De AI-paradox: veel investeren, weinig opleveren
Slechts 25% van alle AI-initiatieven levert het verwachte rendement. Sterker nog: volgens een MIT-studie ziet 95% van de organisaties geen meetbaar resultaat van hun AI-investeringen. Hoe kan dat? In deze blog deelt Thijs de Groote, algemeen manager bij SatisfITeers, zijn kijk op de AI-paradox en hoe je voorkomt dat jouw investering in een zwart gat verdwijnt.
Wat is er aan de hand?
Er gaan miljarden om in AI. Elke leverancier roept dat je nú moet instappen, ‘anders mis je de boot’. Ondertussen blijkt uit onderzoek van IBM dat driekwart van de AI-projecten niet oplevert wat ervan werd verwacht. En dan heb ik het nog niet over de MIT-studie die stelt dat 95% van de organisaties helemaal geen meetbaar rendement ziet. Dat is best gek, als je erover nadenkt. Zoveel geld, zoveel beloftes, zo weinig resultaat.
Waarom rendeert die Copilot-licentie nog niet?
We zien het regelmatig. Er wordt een tool aangekocht – Copilot, ChatGPT, Gemini, Claude, noem maar op – en de verwachting is dat het vanzelf gaat werken. Iedereen mag ermee aan de slag. Maar een paar maanden later blijkt dat niemand het structureel inzet.
Zo kan het zomaar zijn dat een ervaren medewerker meer tijd kwijt is aan het formuleren van goede prompts en het corrigeren van de output dan aan het werk zelf. Of dat een dure licentie maandenlang ongebruikt blijft liggen omdat niemand weet hoe ermee te beginnen.
Het probleem zit niet in de technologie. Het zit in de aanpak. Een tool je organisatie infietsen en hopen dat het werkt? Dat is geen strategie. En als je niet weet wat je wilt verbeteren, hoe meet je dan of het gelukt is?
De valkuil van twee kanten
Er zijn twee manieren om AI-projecten te laten mislukken.
De eerste: eindeloos onderzoeken. Consultants die eerst maanden willen inventariseren wat er allemaal beter kan. Rapporten vol analyses en aanbevelingen. Tegen de tijd dat je mag beginnen, is het enthousiasme verdwenen. Niemand wil meer innoveren.
De tweede: blind enthousiasmeren. Vol gas op de nieuwste tool duiken omdat het cool is. Geen concrete doelen, geen meetbare resultaten. Na een half jaar vraagt iemand: wat heeft het ons opgeleverd? Stilte.
De waarheid ligt in het midden. Je hebt inspiratie nodig om mensen mee te krijgen, maar ook inventarisatie om te weten waar je naartoe werkt. Die balans bepaalt of je AI-project slaagt of strandt.
Het blijft mensenwerk
AI implementeren is geen technisch project. Het is een verandertraject. En verandering begint bij mensen, zoals ik ook al schreef in mijn eerdere blog over de AI-revolutie. Praten: wat zijn de echte knelpunten in jullie werk? Kijken: hoe werken teams nu en welke processen lenen zich voor AI-ondersteuning? Doen: klein beginnen, meten, bijsturen.
Dat klinkt misschien minder spannend dan 'we gaan alles automatiseren met AI'. Maar het is wel de aanpak die werkt. Die 5% van de organisaties die wél rendement ziet, doet het anders. Ze kiezen één concreet probleem – liefst iets met meetbare impact, zoals doorlooptijd of foutreductie – en lossen dat eerst goed op. Ze integreren AI in bestaande werkprocessen in plaats van het ernaast te zetten. En ze werken samen met partijen die het al eens eerder gedaan hebben, in plaats van alles zelf uit te vinden. Uit de eerdergenoemde MIT-studie blijkt dat tools van gespecialiseerde partners twee keer zo vaak succesvol zijn als volledig intern gebouwde oplossingen.
Herkenbaar?
Heb je AI-tools in huis die niet worden gebruikt? Of twijfel je of een investering in AI de moeite waard is? Neem contact op met Thijs via ons contactformulier of bel naar 0118-613 220. We kijken graag met je mee.
Geen vraag, maar wel geïnspireerd? Volg onze LinkedIn-pagina of schrijf je in voor onze blogs.