Van belofte naar impact? Waarom zoveel AI-initiatieven stranden

Organisaties investeren massaal in AI. Analisten plaatsen daar miljarden aan economische return tegenover. Alleen blijkt het in de praktijk niet zo eenvoudig om dat ook echt te realiseren. Zelfs als AI-initiatieven de experimentfase overleven, leveren ze vaak niet meer dan individuele productiviteitswinsten op.

Het probleem ligt zelden bij de technologie alleen, meent Jouri Goos. “We praten heel vaak over modellen en tools, maar vergeten dat AI slechts een middel is”, stelt hij. “De echte uitdaging zit in de samenhang tussen business, technologie, processen en mensen.” Net die balans ontbreekt in veel organisaties.

Een veelgemaakte fout is dat AI-projecten vertrekken vanuit technologische haalbaarheid, in plaats van vanuit een concreet bedrijfsdoel.

“Organisaties bouwen een proof of concept omdat het technisch kan, niet omdat die aantoonbare waarde creëert”, zegt Jouri Goos. “Maar zonder duidelijke use case, gekoppeld aan strategische doelstellingen en meetbare KPI’s, blijft AI een experiment zonder vervolg. Waarde moet niet alleen technisch haalbaar zijn, maar ook organisatorisch en operationeel realiseerbaar.”

Experten pleiten daarom voor een denkwijze en aanpak die vertrekken vanuit de architectuur. Dat betekent: nadenken over een referentiearchitectuur, met duidelijke lagen voor data, modellen, applicaties en infrastructuur.

“Data vormt hierbij een cruciale bottleneck. Zonder kwalitatieve, toegankelijke data blijft elke AI-oplossing beperkt in impact.”

Tot slot is er de menselijke factor. AI verandert jobs, rollen en verantwoordelijkheden, wat onzekerheid en weerstand kan veroorzaken.

“Wie zijn medewerkers niet tijdig meeneemt, riskeert een lage adoptiegraad – en dus een mislukking”, waarschuwt Jouri Goos. “Opleiding en AI-geletterdheid zijn daarom essentieel, niet alleen voor technici maar ook voor businessprofielen. Alleen wie de sterktes én beperkingen van AI begrijpt, kan correcte keuzes maken.”

De kernboodschap is dus helder: AI faalt zelden door een gebrek aan technologie, maar door een gebrek aan samenhang. Wie AI wil laten renderen, moet verder kijken dan de tools en modellen, en investeren in strategie, architectuur, governance en mensen.

“Pas dan groeit AI uit tot meer dan een belofte en kan ze haar rol als motor voor duurzame impact waarmaken.”