AI-enthousiasme heeft zijn eigen gravitatieveld. Iedereen wil meedoen, budgetten komen los en de vraag is nooit meer óf, maar wanneer. Dat is opwindend. Maar het is ook precies de reden waarom je toch moeilijk achterover kunt leunen.
TL;DR
- 95% van AI-pilots levert nul P&L-impact (MIT Project NANDA, 2025) — niet weinig, maar nul, en dat is de norm, niet de uitzondering.
- De vraag "wat kan AI hier doen?" is te vroeg. De echte vraag: wat is het probleem, en wat is de slimste manier om dat op te lossen?
- Wat ontbreekt is de helicopterview: iemand die even terugstapt en durft te zeggen: klopt de vraag wel?
- Terugduwen is geen obstructie. Het is de vraag stellen die in de drukte van een project zelden gesteld wordt.
- 42% van bedrijven brak AI-initiatieven af in 2025 — niet door slechte technologie, maar door een aanpak die de verkeerde vraag beantwoordde.
Maar de cijfers liegen er niet om. MIT Project NANDA publiceerde in juli 2025 (opent in nieuw venster) dat 95% van de organisaties die generatieve AI inzetten nul meetbare impact op de resultatenrekening zagen — niet weinig impact, maar nul — en Gartner stelt dat 85% van alle AI-projecten mislukt (opent in nieuw venster) door slechte datakwaliteit of een gebrek aan relevante data. Dat zijn geen randgevallen aan de rand van de statistiek, dat is gewoon de norm waar de meeste organisaties in terechtkomen.
De reden is bovendien steeds dezelfde: niet de technologie faalt maar de aanpak, omdat organisaties starten met de tool in plaats van met het probleem en vragen "wat kan AI hier doen?" terwijl de vraag die er echt toe doet luidt: wat is hier eigenlijk het probleem en wat is de slimste manier om dat op te lossen?
Wat er ontbreekt is de helicopterview
Wat ik in de praktijk zie is dat er een specifieke rol ontbreekt, en dat is niet de developer, de projectmanager of de AI-specialist in de klassieke zin, maar iemand die even terugstapt, de situatie van een afstand bekijkt en durft te zeggen: wacht even, klopt de vraag wel?
Dat klinkt simpel, maar het is het niet, want die persoon moet technisch genoeg zijn om te begrijpen wat AI wel en niet kan, procesmatig genoeg om te zien waar de echte knelpunten zitten, en communicatief genoeg om dat terug te vertalen naar de mensen die de beslissing nemen.
In grote organisaties heet die rol soms solution architect of business analist, maar in de meeste MKB-bedrijven bestaat ze niet formeel en wordt die stap dus overgeslagen — niet uit onwil, maar simpelweg omdat niemand er verantwoordelijk voor is.
Lean People beschreef het in oktober 2025 (opent in nieuw venster) treffend: veel organisaties digitaliseren de fouten die er al waren, omdat ze nooit de stap hebben gezet om eerst te optimaliseren. Hetzelfde geldt voor AI, want je kunt geen intelligentie bouwen op een fundament dat niet klopt.
De vraag achter de vraag stellen
Hoe ziet dat er in de praktijk uit? Het begint met één simpele interventie: voordat je iets bouwt of koopt, neem je twintig minuten om de vraag zelf te bevragen.
Iemand vraagt: "kunnen we AI inzetten voor de kredietbeoordeling?" De vraag achter de vraag is dan: hoe ziet het huidige proces eruit, waar zit de vertraging, wat is er niet gestandaardiseerd en welke input is ongestructureerd en waarom?
Ik heb dit soort analyse een paar keer gedaan en wat je dan ziet is vrijwel altijd hetzelfde: het proces bestaat uit acht stappen waarvan drie volledig handmatig zijn, omdat niemand ooit de moeite heeft genomen om de regels die in iemands hoofd zitten op te schrijven. De kredietregels zijn geen data maar kennis, en kennis die in iemands hoofd leeft kun je niet automatiseren, laat staan intelligenter maken — het enige wat AI in die situatie doet is de ambiguïteit versnellen.
Pas als je die vragen hebt beantwoord, weet je of AI de slimste interventie is of dat je eigenlijk gewoon je aanvraagformulier moet herbouwen en je kredietregels moet vastleggen als data in plaats van als kennis die alleen in bepaalde hoofden zit.
In veel gevallen is het antwoord: begin met digitaliseren en standaardiseren, niet als voorbereiding op AI later maar omdat dat al genoeg is om grote stappen vooruit te maken.
En dat is precies waarom ik terugduw als iemand vraagt of we "iets met AI kunnen doen." Niet omdat AI niet werkt, maar omdat die vraag te vroeg is.
Terugduwen is geen obstructie
Ik wil één misverstand wegnemen: terugduwen op een AI-voorstel is niet hetzelfde als zeggen dat AI niets waard is. Ik geloof sterk in wat AI kan en ik bouw er zelf dagelijks mee.
Maar er is een wezenlijk verschil tussen AI inzetten omdat het de slimste oplossing is voor een helder gedefinieerd probleem, en AI inzetten omdat het momentum heeft en je het gevoel wil geven dat je meedoet. Het eerste levert resultaat op en het tweede levert een pilot op die na zes maanden stilletjes wordt begraven omdat niemand precies kan uitleggen wat het heeft opgebracht.
Dat patroon herken ik in vrijwel elk gesprek dat ik hierover heb, met directeuren en ondernemers die zeggen: "ja, dat is bij ons ook zo gegaan." Ze zagen het niet aankomen omdat de dynamiek zo logisch voelt: de business wil iets, de techniek biedt een oplossing en iedereen is enthousiast, dus de trein rijdt — terwijl niemand in die driehoek formeel de taak heeft om te zeggen: wacht, laten we eerst begrijpen wat we eigenlijk nodig hebben.
Wat er ontbreekt is iemand die populair advies durft te weerstaan, en dat is uiteindelijk wat terugduwen op een AI-voorstel betekent: niet dwarsliggen, maar de vraag stellen die in de drukte van een project zelden gesteld wordt. Het is makkelijker om mee te gaan, een pilot te starten en te kijken wat het oplevert, want dat voelt constructief en modern en je krijgt er geen gedoe van — totdat de pilot na zes maanden niets heeft opgeleverd en niemand precies kan uitleggen waarom.
S&P Global Market Intelligence stelde in 2025 vast (opent in nieuw venster) dat 42% van de bedrijven hun AI-initiatieven dat jaar heeft afgebroken, tegenover 17% een jaar eerder, en dat zijn geen mislukkingen door slechte technologie maar door een aanpak die de verkeerde vraag beantwoordt.
Als je de volgende keer iemand hoort zeggen "we moeten iets met AI doen", stel dan één vraag terug: wat is het probleem dat we proberen op te lossen? Als het antwoord vaag is, heb je je antwoord al, want AI is geen antwoord maar een middel en een middel heeft pas waarde als je weet waarvoor je het inzet.