Gepubliceerd: 14/04/2026 - 5 minuten lezen
Waarom mislukken AI-projecten vaak? En hoe pak je het beter aan?
Steven Latré
Professor Computerwetenschappen, Universiteit Antwerpen & Chief AI Officer bij OpenChip
Een intussen berucht onderzoek van MIT stelt 95% van pilots met generatieve AI faalt. Waarom is dat zo en wat valt eraan te doen? We leggen die vraag voor aan Steven Latré, professor computerwetenschappen aan Universiteit Antwerpen en Chief AI Officer bij de Europese chipfabrikant OpenChip.
“Op zich kan iedereen met huis-tuin-en-keukentools relatief snel een pilootproject met AI realiseren dat 95% van de tijd werkt”, legt Steven Latré uit. “Maar hoe kom je tot een AI-oplossing die 100% werkt?” Dat blijkt de grote uitdaging. En die kan je maar oplossen door te begrijpen waarom AI-projecten op een mislukking uitdraaien.
Schaalbaarheid, kosten en security
AI-projecten falen vaak door de context. AI-toepassingen schaal je bijvoorbeeld niet zomaar op. Bij klassieke, stateless applicaties lukt opschalen vlot. Maar bij AI-toepassingen ligt dat helemaal anders. Daarbij vraagt elke nieuwe installatie bijkomende data, context en geheugen. Je moet dus in de nodige IT-capaciteit voorzien, wat meteen een eerste drempel vormt.
Bovendien vind je vandaag maar weinig AI-tools die goed samenwerken op één platform. De gespecialiseerde stack die we daarvoor nodig hebben, bestaat nog niet, volgens Steven Latré. En dan zijn er nog capex en opex. “AI-toepassingen opschalen leidt niet alleen tot hoge kosten voor clouddiensten, waarbij veel bedrijven kiezen voor de grootste, maar niet noodzakelijk de goedkoopste cloudproviders. Daarnaast moet je ook investeren in vaardigheden rond MLOps.”
Tegelijk brengt AI nieuwe securityuitdagingen met zich mee. AI kan helpen om je beter te beveiligen, maar het gebruik van AI brengt evengoed nieuwe risico’s met zich mee. De blast radius van een incident vergroot ook, aangezien we almaar meer autoriteit en capaciteit aan AI toekennen. Hoe kan je dan nog de infrastructuur vertrouwen waarop je werkt? Maar ook: hoe kan je dan nog het AI-model zelf vertrouwen?
Los van alle context kunnen AI-applicaties natuurlijk ook zelf falen. Want het zijn nog altijd mensen die AI-systemen bouwen en aansturen. Daardoor blijven ze bugs bevatten. “Een paar jaar geleden draaide een zelfrijdende truck bij een testrit plots scherp naar links en knalde tegen de middenberm”, zegt professor Latré. “De softwareontwikkelaar was vergeten de buffer leeg te halen, waardoor de opdracht om af te draaien niet was weggehaald.” Op dezelfde manier kunnen AI-systemen in jouw bedrijf hele afdelingen laten crashen.
Welke fouten maakt artificiële intelligentie?
Fouten die wij als mens vaak maken – iets verkeerd tikken, bijvoorbeeld – begaat AI niet. Maar omgekeerd maakt artificiële intelligentie fouten waarop je mensen nooit betrapt. AI percipieert de wereld namelijk helemaal anders. “Begin vorige eeuw was het paard Clever Hans wereldberoemd”, zegt professor Latré. “Dat paard was schijnbaar in staat de juiste uitkomst van rekensommen aan te duiden. Alleen bleek het niet te reageren op de rekenopdrachten, maar op de non-verbale communicatie van zijn eigenaar.”
Een vergelijkbare denkfout maken we met AI, wanneer die juiste resultaten oplevert op basis van verkeerd samengestelde of niet relevante data. “Zo leek een AI-systeem op een gegeven moment heel goed te zijn in het detecteren van huidkanker op foto’s. Maar het herkende de positieve gevallen aan de hand van een meetlatje dat in beeld kwam.”
Zelfs als het AI-systeem perfect werkt, getraind met de juiste, kwalitatief hoogstaande data, kan het nog mislopen. “Zoals die keer dat Zillow, een populaire Amerikaanse tool om huizenprijzen in te schatten, er niet in slaagde de problemen met de huizenmarkt in de VS te voorspellen door de coronapandemie”, herinnert Steven Latré zich. “De tool had eenvoudigweg niet geleerd daar rekening mee te houden.”
Woorden voorspellen
De uitdagingen die professor Latré aanhaalt, gelden in principe voor elke vorm van AI. Maar generatieve AI, zoals ChatGPT, komt met extra uitdagingen. “Vergis je niet: het gaat hier niet om general intelligence. Generatieve AI is niet meer dan autocomplete on steroids. Het enige wat generatieve AI doet, is almaar het volgende woord voorspellen op basis van de vorige gebruikte woorden.” Generatieve AI genereert dus geen nieuwe inhoud, maar blijft in eerste instantie een statistische tool die nagaat welk woord de grootste kans heeft om te verschijnen na het vorige woord.
Je moet dus goed weten waarvoor je AI gebruikt, ook binnen je IT-afdeling. Generatieve AI is geschikt voor het opzoeken en opstellen van feiten, of assistentie bij coderen. “Maar GenAI is niet goed in het consistent, duidelijk en correct beantwoorden van vragen. GenAI kan ook geen plannen maken, redeneren of berekeningen uitwerken”, zegt professor Latré. “Nochtans zijn dat allemaal zaken waarvoor de meeste mensen generatieve AI gebruiken.” En hoe makkelijk is het ook niet om generatieve AI te laten hallucineren? Dat is inherent aan de statistiek die achter AI schuilt.
Onderhoud van het model
Daarnaast moeten we begrijpen dat het traject niet stopt bij de bouw van het AI-model. Het is essentieel om een AI-model verder te blijven trainen met actuele data over de gewijzigde realiteit. De data waarmee je het model traint, moeten dan ook van hoge kwaliteit zijn, zonder vooroordelen. Als je daar niet over waakt, loopt het verkeerd. Maar het probleem is dat de data om mee te trainen opraken. “Ontwikkelaars kijken almaar meer hoe ze synthetische data kunnen gebruiken om te trainen, maar daarmee riskeer je dan weer dat je model helemaal instort.”
Hoe je dan AI-projecten wel laat slagen, zodat artificiële intelligentie haar potentieel ten volle waarmaakt? “Heb oog voor menselijke fouten bij de ontwikkeling”, zegt de professor. “Waak goed over de data waarmee je AI-toepassingen traint. Blijf AI trainen met actuele data, zodat ze rekening houdt met een veranderde realiteit. Hou ook goed de kosten in het oog, en wat AI jou daarvoor oplevert. Gebruik AI waarvoor ze dient, met aandacht voor nieuwe securityuitdagingen. En onthoud vooral: AI is niet echt intelligent.”
Wil je nog meer context?
We maakten ook een AI-podcastversie van de inzichten van Steven. Let wel: AI‑gegenereerde podcasts zijn niet altijd foutloos, maar geven u wél een vlotte eerste indruk van de besproken inzichten. Wilt u aan de slag gaan met AI of een expert aan uw zijde om uw AI-projecten effectief te doen slagen en er maximum business value uit te halen?
Ontdek inzichten en perspectieven van experts
- Titel
- Beschrijving
- Date
- 1
- 2
- 3