Blog

Waarom AI-pilots stranden: 3 redenen en wat wel werkt

Waarom AI-pilots stranden: 3 redenen en wat wel werkt

Waarom AI-pilots stranden: 3 redenen en wat wel werkt

Blue Flower

Waarom de licentie nog altijd ergens betaald wordt

Vorig jaar zomer kocht je een Copilot-licentie voor twee mensen. Je verwachtte tijd terugwinnen. In oktober gebruikte er nog één hem af en toe, in januari niemand. De ervaring zit in je hoofd, AI is leuk maar niet voor ons type werk. Dat klopt half.

Je hebt het tweemaal geprobeerd. ChatGPT bij één adviseur. Een marketingtool met ingebouwde AI. Misschien een gratis maand op Notion AI of Claude. En toch werkt het bij die hypotheekadviseur uit jouw netwerk wel. Niet omdat hij betere prompts schrijft, wel omdat hij de pilot anders heeft ingericht.

Wat de cijfers laten zien, met context

Uit het Searchlab-rapport AI in Nederland Statistieken 2026 blijkt dat een ruime meerderheid van het Nederlandse MKB AI inmiddels in een of andere vorm heeft ingezet. Tegelijk geeft bijna de helft van ondernemers aan niet te weten hoe ze AI effectief moeten inzetten. Bron-context, dit is een onderzoek over Nederlandse MKB-bedrijven in brede zin, niet specifiek over zakelijke dienstverlening, maar de verdeling tussen "hebben" en "effectief inzetten" herken je waarschijnlijk wel.

De samenvatting van die cijfers is, adoptie zegt niets over impact. Een licentie kopen is geen project draaien. Een tool aanschaffen is geen proces verbeteren.

Waarom pilots op individueel niveau stranden

Drie redenen die we structureel terugzien.

Een, eigenaarschap. Eén persoon gebruikt het, vertrekt of krijgt het te druk, het verdwijnt. Er is niemand die het bewaakt of doorontwikkelt. De pilot leeft op de laptop van de enthousiasteling, niet in het bedrijf.

Twee, plek in het proces. De pilot zit naast je werk, niet erin. Een adviseur opent ChatGPT in een tweede tabblad als hij eraan denkt, vergeet het de helft van de tijd, en de besparing wordt nooit zichtbaar in de doorlooptijd. Wat je niet meet, voel je niet.

Drie, koppelingen. De tool kent jouw klantdata niet. Voor elke prompt moet de adviseur context handmatig erin plakken. Dat werkt drie keer, daarna geeft hij het op. Niet omdat hij lui is, omdat het tikkie meer werk dan winst is.

Kortom, de pilot eindigt op de plek waar hij begon, namelijk bij één persoon, naast het proces, zonder data-koppeling.

Wat het verschil is tussen pilot en werkend systeem

Een pilot beantwoordt vragen ad hoc. Een werkend systeem zit in je proces.

Concreet voorbeeld bij een hypotheekkantoor. Pilot is, ik gebruik ChatGPT om mijn klantadvies samen te vatten. Werkend systeem is, elk financieringsverzoek wordt automatisch gelezen, gerubriceerd en met de juiste velden voorgevuld in ons CRM, daarna gaat het naar de juiste adviseur op basis van complexiteit. Datzelfde proces, maar dan ingebed.

Voor een makelaardij met meerdere vestigingen. Pilot is, twee makelaars gebruiken Claude voor hun teksten. Werkend systeem is, social posts uit alle vier vestigingen lopen centraal door een goedkeuring-flow waar AI de huisstijl checkt en de eindbaas in één dashboard accordeert. Geen vier WhatsApp-groepen meer, geen verschillende stemmen.

Voor een beveiligingsbedrijf. Pilot is, de planner gebruikt AI voor zijn rooster. Werkend systeem is, incidenten en rondes leveren automatisch een gestructureerd rapport op dat naar opdrachtgevers gaat zonder dat een teamleider achteraf nog tweemaal hoeft te tikken.

Het verschil zit in drie woorden. Eigenaar, proces, koppeling. Wie is verantwoordelijk, waar zit het in onze workflow, hoe komt het bij onze data.

Waarom een audit het verschil maakt

De AI-audit dwingt drie vragen af voor elke kans die we vinden.

Welke drie processen kosten samen 50 tot 100 uur per maand en lenen zich het best voor automatisering. Wie wordt eigenaar van de eerste implementatie. Welke koppelingen zijn nodig om dit niet weer een eilandje te laten worden.

Als geen van die drie vragen helder beantwoord is, blijft elk traject pilot. Als ze alle drie helder zijn, is de overgang van pilot naar werkend systeem voorspelbaar. Geen wensdenken, gewoon werk.

Wat je terugkrijgt na veertien dagen

Een AI-kansenrapport met 8 tot 15 kansen, gescoord op impact en haalbaarheid. Een procesinventarisatie, as-is, waar zit nu de tijd, frustratie en herhaling. Een roadmap waarin de top 3 tot 5 kansen zijn uitgewerkt met volgorde en afhankelijkheden. Een afsluitende presentatie met DGA en team. Een vervolgvoorstel met heldere keuzes voor implementatie of retainer.

Geen 80 pagina's PowerPoint. Wel concrete actiepunten die je morgen op de directiebespreking kunt leggen.

De volgorde die wel werkt

Audit eerst. Daarna implementatie van je eerste use case in vijf tot acht weken, met een duidelijke eigenaar en koppelingen ingebouwd. Daarna een AIOS-retainer voor doorontwikkeling, zodat het niet bij die ene use case blijft. Geen Big Bang, wel drie stappen die elkaar versterken.

De hypotheekadviseur naast je is geen genie. Hij heeft alleen niet de fout gemaakt te denken dat een licentie genoeg was.

De eerste stap

Als je herkent dat je eerste pilot ergens in een licentie-overzicht staat zonder dat iemand er wat mee doet, is dat geen reden om te concluderen dat AI niet werkt. Het is een reden om opnieuw te beginnen, met de volgorde die wel werkt.

Plan een AI-audit →

Veertien dagen later heb je iets concreets in handen. Geen pilot.

Blijf lezen

Bekijk onze laatste blogs

Je voelt al dat het anders moet,
wij laten zien hoe.

Je weet zelf waar het schuurt. Wij denken mee hoe AI daar écht iets aan kan doen.

30 minuten. Digitaal of in Enschede. Jij bepaalt.

Je voelt al dat het anders moet,
wij laten zien hoe.

Je weet zelf waar het schuurt. Wij denken mee hoe AI daar écht iets aan kan doen.

30 minuten. Digitaal of in Enschede. Jij bepaalt.

Je voelt al dat het anders moet,
wij laten zien hoe.

Je weet zelf waar het schuurt. Wij denken mee hoe AI daar écht iets aan kan doen.

30 minuten. Digitaal of in Enschede. Jij bepaalt.