Wanneer moet je een AI-project stoppen? Objectieve stopcriteria en besluitvorming
Stop of pauzeer een AI-project wanneer de kernwaarde niet aantoonbaar is, noodzakelijke kwaliteit niet haalbaar blijkt, risico boven de afgesproken grens blijft, gebruikers het systeem terecht omzeilen of totale kosten structureel hoger zijn dan realistische baten. Leg stopcriteria vóór de pilot vast. Stoppen is dan geen mislukking, maar gedisciplineerd portfoliobeheer.
Definitie en afbakening
Een stopcriterium is een vooraf afgesproken grens die leidt tot beëindigen, pauzeren of fundamenteel herontwerpen. Het kan financieel, technisch, operationeel, juridisch of menselijk zijn. Een stopbesluit verschilt van een iteratiebesluit: bij iteratie blijft de kernhypothese aannemelijk en is een beperkte wijziging toetsbaar. Bij stoppen ontbreekt die proportionele route.
Het herkenbare bedrijfsprobleem
Sunk cost, reputatie en interne sponsoring houden projecten langer in leven dan het bewijs rechtvaardigt. Nieuwe features worden toegevoegd om een zwakke kerncase te redden. Daardoor stijgen kosten en complexiteit, terwijl het oorspronkelijke probleem uit beeld raakt. Zonder vooraf afgesproken grenzen wordt elke tegenvaller uitgelegd als reden voor nog één ontwikkelronde.
Stappenplan voor het stoppen van een AI-project
1. Leg de kernhypothese vast
Beschrijf welke waarde door welk mechanisme ontstaat.
2. Definieer harde grenzen
Bepaal onaanvaardbare fouten, risico’s, kosten of doorlooptijd.
3. Scheid reparatie van herstart
Vraag of een beperkte wijziging de kernhypothese werkelijk opnieuw test.
4. Bereken resterende waarde
Negeer reeds gemaakte kosten bij de keuze, maar tel toekomstige kosten volledig.
5. Laat een onafhankelijke eigenaar beslissen
Voorkom dat alleen het projectteam zijn eigen voortbestaan beoordeelt.
6. Documenteer en hergebruik lessen
Bewaar procesdata, testontwerp en beslisredenen zonder een zwakke toepassing alsnog te publiceren.
Beslismodel
| Beslispunt | Centrale vraag | Gewenst bewijs | Handelingsregel | |---|---|---|---| | Leg de kernhypothese vast | Beschrijf welke waarde door welk mechanisme ontstaat. | Procesdata, besluitlog en eigenaar | Doorgaan bij voldoende bewijs | | Definieer harde grenzen | Bepaal onaanvaardbare fouten, risico’s, kosten of doorlooptijd. | Representatieve test, kostenraming en akkoord | Beperkt testen bij onzekerheid | | Scheid reparatie van herstart | Vraag of een beperkte wijziging de kernhypothese werkelijk opnieuw test. | Procesdata, besluitlog en eigenaar | Stoppen of herontwerpen bij rode grens | | Bereken resterende waarde | Negeer reeds gemaakte kosten bij de keuze, maar tel toekomstige kosten volledig. | Representatieve test, kostenraming en akkoord | Doorgaan bij voldoende bewijs | | Laat een onafhankelijke eigenaar beslissen | Voorkom dat alleen het projectteam zijn eigen voortbestaan beoordeelt. | Procesdata, besluitlog en eigenaar | Beperkt testen bij onzekerheid | | Documenteer en hergebruik lessen | Bewaar procesdata, testontwerp en beslisredenen zonder een zwakke toepassing alsnog te publiceren. | Representatieve test, kostenraming en akkoord | Stoppen of herontwerpen bij rode grens |
Lees dit model als beslisondersteuning voor het stoppen van een AI-project, niet als automatische ranglijst. De stap ‘Leg de kernhypothese vast’ verdient apart bewijs.
Praktijkvoorbeeld met invoer, berekening en uitkomst
Situatie
Een juridische dienstverlener test AI voor contractrisico’s.
Invoer
Doel: 25 procent minder reviewtijd, maximaal 1 procent ernstige gemiste clausules. Na twee representatieve rondes is tijdwinst 12 procent en wordt 3,5 procent van kritieke clausules gemist. Extra trainings- en integratieronde kost €45.000.
Berekening
De verwachte jaarlijkse capaciteitswaarde bij 12 procent is €28.000. Zelfs zonder extra beheer verdient €45.000 verbetering zich niet binnen een jaar terug, terwijl de kwaliteitsgrens ruim wordt overschreden.
Zakelijke uitkomst
De autonome risicosignalering stopt. Het team behoudt alleen een lager-risico zoekfunctie en beoordeelt die als nieuwe, afzonderlijke use-case.
Kosten en ROI correct berekenen
Bereken voor het stoppen van een AI-project minstens een ondergrens, een realistisch scenario en een bovengrens. Baseer volume, tijd en tarief op de nulmeting en toets expliciet hoe het risico ‘verzonken kosten sturen het besluit’ de opbrengst kan verminderen.
Koppeling met de vijf lagen van de ROI-scan
In deze use-case verdient vooral de stap ‘definieer harde grenzen’ aandacht, omdat een aanname daar direct doorwerkt in de businesscase.
Lees daarnaast Succescriteria AI-project, AI proof of concept, AI-projectportfolio samenstellen.
Opties en scenario’s
| Scenario | Wanneer passend | Investering | Bewijs vóór opschaling | |---|---|---:|---| | Eerst meten | Beschrijf welke waarde door welk mechanisme ontstaat. | Laag | Nulmeting en een afgebakende hypothese | | Beperkte pilot | Bepaal onaanvaardbare fouten, risico’s, kosten of doorlooptijd. | Middel | Representatief bewijs voor de tweede proceskeuze | | Gefaseerd invoeren | Vraag of een beperkte wijziging de kernhypothese werkelijk opnieuw test. | Middel tot hoog | Gehaalde grens en een bevoegde eigenaar | | Niet starten of stoppen | Verzonken kosten sturen het besluit | Beperkt verlies | Vastgelegd besluit en een proportioneel alternatief |
Risico’s en beheersmaatregelen
1. Verzonken kosten sturen het besluit
Leg in het risicoregister vast hoe het risico ‘verzonken kosten sturen het besluit’ bij het stoppen van een AI-project zichtbaar wordt, wie actie neemt en welke grens tot pauzeren leidt. Verbind de maatregel aan leg de kernhypothese vast en controleer haar met werkelijk gedrag en procesdata.
2. Stopcriteria worden achteraf versoepeld
Leg in het risicoregister vast hoe het risico ‘stopcriteria worden achteraf versoepeld’ bij het stoppen van een AI-project zichtbaar wordt, wie actie neemt en welke grens tot pauzeren leidt. Verbind de maatregel aan definieer harde grenzen en controleer haar met werkelijk gedrag en procesdata.
3. Een nieuwe scope verbergt dat de oude case faalde
Leg in het risicoregister vast hoe het risico ‘een nieuwe scope verbergt dat de oude case faalde’ bij het stoppen van een AI-project zichtbaar wordt, wie actie neemt en welke grens tot pauzeren leidt. Verbind de maatregel aan scheid reparatie van herstart en controleer haar met werkelijk gedrag en procesdata.
4. Stoppen wordt persoonlijk falen genoemd
Leg in het risicoregister vast hoe het risico ‘stoppen wordt persoonlijk falen genoemd’ bij het stoppen van een AI-project zichtbaar wordt, wie actie neemt en welke grens tot pauzeren leidt. Verbind de maatregel aan bereken resterende waarde en controleer haar met werkelijk gedrag en procesdata.
Wanneer deze aanpak niet geschikt is
Dit beslismodel voor het stoppen van een AI-project vervangt geen juridisch, financieel of sectorspecifiek onderzoek. De combinatie van het risico ‘stopcriteria worden achteraf versoepeld’ en toepassingen met grote gevolgen voor mensen vraagt een concrete beoordeling door bevoegde deskundigen.
Pauzeer de uitvoering als de laatste stap, de stap ‘documenteer en hergebruik lessen’, geen bevoegde eigenaar heeft, als representatieve gegevens ontbreken of als noodzakelijke controle niet uitvoerbaar is.
Veelgestelde vragen
Wanneer pauzeer je in plaats van stoppen?
Pauzeer wanneer een concrete externe voorwaarde ontbreekt, zoals betrouwbare brondata, en er een eigenaar en realistische route bestaat om die voorwaarde te herstellen.
Mag een project stoppen terwijl de techniek werkt?
Ja. Technische werking bewijst geen netto bedrijfswaarde, verantwoord risico of passend gebruik.
Wie neemt het stopbesluit?
De vooraf aangewezen sponsor of portfoliobeslisser, op basis van input van businessowner, gebruikers, techniek en relevante risicofuncties.
Wat gebeurt er met de gemaakte investering?
Reeds gemaakte kosten zijn geen reden om door te gaan. Beoordeel toekomstige kosten en baten en hergebruik alleen onderdelen die zelfstandig waarde hebben.
Kan een gestopt idee later terugkomen?
Ja, wanneer relevante voorwaarden aantoonbaar veranderen. Behandel het dan als een nieuw investeringsbesluit, niet als automatische hervatting.
Bronnen en officiële documentatie
Verder lezen
- AI-strategie voor het MKB opstellen: keuzes, prioriteiten en rendement
- AI-strategie versus AI-roadmap: verschil, samenhang en juiste volgorde
- Strategische versus operationele AI-implementatie: waar investeer je eerst?
- AI koppelen aan bedrijfsdoelen: van use-case naar meetbare bijdrage
- AI-projectportfolio samenstellen: balans tussen waarde, risico en leervermogen