Waar begint u met AI in uw organisatie?

Waarom de meeste AI-projecten stranden

AI is in het Nederlandse bedrijfsleven geen randverschijnsel meer. Volgens het CBS gebruikte in 2025 bijna één op de zes bedrijven AI, een verdubbeling in twee jaar. Tegelijk is de verdeling scheef: in het grootbedrijf werkt 66,2 procent met AI, in het midden- en kleinbedrijf 29,8 procent en bij microbedrijven 13,8 procent. De vraag is dus allang niet meer óf uw organisatie iets met AI gaat doen, maar waar u begint en of dat begin iets oplevert.

Dat laatste is niet vanzelfsprekend. Een veel geciteerd MIT-onderzoek uit 2025 stelde vast dat ongeveer 95 procent van de generatieve-AI-pilots bij bedrijven geen meetbaar rendement oplevert. De onderzoekers wijzen niet naar de techniek, maar naar de aanpak: bedrijven beginnen bij een tool in plaats van bij een probleem, sluiten de pilot niet aan op hun bestaande processen en systemen, en meten niet wat er verandert. Wie die drie fouten vermijdt, heeft een reële kans om bij de succesvolle minderheid te horen.

Dit artikel is een nuchter stappenplan in vier stappen, geschreven voor directeuren en managers in MKB en grootbedrijf. Geen technische diepgang, wel de volgorde die het verschil maakt.

Stap 1: breng uw processen en data in kaart

De beste eerste AI-toepassing volgt uit uw processen, niet uit een productdemonstratie. Begin daarom met een eerlijke inventarisatie: waar in uw organisatie zit het repeterende werk, waar wachten mensen op elkaar, waar worden gegevens overgetypt tussen systemen die elkaar niet spreken? Dat zijn de plekken waar AI en automatisering aantoonbaar tijd en geld opleveren.

Kijk in dezelfde ronde naar uw data. AI-toepassingen zijn zo goed als de gegevens waarop ze draaien: in hetzelfde MIT-onderzoek komt gebrekkige, slecht ontsloten data naar voren als een van de belangrijkste redenen waarom pilots stranden. U hoeft geen perfect datawarehouse te hebben, maar u moet wel weten wáár uw kennis en cijfers staan, hoe actueel ze zijn en wie erbij kan.

• Welke drie processen kosten uw mensen nu de meeste tijd aan herhaling, overdrachten of zoeken?
• In welke systemen staat de informatie die daarvoor nodig is, en zijn die systemen te koppelen?
• Welke gegevens zijn gevoelig (persoonsgegevens, klantdata, bedrijfsgeheimen) en mogen dus niet zomaar naar een externe AI-dienst?
• Wie in uw organisatie gebruikt al AI, officieel of op eigen houtje?

Die laatste vraag verrast vaak het meest: in veel organisaties gebruiken medewerkers al AI-tools zonder dat er beleid is. Dat is geen reden voor paniek, wel een reden om de inventarisatie serieus te nemen. Wilt u dit onderzoek liever laten uitvoeren, dan is dit precies wat een AI quickscan doet: in drie weken meten waar uw data, systemen en mensen staan en waar AI het meest oplevert.

Stap 2: kies één toepassing met laag risico en meetbaar resultaat

Kies uit uw inventarisatie één toepassing, niet vijf. Een goede eerste toepassing heeft drie eigenschappen: het onderliggende werk komt vaak voor (anders is de winst te klein), de gevolgen van een fout zijn beheersbaar (er kijkt een mens naar de uitkomst voordat er iets naar een klant gaat), en het resultaat is meetbaar (u kunt vooraf en achteraf tellen).

• Binnenkomende e-mail of aanvragen voorsorteren en van een conceptantwoord voorzien.
• Documenten samenvatten en gegevens eruit overnemen in plaats van overtypen.
• Zoeken in uw eigen kennis: offertes, handleidingen en projectdossiers doorzoekbaar maken.
• Verslaglegging: gespreksnotities, rapportages en standaardteksten in concept laten schrijven.

Over de vraag of u moet kopen of zelf bouwen is het onderzoek opvallend eenduidig: pilots met ingekochte, gespecialiseerde oplossingen en een externe partner slaagden in het MIT-onderzoek ongeveer twee keer zo vaak als volledig interne bouwtrajecten. Voor een eerste toepassing is een bestaande dienst, goed aangesloten op uw systemen, vrijwel altijd verstandiger dan zelf een model trainen. Maatwerk komt in beeld zodra de eerste toepassing bewezen werkt en u iets nodig heeft dat de standaardtools niet kunnen. Wat dat kost, en waar de kosten werkelijk zitten, leest u in onze gids over de kosten van AI-implementatie.

Stap 3: regel de randvoorwaarden: AVG, AI-geletterdheid en beleid

Verantwoord beginnen is geen luxe maar een wettelijke plicht, ook voor kleine organisaties. Sinds 2 februari 2025 verplicht artikel 4 van de Europese AI-verordening organisaties die AI gebruiken om te zorgen dat hun medewerkers voldoende AI-geletterd zijn, zo legt de Autoriteit Persoonsgegevens uit. Dat betekent: weten wat de tools kunnen, waar ze de mist in gaan (verzonnen antwoorden, vooringenomenheid) en welke gegevens er wel en niet in mogen.

• Stel een kort, praktisch AI-beleid op: welke tools zijn toegestaan, voor welk werk, met welke data.
• Sluit een verwerkersovereenkomst met elke AI-leverancier die persoonsgegevens verwerkt, en controleer waar de data staat.
• Organiseer een basistraining AI-geletterdheid en leg vast wie wat gevolgd heeft.
• Houd menselijke controle in het proces: een mens beoordeelt de uitkomst voordat die naar buiten gaat.

Er komt bovendien meer regelgeving aan: op 2 augustus 2026 worden de transparantieregels van de AI-verordening van kracht. Wat dat concreet voor u betekent, staat in onze gids over de AI Act voor het MKB. En twijfelt u of uw gegevens wel bij een Amerikaanse AI-dienst horen, lees dan welke ChatGPT-alternatieven uw data in de EU houden.

Stap 4: meet, evalueer en schaal stap voor stap op

Meet vóór de start hoe het proces nu presteert: hoeveel tijd kost het, hoeveel fouten sluipen erin, hoe lang wacht een klant. Zonder die nulmeting kunt u na afloop alleen op gevoel oordelen, en dat is precies de valkuil waar de meeste gestrande pilots in stapten. Evalueer na vier tot acht weken tegen die nulmeting en beslis dan pas over uitbreiden, bijsturen of stoppen.

Opschalen betekent daarna niet tien tools tegelijk, maar het volgende proces uit uw inventarisatie, met dezelfde discipline. In de praktijk groeit de echte winst mee met de mate waarin uw systemen gekoppeld zijn: een AI-assistent die bij uw planning, uw klantdata én uw documenten kan, is vele malen waardevoller dan een losse chatbot, de reden waarom losse AI-tools zonder integratie meestal mislukken. Dat verbinden van systemen is het werkterrein van onze expertise in AI, integratie en automatisering: wij vervangen uw pakketten niet, wij bouwen de verbindende laag ertussen die stap voor stap echt automatiseert.

Wilt u het vertrekpunt niet zelf uitzoeken, dan kunt u het laten meten. De AI quickscan van NOVARO levert in drie weken een rapport met een nulmeting van uw data en vaardigheden, de kansen gerangschikt op waarde en risico, en een roadmap met eigenaren. Daarmee begint u met inzicht in plaats van met een tool.