Praktijkgidsen7 minBeginner

Waarom je AI-pilot strandt: de checklist voor eigenaarschap

AI-pilots stranden zelden op de techniek. Ze stranden omdat niemand beslist, meet of onderhoudt. Met vijf vragen zet je vooraf een naam bij elke rol.

Miniatuur diorama-illustratie bij artikel 'Waarom je AI-pilot strandt: de checklist voor eigenaarschap'
Inhoudsopgave5 secties
  1. Wat onderzoek zegt over mislukte AI-pilots
  2. Waarom een pilot zonder eigenaar vanzelf strandt
  3. De checklist: vijf vragen, vijf namen
  4. Zo vul je het maandag in
  5. Loopt er al een pilot zonder eigenaar?

Een AI-pilot die niemand stopzet en niemand opschaalt, kost je meer dan een pilot die gewoon mislukt. Hij loopt door, de licentie wordt elke maand afgeschreven, en over een half jaar weet niemand meer wie hem ooit heeft aangezet. De oorzaak ligt bijna nooit bij de techniek. Er is simpelweg niemand eigenaar van het probleem, het budget, de meting en het besluit. Daarom begint een goede pilot (een kleine, afgebakende proef met een AI-tool) met vijf namen op papier, nog voordat iemand inlogt.

Een voorbeeld dat je misschien herkent. Een installatiebedrijf met vijftien mensen probeert een AI-tool die werkbonnen samenvat. De monteur die het voorstelde is enthousiast, de planning gebruikt het af en toe, de directeur betaalt de rekening. Na drie maanden vraagt niemand meer of het werkt, omdat nooit is afgesproken wat “werken” betekent. Dat is geen mislukking die je kunt aanwijzen. Het is een pilot die langzaam uitdooft.

Wat onderzoek zegt over mislukte AI-pilots

Het meest geciteerde cijfer komt van MIT. In het rapport The GenAI Divide (juli 2025) concluderen onderzoekers van Project NANDA dat 95 procent van de organisaties “zero return” haalt uit generatieve AI, en dat maar 5 procent van de geïntegreerde pilots miljoenen aan waarde oplevert (Bron: MIT NANDA). Lees dat getal met de juiste bril. Het zijn voorlopige bevindingen, gebaseerd op 52 interviews, een enquête onder 153 leidinggevenden en ruim 300 openbare AI-projecten, vooral bij grote bedrijven. Succes betekende in dat onderzoek: voorbij de pilotfase, met meetbare KPI’s.

Interessanter dan het percentage is wat de onderzoekers als oorzaak aanwijzen. De grootste barrière is volgens het rapport niet de integratie of het budget, maar organisatieontwerp: bedrijven die slagen leggen de uitvoering bij de mensen in het werk en houden de verantwoordelijkheid tegelijk duidelijk belegd. Bij de succesvolle organisaties mochten budgethouders en afdelingsmanagers zelf problemen aandragen, tools beoordelen en de uitrol leiden (Bron: MIT NANDA). Goed nieuws voor kleinere bedrijven: middelgrote bedrijven bewogen sneller. De beste daarvan deden gemiddeld 90 dagen over de stap van pilot naar volledige invoering, tegen negen maanden of langer bij grote ondernemingen (Bron: MIT NANDA).

Onderzoeksinstituut RAND sprak in 2024 met 65 ervaren AI-specialisten. RAND schrijft dat naar sommige schattingen meer dan 80 procent van de AI-projecten mislukt, twee keer zo vaak als IT-projecten zonder AI. Oorzaak nummer één in hun lijst: betrokkenen begrijpen verkeerd, of communiceren verkeerd, welk probleem AI eigenlijk moet oplossen (Bron: RAND). Het advies aan leidinggevenden is opvallend nuchter: verbind een team minstens een jaar aan één specifiek probleem (Bron: RAND).

Gartner voorspelde in juli 2024 dat eind 2025 minstens 30 procent van de projecten met generatieve AI na de proof of concept gestaakt zou zijn, door slechte datakwaliteit, onvoldoende risicobeheersing, oplopende kosten of onduidelijke zakelijke waarde (Bron: Gartner). Voor AI-agents verwacht het bureau dat ruim 40 procent vóór eind 2027 wordt geschrapt, om grotendeels dezelfde redenen (Bron: Gartner). Hoe dat in de praktijk uitpakt, lees je in agentic AI in 2026: de hype koelt af.

McKinsey peilde deze zomer 1.719 respondenten in 97 landen. Van hen zegt 44 procent dat AI inmiddels breed in de organisatie draait. De kleine groep die er echt winst uit haalt, 6 procent, zegt twee keer zo vaak dat het management zich zichtbaar aan AI-initiatieven verbindt en dat er vaste processen zijn om de impact te meten (Bron: McKinsey).

Leg die bronnen naast elkaar en je ziet hetzelfde patroon. “Onduidelijke waarde” is geen eigenschap van een AI-model. Het is wat er gebeurt als niemand vooraf heeft opgeschreven welke waarde hij verwacht, en niemand de taak heeft om dat na te gaan.

Waarom een pilot zonder eigenaar vanzelf strandt

Een pilot zit per definitie tussen twee stoelen. Hij is te klein voor een echt project met een projectleider en te groot om als losse proef van één medewerker te blijven bestaan. In een bedrijf zonder IT-afdeling komt hij meestal binnen via de meest enthousiaste collega. Die regelt een account, probeert het uit en vertelt erover bij de koffie. Wat ontbreekt, is iemand die zegt: dit is mijn probleem, hier is het geld, en op 1 december beslis ik.

Dan gaan er vier dingen mis. De meting blijft hangen bij “het voelt sneller”. Er komt geen beslismoment, dus de pilot loopt door tot iemand de afschrijving op de creditcard ziet. De kosten kruipen omhoog, zeker bij tools die per gebruiker of per gebruik rekenen; hoe dat oploopt rekenden we door in wat kost AI je bedrijf echt. En als het wél werkt, weet niemand wie de tool bijhoudt zodra de leverancier iets verandert of de enthousiaste collega vertrekt.

De checklist: vijf vragen, vijf namen

Checklist met vijf vragen die je vóór de start van een AI-pilot beantwoordt, elk met een naam: wie heeft er last van, wie betaalt en beslist, welk succesgetal is vooraf vastgelegd, op welke datum beslis je, en wie onderhoudt het na livegang.

Beantwoord deze vijf vragen voordat de pilot begint, en zet bij elke vraag één naam. In een bedrijf van acht mensen mag dat drie keer dezelfde naam zijn, zolang die persoon weet dat het om hem of haar gaat.

1. Wie is probleemeigenaar?

De persoon die er dagelijks last van heeft en het werk kent, dus lang niet altijd degene die de tool vond. De probleemeigenaar beoordeelt straks of de uitkomst goed genoeg is. Laat hem of haar het probleem in één zin bedrijfstaal opschrijven, zoals “offertes liggen gemiddeld vier werkdagen op de plank”. Hoe je zo’n probleem kiest, staat in één AI-project dat écht oplevert.

2. Wie betaalt en beslist?

De budgethouder keurt de kosten van de pilot goed en neemt aan het eind het besluit: opschalen, bijsturen of stoppen. In veel kleine bedrijven ben jij dat zelf. Schrijf het toch op, want het dwingt je om dat besluit ook echt te nemen. Zet er meteen een plafond bij: wat mag de pilot maximaal kosten, inclusief de uren van je mensen?

3. Wat is succes, en wie meet het?

Eén getal, vooraf vastgelegd. Bijvoorbeeld: de tijd per offerte daalt van 90 naar 45 minuten, bij gelijke kwaliteit volgens de collega die nu controleert. Doe een nulmeting voordat je begint, anders heb je straks niets om mee te vergelijken. Wijs ook aan wie meet. Liefst is dat niet degene die de tool heeft voorgesteld, want een KPI die je achteraf kiest, kies je vrijwel altijd zo dat hij gunstig uitvalt. Een goed voorbeeld: metaalbedrijf GOMA mikt in zijn AI-pilot op 2 tot 5 procent lagere energiekosten.

4. Wanneer is het stopmoment?

Een datum in de agenda, met een uitnodiging aan de beslisser. Voor de meeste mkb-pilots met een bestaande tool is vier tot acht weken genoeg. Spreek ook af wat stoppen inhoudt: account opzeggen, gegevens laten verwijderen en drie zinnen opschrijven over wat je hebt geleerd. Stoppen is een geldige uitkomst. Het stappenplan AI implementeren noemt dat terecht “beslis hardop”.

5. Wie onderhoudt het na livegang?

Hier haken de meeste plannen af, omdat deze vraag pas speelt als het gelukt is. Een AI-werkwijze vraagt onderhoud: instructies en prompts bijwerken, steekproeven doen of de uitkomsten goed blijven, wijzigingen bij de leverancier volgen, en een vervanger regelen als de vaste beheerder op vakantie is. Beleg het beheer bij de afdeling waar het werk thuishoort, met technische hulp waar nodig. In AI invoeren in je team lees je waarom dat zelden bij de ICT-afdeling hoort. Wat je vooraf regelt voor het geval je leverancier wordt overgenomen of gehackt, staat in AI-leverancier gehackt of verkocht: 4 vragen vooraf.

Zo vul je het maandag in

Pak een A4 en noem het de pilotkaart. Bovenaan staat het probleem in één zin. Daaronder de vijf vragen met een naam, het succescriterium met de nulmeting, het kostenplafond en de beslisdatum. Zet de kaart in de gedeelde map waar het team hem ziet, of hang hem naast het koffieapparaat. Reken op een half uur, met de mensen die erbij horen aan tafel.

Stel daarna twee controlevragen. Kan de probleemeigenaar het succescriterium in eigen woorden uitleggen? En staat de beslisdatum al in de agenda van de beslisser? Twee keer ja, dan kun je beginnen.

Loopt er al een pilot zonder eigenaar?

Grote kans. Je hoeft hem niet meteen stil te zetten. Vul de pilotkaart achteraf in, met de mensen die er nu mee werken. Lukt het niet om een probleemeigenaar te vinden, dan is dat zelf het antwoord: niemand heeft er genoeg last van om de pilot te laten slagen. Geef hem dan een beslisdatum over vier weken, spreek één meting af en neem op die dag het besluit. Kijk bij stoppen ook naar de opzegtermijn in het contract; welke afspraken je daar idealiter al bij de inkoop maakt, staat in AI-contracten 2026: 20 inkoopvragen vóór je tekent.

Veelgestelde vragen

Waarom mislukken zoveel AI-pilots?

Zelden door de techniek. RAND noemt als eerste oorzaak dat betrokkenen verkeerd begrijpen of verkeerd communiceren welk probleem AI moet oplossen. Gartner noemt onder meer oplopende kosten en onduidelijke zakelijke waarde, en MIT NANDA ziet organisatieontwerp als grootste barrière. Gemeenschappelijke noemer: niemand heeft vooraf vastgelegd wie verantwoordelijk is, wat succes is en wanneer er besloten wordt.

Wie moet in een klein bedrijf eigenaar zijn van een AI-pilot?

De persoon die dagelijks last heeft van het probleem en het werk kent. Die beoordeelt of de uitkomst goed genoeg is. Daarnaast heb je een beslisser met budget nodig, in een klein bedrijf vaak de ondernemer zelf. Het mag dezelfde persoon zijn, zolang het opgeschreven staat en die persoon weet dat het om hem of haar gaat.

Hoe lang moet een AI-pilot duren?

Voor de meeste mkb-pilots met een bestaande tool is vier tot acht weken genoeg om een besluit te nemen. Belangrijker dan de lengte is dat de beslisdatum vooraf in de agenda staat. Ter vergelijking: in het MIT NANDA-onderzoek deden de best presterende middelgrote bedrijven gemiddeld 90 dagen over de stap van pilot naar volledige invoering.

Wat doe ik met een pilot die al maanden loopt zonder resultaat?

Vul alsnog de vijf vragen in. Lukt het niet om een probleemeigenaar te vinden, dan heeft niemand er genoeg last van om de pilot te laten slagen. Spreek één meting af, zet een beslisdatum over vier weken en beslis dan: opschalen, bijsturen of stoppen. Zeg bij stoppen ook de licenties op.

Bronnen

Waar deze informatie vandaan komt.

  1. MIT NANDA — The GenAI Divide: State of AI in Business 2025 (juli 2025, voorlopige bevindingen)mlq.aiAditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari