Bijna elke directie heeft intussen een AI-pilot lopen. Toch verandert er bij de meeste organisaties opvallend weinig. Dat ligt niet aan een gebrek aan ambitie, en evenmin aan de technologie zelf. Het ligt aan wat er na de demo gebeurt.
Waarom AI-pilots vaak blijven hangen
Een grootschalig onderzoek van MIT (The GenAI Divide: State of AI in Business 2025) zette de cijfers op een rij. Op basis van 150 interviews, 350 bevraagde medewerkers en een analyse van 300 publieke AI-implementaties bleek dat ongeveer 95% van de enterprise AI-pilots geen meetbaar resultaat oplevert. Slechts 5% versnelt echt. De kloof tussen die twee groepen draait niet om budget of om het nieuwste model. Ze draait om integratie.
De echte kloof zit in de inbedding
De makkelijke verklaring is dat de technologie nog niet rijp is. De cijfers wijzen een andere richting uit. MIT noemt het de learning gap: de pilot blijft een eiland. Het model doet wel iets slims in een demo, maar raakt nooit verweven met de manier waarop je teams echt werken, beslissen en opvolgen. Niet het model faalt, maar de inbedding ervan.
Het patroon is herkenbaar. Een team test een slimme assistent op enkele voorbeelden, de demo oogst applaus, en daarna gebeurt er niets. De data blijft versnipperd, niemand voelt zich eigenaar, en het oude proces draait gewoon verder naast het nieuwe. Zes maanden later staat de pilot stil.
Begin niet waar AI het meest zichtbaar is
Daar komt een tweede patroon bij. Meer dan de helft van de AI-budgetten gaat naar zichtbare zaken vooraan, zoals sales- en marketingtools. En net daar blijft de return vaak uit. De grootste winst zit volgens hetzelfde onderzoek in de achterkant van je organisatie: werk dat je vandaag uitbesteedt, taken die zich eindeloos herhalen, doorlooptijden die blijven hangen.
Dat is geen pleidooi tegen zichtbare AI. Het is een pleidooi om te beginnen waar de pijn het grootst en het meest meetbaar is. In de machinekamer is het resultaat zwart op wit: een doorlooptijd die halveert, een wachtrij die korter wordt, werk dat niet langer naar buiten moet. Dat soort winst overtuigt een directie sneller dan de zoveelste demo.
Koop slim, bouw doelgericht
En dan is er de bouw-of-koop-vraag. Organisaties die gericht inkopen bij gespecialiseerde partners en echt samenwerken, slagen volgens het onderzoek ongeveer twee keer op drie. Wie alles zelf van nul bouwt, slaagt ongeveer een derde zo vaak. De les is niet dat je geen eigen kennis nodig hebt. De les is dat je je schaarse capaciteit beter inzet op inbedding dan op het opnieuw uitvinden van een model dat al bestaat.
Wat de 5% anders doet
Wat doen die 5% dan anders? In de praktijk komt het neer op drie keuzes.
- Ze starten bij een proces, niet bij een tool. Ze kiezen een afgebakend proces met een duidelijke pijn en bouwen de AI daar rond, in plaats van een tool te kopen en er achteraf een probleem bij te zoeken.
- Ze meten resultaat van bij de start. Geen vage belofte van efficiëntie, maar een concreet getal: minder doorlooptijd, minder fouten, minder uitbesteed werk. Wat je niet meet, schaal je nooit op.
- Ze behandelen integratie als het echte werk. De demo is tien procent van het traject. De overige negentig procent zit in workflows, data, rollen en gedrag. Daar valt of staat je pilot.
De vraag achter elke AI-investering
Voor een organisatie die voor de keuze staat, levert dat een nuchtere vraag op. Investeer je in nog een pilot die straks geruisloos in de cijfers verdwijnt, of in de inbedding die het verschil maakt tussen de 95 en de 5?
Eerst de machinekamer, dan de technologie
Bij ideeds vertrekken we net vanuit die machinekamer. We kijken eerst naar je processen en je data, en pas daarna naar de technologie. Want een AI-pilot die niet verweven raakt met hoe je werkt, is geen transformatie. Het is een dure demo.
Wil je weten in welke groep jouw AI-initiatieven vandaag zitten? Spar met ideeds en we brengen het samen in kaart.
