In deze expertblog schets ik vier signalen dat je beter kunt stoppen voordat je begint aan de implementatie. Signalen die standhouden als argument om terug naar de tekentafel te gaan.
Het eerste signaal gaat over schaal. Als je voor het eerst wil verbouwen, begin je met je eigen huis. Geen mens die als eerste verbouwing De Kuip aanpakt. Een B&B is nog tot daar aan toe, maar ‘Ik Vertrek’ leert ons dat zelfs een kleinere verbouwing misgaat als je de complexiteit onderschat en het lot in handen legt van mensen die de context niet kennen.
Van AI-hype naar realisme: durf op de rem te trappen
Verplaats dat naar AI. Een volledig geautomatiseerde agent die integreert in bestaande processen is een van de complexere vormen van AI-implementatie. Dat als eerste project kiezen is geen ambitie, het is onderschatting van wat er mis kan gaan. Organisaties die zo beginnen, leren niet hoe AI werkt. Ze leren hoe duur fouten zijn.
Het tweede signaal kom ik keer op keer tegen. Organisaties starten een AI-project met als doel tijd te besparen. Logisch, want tijd is schaars. Maar wat er met die vrijgekomen tijd moet gebeuren, is zelden vooraf gedefinieerd of gecommuniceerd aan de mensen die het betreft.
Tijdsbesparing leidt niet automatisch tot positieve ROI. Dat is een aanname, geen businesscase
Maartje Vennema
Uit onderzoek onder 25.000 werknemers in Denemarken bleek dat de gemiddelde tijdsbesparing door AI uitkomt op minder dan drie procent van de werkweek (Humlum & Vestergaard, 2024). Het grootste deel verdwijnt in andere taken. Er is simpelweg nooit vastgelegd wat medewerkers met die tijd zouden moeten doen. Tijdsbesparing leidt niet automatisch tot een positieve ROI. Dat is een aanname, geen businesscase.
Experimenteren zonder hypothese of faalcriteria
Dan de experimenten. Hier ben ik uitgesproken over. Een experiment heeft een hypothese, een tijdshorizon en een criterium voor succes én falen. Wat de meeste organisaties bedoelen met experiment is: we willen proberen zonder verantwoording af te leggen en zonder verwachtingen. Dat is geen experiment, dat is een vrijbrief. Als je niet vooraf hebt vastgelegd wanneer het project geslaagd is, kun je ook niet vaststellen wanneer het mislukt is. Een project dat niet kan mislukken, kan ook niet worden gestopt. En dus weet niemand of het experiment succesvol was.
Het negeren van structurele, schaalbare kosten
Tot slot: de kosten. AI is niet altijd een eenmalige investering. Tenzij je het over SaaS -abonnementen hebt zoals je ChatGPT- of Copilotlicentie, betaal je maandelijks voor rekenkracht en API-gebruik. Die kosten schalen mee met gebruik, elke maand kan de rekening hoger uitvallen. Omdat je meer data verwerkt, meer gebruikers aansluit of de toepassing zwaarder wordt gebruikt.
Een pilot die klein begint, kan bij opschaling een structurele kostenpost worden die nooit expliciet is goedgekeurd. Je weet wat je betaalt om te starten. Wat het kost om te blijven draaien, ontdek je onderweg. Een businesscase die alleen de bouwkosten meeneemt, is geen businesscase. Het is een openingsaanbod.
Al deze signalen wijzen op hetzelfde: projecten worden niet beoordeeld, ze worden gestart of afgeschoten omdat ze risicovol klinken. Een eerste project van maximale complexiteit leidt tot maximale faalkosten. Tijdsbesparing zonder plan leidt niet tot ROI. Een experiment zonder hypothese is geen strategie. En een businesscase zonder kosten voor het draaiend houden is per definitie onvolledig.
Een goede businesscase voor AI vraagt minimaal 20 variabelen om eerlijk te beoordelen. Dat klinkt veel, maar een mislukt project kost altijd meer.
Ontvang elke week - op maandag - het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in en maak kans op een Apple Watch!
