Waarom 95% van de AI-projecten faalt. En hoe je zorgt dat je bij de overige 5% hoort
Van elke honderd AI-projecten in het bedrijfsleven leveren er 95 niets op; geen euro winst, geen euro besparing. Dat is de uitkomst van het veelbesproken MIT-onderzoek The GenAI Divide, dat 300 AI-implementaties en gesprekken met ruim 150 bedrijfsleiders analyseerde. Volgens Boudijn Driesen van Bureau Tromp ligt de oorzaak doorgaans niet bij de techniek, maar bij de organisatie eromheen, en daarmee bij de directie.
Bureau Tromp, een adviesbureau gespecialiseerd in operational excellence, ziet sinds een jaar of twee steeds vaker AI opduiken in zijn verbetertrajecten. De problemen die het bureau daar tegenkomt, komen overeen met de bevindingen van MIT.
“Het gaat bijna nooit mis door de techniek. Het gaat mis door de keuzes die niemand maakte voordat de AI erbij kwam”, diagnosticeert managing partner Boudijn Driesen. “Dat is geen technisch probleem, maar een leiderschapsprobleem.”
AI op een rommelig proces
Het eerste patroon dat Bureau Tromp herkent: organisaties laten AI los op werk dat zelf nog niet op orde is.
Driesen noemt een logistieke dienstverlener die AI wilde inzetten voor de planning, terwijl de planners in vier systemen tegelijk werkten en daarnaast hun eigen Excel-bestanden bijhielden. Handmatige correcties kwamen nergens terug. “Een AI-model dat je op zo’n proces loslaat, leert vooral hoe rommelig het is”, aldus Driesen.
Bureau Tromp zette de pilot stil, ruimde eerst zes weken het proces op tot één systeem en één werkwijze, en liet de AI daarna terugkomen. Binnen acht weken werkte het in de praktijk.
Het geld gaat naar de zichtbare kant
Een tweede valkuil zit in de toewijzing van het budget. Een chatbot op de website oogt goed in een directievergadering, een systeem dat facturen verwerkt veel minder. En dus stroomt volgens MIT het leeuwendeel van de AI-budgetten naar sales en marketing, terwijl het rendement juist in operations en finance zit.
“Wie niet in euro’s kan zeggen wat een AI-project moet opleveren, hoort vrijwel zeker bij de 95%”
Daar komt bij dat bedrijven vaak zelf bouwen wat ze beter kunnen kopen: AI die met externe specialisten wordt ontwikkeld, slaagt volgens het onderzoek ongeveer twee keer zo vaak als wat een interne IT-afdeling in haar eentje maakt. Juist in sterk gereguleerde sectoren als de zorg, banken en verzekeraars, waar men denkt het zelf te moeten doen, zijn de resultaten het slechtst.
En dan is er het onderhoud. “Een AI-systeem is geen broodrooster. Het blijft leren, en iemand moet blijven kijken of het nog klopt”, zegt Driesen. “Modellen die op dag één perfect draaien, lopen een half jaar later achter de feiten aan, vaak zonder dat iemand het in de gaten heeft.”
Eerst opruimen, dan automatiseren
De rode draad is een principe dat Toyota al sinds 1948 hanteert: ruim eerst je werk op, automatiseer pas daarna. Voor AI geldt dat volgens Driesen nog sterker dan voor robots, omdat de logica van een AI-model verstopt zit in data en patronen.
Een rommelig proces dat je daarin stopt, levert een blackbox op die later niet meer fatsoenlijk te repareren is. Een traject dat begint met opruimen en meten, kost bovendien vaak minder tijd dan een pilot die anderhalf jaar duurt en niets oplevert.
Wanneer Bureau Tromp bij een directie aanschuift, legt het vier vragen op tafel. En geen ervan gaat over techniek: wat moet het in euro’s opleveren, begrijpt de organisatie haar eigen proces, waar ligt de grens tussen kopen, samen ontwikkelen en zelf bouwen, en wie wordt eigenaar van het resultaat?
“Wie niet in euro’s kan zeggen wat een AI-project moet opleveren, hoort vrijwel zeker bij de 95%”, stelt Driesen.
Wat de 5% anders doet
De bedrijven die behoren tot de kleine minderheid die volgens MIT wél resultaat boekt, delen een paar kenmerken: ze pakken één scherp afgebakend probleem aan en lossen dat op voordat ze opschalen, ze werken samen met externe specialisten en ze bouwen er vanaf het begin in dat het systeem moet blijven leren.
Het zijn volgens Driesen geen keuzes voor een ontwikkelteam, maar voor de directie zelf. De echte vraag is dan ook niet óf AI de markt verandert, maar of een organisatie de regie pakt of die overlaat aan de hype, de leverancier en de eigen IT-afdeling. “Eerst snappen we ons eigen werk, dan pas automatiseren we het”, aldus Driesen.
