het werk vandaag echt doen. Ze brengen in kaart waar de tijd naartoe gaat en waarom.
Pas als ze de huidige situatie begrijpen, vragen ze wat AI zou kunnen doen. En vaak is het antwoord smaller dan verwacht. Niet 'klantenservice transformeren' maar 'eerste conceptantwoorden opstellen voor de 15 meest voorkomende supportvragen'. Niet 'boekhouding automatiseren' maar 'factuurnummers en datums uit PDF's halen'.
Succesvolle projecten houden ook langer mensen in de loop dan strikt nodig lijkt. De AI doet de routinezaken. Mensen pakken de uitzonderingen. Dit is geen tijdelijk compromis. Dit is het ontwerp.
En tot slot: de 30% meet obsessief. Geen ijdele metrics zoals 'AI-nauwkeurigheid', maar bedrijfsresultaten: tijdwinst per taak, foutpercentages, medewerkerstevredenheid, reactietijden richting klanten. Als de cijfers niet verbeteren, passen ze aan of stoppen ze ermee. Ze worden niet verliefd op de technologie.
Opnieuw beginnen
Als je al een mislukt AI-project achter de rug hebt, sta je niet alleen. En je bent niet uitgespeeld. De technologie was niet het probleem. De aanpak was het probleem.
Begin kleiner dan ambitieus voelt. Kies één werkproces. Breng het grondig in kaart. Zoek de meest repetitieve, minst complexe taken erbinnen. Bouw automatisering voor alleen die taken. Meet de resultaten. Breid dan pas uit.
Dit is langzamer dan een platform kopen en hopen op transformatie. Het is ook hoe elke succesvolle implementatie die we gezien hebben daadwerkelijk heeft gewerkt.
AI-projecten mislukken niet door technische beperkingen. Ze mislukken doordat bedrijven het huiswerk overslaan: je operatie begrijpen voordat je naar oplossingen grijpt. De 30% die slaagt is niet slimmer of rijker. Ze hebben gewoon meer geduld om dingen in de juiste volgorde te doen.