AI-tools zijn geen wondermiddel: waarom AI-adoptie faalt (en hoe het wel werkt)

Leestijd: 2 minuten

AI wordt door veel organisaties omarmd als dé volgende stap in productiviteit. Massaal worden er licenties gekocht, vaak op grote schaal. Voor organisaties die al werken met Microsoft of Google is het aanschaffen van een Copilot of Gemini licentie een logische stap. De belofte is helder: medewerkers efficiënter laten werken, processen versnellen en kennis toegankelijk maken met behulp van generatieve AI. 

Toch zien we in de praktijk iets anders. Microsoft schaalde recent zijn AI-ambities terug. Niet omdat de technologie tekortschiet, maar omdat de adoptie achterblijft. Organisaties hebben Copilot, maar mensen  weten niet goed waarom, wanneer en hoe ze het moeten gebruiken. Dit zien we niet alleen bij het gebruik van Copilot, maar eigenlijk alle AI-tooling en pilots die worden geïntroduceerd in organisaties.  

Dat beeld past in een bredere trend: volgens een MIT-rapport faalt maar liefst 95% van de generative AI-pilots. De vraag is dan ook niet of AI potentie heeft, maar of organisaties daadwerkelijk begrijpen wat er nodig is voor een succesvolle adoptie.  

Van licentie naar toegevoegde waarde: waar gaat het mis? 

Een veelvoorkomend patroon bij organisaties is dat bijvoorbeeld Copilot wordt gezien als een logische extensie van bestaande Microsoft-tools. “We gebruiken al Microsoft 365, dus Copilot hoort daar gewoon bij.” Maar al te vaak blijft Copilot een ongebruikte knop in de werkbalk, en dat is zonde. 

AI werkt fundamenteel anders dan traditionele software. Waar eerdere tools vooral ondersteunen, neemt AI een actievere rol in denken, schrijven, analyseren en beslissen. Dat vraagt iets van mensen, processen én strategie. Dus, hoe geven we mensen wèl de beloofde super powers? 

Adoptie is geen IT-vraagstuk, maar een organisatievraagstuk 

Eén van de grootste misverstanden is dat AI-adoptie een technische kwestie is. In werkelijkheid ligt het zwaartepunt juist aan de businesskant. Want hoewel de ambities hoog zijn en veel mensen met AI te maken hebben, worstelen ze met praktische uitdagingen rondom implementatie, kennis en regelgeving. Adoptie gaat over gedrag, vaardigheden, vertrouwen en relevantie. Dit blijkt ook uit ons eigen onderzoek AI in Nederlandse organisaties. Zonder begeleiding voelt een AI tool al snel als “weer een tool erbij” en haken mensen snel af. Niet uit onwil, maar bij gebrek aan begrip en de juiste ondersteuning. 

De hype versus de realiteit: lessen uit het MIT-rapport 

Het MIT-rapport stelt dat slechts 5% van de generatieve AI-pilots een succes is; confronterend maar niet verrassend. Veel pilots starten vanuit enthousiasme en belofte, maar missen een duidelijke business case, een afgebakende usecase en/of randvoorwaarden rondom data, governance en adoptie. Daarbij is een plan voor opschaling nodig, want na oplevering van een pilot begint de adoptie van een nieuwe oplossing pas echt.  

AI wordt te vaak gezien als heilige graal, maar AI is een middel, geen doel. Soms is een procesaanpassing, automatisering of simpelere oplossing effectiever dan AI. Te snel voor een AI-oplossing kiezen brengt vaak een onnodig (organisatorisch) complexe implementatie met zich mee, wat verklaart waarom ze regelmatig stranden. 

Waarom het bij Conclusion Intelligence anders werkt 

Bij Conclusion Intelligence starten we nooit met AI “omdat het kan”. We starten met de vraag: voor welk probleem zoeken we een oplossing? 
Bij AI-trajecten hanteren we een aantal duidelijke uitgangspunten. Eén daarvan is dat we een usecase niet starten zonder heldere businesscase en dat we iedereen in de keten betrekken. Omdat je selectief en gedegen start, groeit meer dan 70% van onze proof of concepts uit tot oplossingen die de organisatie echt gaat gebruiken en verder uitbouwt.  

Dat betekent dat we vooraf samen met de klant een aantal zaken kritisch beoordelen: 

• Hoe ziet het proces eruit? 

• Waar zit het echte knelpunt? 

• Wat verandert er voor medewerkers? 

• Is AI hier überhaupt de beste oplossing?  

• Wat zijn de randvoorwaarden voor een succesvolle implementatie? 

• Hoe meten we succes en waarde?  

Cruciale stappen om AI-tooling in te zetten zijn: 

1. Ontwikkel een duidelijke AI-strategie: niet alleen technisch, maar vooral ook organisatorisch. Waarom doen we dit en wat verwachten we? 

2. Maak een portfolio van usecases: prioriteer op waarde, haalbaarheid en impact. Niet alles hoeft (of kan) met AI.  

3. Investeer in adoptie en training: laat mensen ervaren wat AI voor hun werk betekent. Hands-on, praktijkgericht. Mensen zijn geen project, implementatie van AI wel.  

4. Werk samen met partners: AI raakt strategie, processen én technologie. Dat vraagt om samenwerking met partijen die dit geheel overzien.  

5. Accepteer dat AI geen heilige graal is: Soms is een andere oplossing beter.  

Conclusie: AI-tooling werkt, maar alleen als je het goed aanpakt  

AI-tooling kan organisaties slimmer, sneller en effectiever maken. Maar alleen als we ons realiseren dat technologie zichzelf niet adopteert. AI vraagt om visie, begeleiding en realisme. Maak strategische keuzes en neem mensen mee in de verandering om duurzame oplossingen te implementeren.