AI heeft eerst een fundament nodig

"We moeten iets met AI." Het is de meest gehoorde zin in directiekamers van dit moment. En meestal is het de verkeerde vraag.

Want hier is de kern: AI is geen doel, maar een hefboom — en een hefboom werkt alleen als er iets is om op te duwen: een fundament van data, processen en mensen die op één lijn staan. Zonder dat fundament versnelt AI vooral je bestaande chaos.

Waarom wordt AI zo vaak een duur speeltje?

Te veel AI-trajecten beginnen bij de tool. Er wordt een licentie gekocht, een pilot gestart, een chatbot gelanceerd. Er is een demo die indruk maakt. En drie maanden later gebruikt niemand het meer. Niet omdat de techniek niet werkt, maar omdat er geen werkwijze omheen zat.

De tool was er. Het fundament niet.

Dit patroon is zo hardnekkig dat het in de cijfers terugkomt: het overgrote deel van de AI-projecten levert weinig tot niets op. Ik schreef er apart over in waarom 4 op de 5 AI-projecten niets opleveren. De rode draad is steeds dezelfde: de techniek was het makkelijke deel.

Wat bedoel ik precies met "fundament"?

Drie lagen, en geen ervan is spannend:

1. Data. Is de informatie waar je AI op laat draaien betrouwbaar, schoon en toegankelijk? AI op rommelige data produceert overtuigende onzin.
2. Processen. Weet je hoe het werk nu echt loopt? Je kunt geen proces versnellen dat je niet begrijpt. Onduidelijkheid automatiseren maakt het alleen sneller onduidelijk.
3. Mensen. Wie gaat er dagelijks mee werken, en wat hebben zij nodig om het te vertrouwen en te gebruiken? Zonder adoptie blijft zelfs de beste tool liggen.

Pas als die drie op orde zijn, wordt de techniek interessant.

Eerst begrijpen, dan bouwen

Voordat ik ook maar naar een model kijk, stel ik andere vragen:

• Waar gaat in dit proces écht tijd verloren — en is dat de moeite waard om aan te pakken?
• Welke data is betrouwbaar, en welke niet?
• Wie gaat hier dagelijks mee werken, en wat hebben zij nodig?

Pas als die antwoorden helder zijn, wordt AI interessant. Dan versnelt het iets dat al klopt, in plaats van chaos sneller te maken. Het concrete stappenplan staat in AI-implementatie in het MKB.

Adoptie is geen bijzaak — het is de hoofdzaak

Dit is waar de meeste projecten sneuvelen. "Hier is de tool, veel plezier" werkt niet. Mensen leggen een tool weg zodra het druk wordt, tenzij die aansluit op hoe ze al werken en tenzij ze begeleid worden bij de verandering.

Twee dingen maken hier het verschil. Ten eerste: bouw menselijke controle in op de momenten die ertoe doen, zodat mensen de regie houden en het systeem vertrouwen — zie human-in-the-loop. Ten tweede: behandel de invoering als een verandering, niet als een oplevering — zie zo krijg je je team mee in AI-adoptie.

Het resultaat van de juiste volgorde

Bij een organisatie van 50+ mensen leverde deze aanpak 68% tijdsbesparing op terugkerend werk op. Niet door de slimste tool, maar door eerst de werkwijze te ontwerpen en de adoptie te begeleiden. Het hele verhaal staat in ik bouwde een AI-platform dat 50+ mensen écht gebruiken.

De techniek was het makkelijke deel. Het fundament was het werk.

En als je hulp overweegt?

Er lopen veel "AI-experts" rond die vooral goed zijn in het aanzetten van de nieuwste tool. Als je overweegt iemand in te huren, let dan op iemand die begint bij je proces in plaats van bij de tool, die eerlijk is over wat AI níét oplost, en die je team zelfstandig achterlaat. Meer daarover: AI-consultant inhuren voor je MKB.

De kern in één zin

Eerst de structuur, dan de techniek, dan de versnelling. AI verandert niets aan die volgorde — het maakt hem alleen belangrijker. Want een hefboom vergroot alles: ook de rommel, als het fundament niet klopt.

Hoe dat fundament samenhangt met je marketing en techniek als één geheel, lees je in waarom je marketing, techniek en AI niet los kunt zien.