AI strategie / implementatie / valkuilen
Waarom 80% van AI-projecten faalt (en hoe je het wél goed doet)
Het cijfer circuleert al jaren: 70 tot 80 procent van AI-projecten haalt niet het verwachte resultaat. Gartner, McKinsey, en Rand Corporation publiceren varianten van hetzelfde verhaal. Maar waarom? En belangrijker: hoe zorg je dat jouw project bij de andere 20% hoort?
Na het analyseren van bedrijfsprocessen in uiteenlopende sectoren zie ik steeds dezelfde drie patronen bij projecten die falen.
Valkuil 1: Beginnen bij de technologie in plaats van het probleem
Het meest voorkomende scenario: een bedrijf hoort over ChatGPT, copilots, of “AI-transformatie” en besluit dat ze “iets met AI moeten doen.” Er wordt een tool aangeschaft of een project gestart zonder duidelijk antwoord op de vraag: welk bedrijfsprobleem lossen we hiermee op?
Het resultaat is voorspelbaar. De tool wordt een oplossing op zoek naar een probleem. Het team begrijpt niet waarom ze het moeten gebruiken. Na drie maanden staat het erbij als de fitnessapparatuur die je in januari kocht.
Wat wél werkt: Begin bij de operatie. Breng in kaart welke processen de meeste tijd, geld, of frustratie kosten. Kijk dan pas welke technologie die problemen het beste oplost. Soms is dat AI. Soms is het een simpele automatisering of een betere tool die al bestaat.
Valkuil 2: Te groot beginnen
Het tweede patroon: een bedrijf dat meteen een volledig “AI-gedreven platform” wil bouwen. Een systeem dat alles doet — klantcommunicatie, rapportage, voorspellingen, documentgeneratie. Het projectplan telt 47 pagina’s en de doorlooptijd is 18 maanden.
Grote projecten falen vaker dan kleine. Niet omdat de technologie niet kan, maar omdat de vereisten halverwege veranderen, het budget opraakt, of het team de motivatie verliest wanneer er na zes maanden nog steeds niets tastbaars is.
Wat wél werkt: Begin met één concrete quick win. Eén proces, één tool, meetbaar resultaat binnen 4 weken. Als dat werkt en het team het omarmt, breid je uit. De beste AI-implementaties groeien organisch vanuit bewezen successen.
Valkuil 3: Mensen vergeten
De derde valkuil is de subtielste. Een technisch perfect systeem dat niemand gebruikt. Niet omdat het niet werkt, maar omdat het team niet betrokken was bij het ontwerp, de workflow verandert op manieren die niet besproken zijn, of er simpelweg geen training was.
AI verandert hoe mensen werken. Dat is geen technisch probleem — dat is een menselijk probleem. Change management, training, en betrokkenheid vanaf dag één zijn geen luxe maar noodzaak.
Wat wél werkt: Betrek de mensen die het systeem gaan gebruiken vanaf het begin. Niet alleen het management, maar de operationele medewerkers. Zij weten waar de pijnpunten zitten. Zij moeten het gaan gebruiken. Als zij het nut niet zien, is je project gedoemd.
Het patroon achter succesvolle AI-projecten
De 20% die wél slaagt, deelt drie eigenschappen:
Ze beginnen bij een echt probleem. Niet bij technologie, niet bij hype, maar bij een concreet operationeel pijnpunt dat de organisatie tijd en geld kost.
Ze beginnen klein. Eén use case, snel resultaat, bewijs dat het werkt. Dan uitbreiden. De snelste weg naar een AI-gedreven organisatie is ironisch genoeg niet een groot project, maar een reeks kleine successen.
Ze betrekken hun mensen. De eindgebruikers zijn onderdeel van het proces, niet het sluitstuk. Ze begrijpen waarom het er is, ze hebben het zien groeien, en ze weten hoe het werkt.
Hoe een audit dit oplost
Een gestructureerde audit dwingt deze drie principes af. Je kunt niet beginnen bij technologie als je eerst drie weken bezig bent met het in kaart brengen van processen en pijnpunten. Je kúnt niet te groot beginnen als de roadmap expliciet prioriteert op impact en haalbaarheid. En je betrekt je mensen automatisch, want de audit begint met gesprekken met het team dat het werk doet.
Het is geen garantie op succes. Maar het is de beste manier om te voorkomen dat je bij de 80% belandt.