Niet elk proces moet geautomatiseerd worden. Hoe je weet wanneer AI het verkeerde antwoord is.

Vorige maand zat ik tegenover een directeur die de klachtenafhandeling van zijn bedrijf wilde automatiseren. Elke klantmail, automatisch gerouteerd en beantwoord door AI. Hij had budget. Hij had akkoord van het bestuur. En mijn eerlijk advies was: doe het niet.

Niet omdat de technologie er niet is. Die is er wel. Maar omdat in zijn geval de schade van fouten veel groter zou zijn dan de uren die hij bespaart. Zijn drie belangrijkste klanten werkten al meer dan vijftien jaar met hem samen. Als een van hen een klacht stuurt, verwachten ze iemand die hun geschiedenis kent. Geen gegenereerd antwoord dat netjes klinkt maar hol aanvoelt.

Dit is het gesprek dat niemand in AI-consulting wil voeren. Elke leverancier, elk platform, elke demo zegt ja. Ja, je moet automatiseren. Ja, AI bespaart je tijd. Ja, de ROI is duidelijk. Maar soms is dat niet zo. En weten wanneer je wel en wanneer je niet moet automatiseren, is meer waard dan welke tool dan ook.

Hier zijn vijf tekenen dat een proces beter bij mensen blijft.

1. Het proces is te rommelig of verandert te vaak

AI-automatisering werkt het best bij gestructureerde, herhaalbare taken. Als je proces er elke week anders uitziet, als de regels afhangen van wie er betrokken is, als er vijftien uitzonderingen zijn voor elke standaardsituatie, dan gaat de automatisering continu stuk. Je besteedt meer tijd aan het onderhouden van het systeem dan je ooit kwijt was aan het handmatig uitvoeren.

Ik zie dit regelmatig bij interne goedkeuringsflows. Op papier zien ze er eenvoudig uit. In de praktijk wordt de helft van de beslissingen genomen in de wandelgang en is het “officiële” proces fictie. Fictie automatiseren maakt het alleen maar duurdere fictie.

2. Het gebeurt te weinig om de investering te rechtvaardigen

Een taak die twee uur kost maar slechts een keer per kwartaal voorkomt, is geen zes weken ontwikkeling waard. De rekensom klopt niet. Ik heb bedrijven gezien die €15.000 uitgaven aan het automatiseren van een proces dat hen misschien €3.000 per jaar aan arbeid kost. Dat is een terugverdientijd van vijf jaar, voor iets dat over twee jaar waarschijnlijk opnieuw gebouwd moet worden.

Tel voor je iets automatiseert hoe vaak het daadwerkelijk voorkomt. Volume is wat automatisering rendabel maakt.

3. De beslissing vraagt echt om menselijk oordeelsvermogen

Sommige taken vereisen empathie, context of politiek bewustzijn dat geen enkel model betrouwbaar kan bieden. Een gevoelige HR-situatie afhandelen. Onderhandelen met een leverancier waarmee je al tien jaar werkt. Reageren op een klant die niet boos is om de feiten, maar om de relatie.

AI kan bij zulke momenten ondersteunen. Het kan concepten schrijven, samenvatten, signaleren. Maar de uiteindelijke beslissing moet van iemand komen die begrijpt wat er echt op het spel staat. De beslissing zelf automatiseren is waar bedrijven in de problemen komen.

4. Het team heeft eigenaarschap nodig, geen efficiëntie

Soms is een proces bewust traag. Niet omdat niemand eraan gedacht heeft om het te versnellen, maar omdat de betrokkenen gehoord moeten worden. Denk aan intern verandermanagement, veiligheidsreviews of kwaliteitsgoedkeuringen in gereguleerde sectoren. De waarde zit niet in het resultaat. Die zit in het proces zelf.

Als je deze workflows automatiseert, win je snelheid en verlies je draagvlak. Die afweging is bijna nooit de moeite waard.

5. De data is er gewoon niet

AI heeft data nodig. Als je proces draait op ervaring in hoofden, post-its en “vraag het aan Jan, die weet het,” dan is er niets waar een model van kan leren. Je kunt maanden besteden aan opschonen, structureren en digitaliseren. Maar op dat punt kost het dataproject meer dan de automatisering ooit zou opleveren.

Dit is de meest voorkomende valkuil die ik zie bij KMO’s. De ambitie is juist, maar de basis is er nog niet. Het eerlijke antwoord is: fix eerst de data, en herbekijk automatisering over een jaar.

Waarom dit ertoe doet voor je budget

Een mislukt automatiseringsproject verspilt niet alleen de ontwikkelkosten. Het verspilt de tijd die je team besteedde aan specificaties schrijven, testen, feedback geven, en vervolgens terugkeren naar de oude werkwijze. Ik heb projecten gezien waar de verborgen kosten van een verkeerde automatiseringsbeslissing twee tot drie keer de geoffreerde prijs bedroegen.

De beste investering is niet altijd de volgende AI-tool. Soms is het weten welke vijf processen je automatiseert en welke vijf je met rust laat.

Hoe je het goed aanpakt

Dit is precies waarvoor de AI-waardescan ontworpen is. Het is een gestructureerde diagnose die je processen in kaart brengt, scoort op automatiseringspotentieel en je een eerlijke prioriteitenlijst geeft. Niet alles komt in de kolom “nu automatiseren” terecht, en dat is precies het punt. De scan bespaart je €20.000 aan een project dat nooit had moeten starten, en wijst je naar het project dat zich in drie maanden terugverdient.

Wil je duidelijkheid voordat je budget vastlegt? De AI-waardescan is een goed startpunt.