Niet elk gesprek over AI leidt bij ons tot een concreet project. Soms is ons advies: doe het niet. Nog niet. Of niet op deze manier.
Dat klinkt misschien vreemd voor een bureau dat AI-diensten aanbiedt. Maar een mislukt AI-project kost je meer dan een project dat je nooit bent begonnen – financieel, operationeel en in het vertrouwen dat je team nog heeft in AI. Één slechte pilot kan een bedrijf jarenlang terughoudend maken om nog met AI aan de slag te gaan.
In dit artikel: vijf situaties waarin we afraden om met AI te starten, en wat je beter wél kunt doen.
Situatie 1: Het onderliggende proces is niet in orde
Een van de meest voorkomende valkuilen. Iemand wil AI inzetten om iets te versnellen – offertes maken, orders verwerken, rapporteren – maar het proces zelf loopt niet soepel. Niemand weet wie wat wanneer doet, gegevens staan op drie verschillende plekken en uitzonderingen worden ad hoc opgelost.
De reflex is: “AI gaat dat stroomlijnen.” In de praktijk: nee. AI automatiseert wat er is. Als wat er is chaos is, krijg je geautomatiseerde chaos. Sneller, ja. Beter, zelden.
Wat je eerst moet doen: het proces zelf op orde brengen. Niet met een langdurig consultancy-traject, maar door de betrokkenen bij elkaar te brengen en afspraken te maken: wie is verantwoordelijk voor elke stap, waar leven de gegevens en hoe worden uitzonderingen afgehandeld? Pas dan is automatisering zinvol.
Situatie 2: Er is geen interne verantwoordelijke
AI-projecten zonder duidelijke interne eigenaar mislukken. Niet af en toe – bijna altijd.
Een AI-systeem is geen software die je aan- en uitzet. Het is een doorlopend proces dat voortdurend aandacht vraagt: output beoordelen, feedback geven, uitzonderingen opvangen en het model bijsturen als de gegevens veranderen. Zonder iemand intern die hier verantwoordelijk voor is, verdwijnt het project al snel in het niets.
De vraag die we stellen voor we beginnen: wie gaat dit dagelijks gebruiken en aansturen? Als het antwoord is “dat zien we wel” of “iemand van IT zal er wel naar kijken”, is dat het moment om eerst die persoon aan te wijzen – met tijd en mandaat – en pas daarna te bouwen.
Situatie 3: Het volume is te laag
AI-automatisering heeft vaste opstartkosten. Die moet je terugverdienen via volume. Een proces dat je een paar keer per jaar uitvoert automatiseren? Zelden de moeite waard. Een proces dat dagelijks of zelfs meerdere keren per dag terugkomt? Dan wordt het interessant.
Het principe is eenvoudig: de tijd of het geld dat je elk jaar bespaart, moet de eenmalige bouwkosten ruim overschrijden. Is dat niet het geval, dan is dit een taak voor een mens – punt.
Wat dan wel? Twee opties: ofwel combineer je meerdere kleine, vergelijkbare processen tot één automatisering met voldoende volume, ofwel zoek je een ander proces dat wél schaalbaar is.
Situatie 4: De datakwaliteit is te slecht om beslissingen op te baseren
Vuile data is de norm, niet de uitzondering, in kmo’s die nog nooit strategisch aan datahygiëne hebben gewerkt. Typische symptomen: dezelfde klant staat drie keer in het CRM met verschillende spellingsvarianten, productcategorieën zijn inconsistent ingevuld, de helft van de contactpersonen heeft geen sectorclassificatie. Voor een mens die af en toe een klant opzoekt: vervelend, maar werkbaar. Voor een AI die op grote schaal beslissingen neemt op basis van die data: fataal.
Belangrijke nuance: AI kan wél een goed hulpmiddel zijn om die data op te schonen – duplicaten matchen ondanks spellingsverschillen, ontbrekende categorieën invullen, sectoren afleiden uit bedrijfsnamen – vaak met een mens die de twijfelgevallen controleert. Dat is op zich een legitiem en vaak waardevol AI-project.
Wat we afraden is iets anders: een AI-systeem bouwen dat dagelijks beslissingen neemt op basis van data waarvan je weet dat die niet klopt. Dan automatiseer je je eigen rommel.
Een goede zelftest: scroll eens door je eigen data-exports. Denk je voortdurend “dat moet ik eens opkuisen”? Dan is dat het signaal. Begin bij de data – eventueel met AI als hulpmiddel – voor je er een AI-systeem bovenop bouwt dat erop vertrouwt.
Situatie 5: Er is geen ruimte voor menselijke controle
Goede AI-implementaties hebben bijna altijd een ‘human-in-the-loop’-component. Voor gevallen waarin het model onzeker is, voor uitzonderingen, voor steekproefcontroles.
Als een proces vandaag 100% geautomatiseerd moet zijn – geen mens die tussenkomt, geen ruimte voor twijfel, geen tijd voor review – is AI zelden de juiste keuze. Niet omdat AI slecht is, maar omdat hoge nauwkeurigheid niet hetzelfde is als perfecte nauwkeurigheid. En in sommige processen is dat verschil het verschil tussen een rechtszaak, klantverlies of een compliance-probleem.
Dit geldt vooral voor beslissingen die mensen rechtstreeks raken: aanwervingen, kredietbeslissingen, medische triage, klantsancties. Wil je AI daar inzetten, dan moet er structureel menselijke controle zijn. Kan dat niet in jullie werkwijze, dan past AI er niet.
Wat dan wel?
Dat we afraden om nu met AI te starten, betekent niet dat we “nooit” zeggen. Het betekent: pak eerst de voorwaarden aan. Concreet:
- Ontrafel en verbeter het proces, voor je het automatiseert.
- Wijs een verantwoordelijke aan voor het toekomstige AI-traject.
- Kuis de data op of consolideer ze tot iets bruikbaars.
- Zoek een proces met voldoende volume, of combineer meerdere kleine processen.
- Bouw een realistische plek in voor menselijke controle.
Een paar maanden later is er vaak wel een project dat rijp is. En dan werkt het ook.
De eerlijke vraag die niemand stelt
Een laatste situatie die we zelden in gidsen tegenkomen: heb je überhaupt een probleem dat AI kan oplossen, of wil je vooral “iets met AI” omdat de buren ermee bezig zijn?
De druk om met AI aan de slag te gaan, komt vaak van buiten: een bestuur dat erom vraagt, een concurrent die erover communiceert, een klant die ernaar vraagt, een event waar iedereen het erover had. Dat is op zich geen slechte motivatie – het kan leiden tot echt voordeel. Maar het kan ook leiden tot een budget dat wordt besteed aan een oplossing voor een probleem dat je niet echt had.
De vraag om mee te beginnen: wat is het concrete probleem vandaag? Hoe groot is de pijn in uren, euro’s of frustratie? Blijven de antwoorden vaag, dan is de eerlijke conclusie meestal dat er nog geen AI-project nodig is. Wachten en een duidelijker probleem identificeren kost je niets. Een vaag project dat nergens toe leidt, kost tijd, geld en intern vertrouwen.
Klaar voor een eerlijk gesprek?
Twijfel je of AI voor jouw organisatie nu de juiste stap is? Laten we het erover hebben. Soms is het advies “ga ervoor”. Soms is het “wacht nog een jaar en los eerst X op”. Dat tweede antwoord geeft niemand zomaar – maar het is vaak het waardevolste dat je kunt krijgen.
