AI-projecten prioriteren op ROI: een eerlijke rangschikking onder onzekerheid

Definitie en afbakening

ROI-prioritering is een vergelijkingsmethode voor schaarse investeringsmiddelen. Zij maakt aannames consistent, maar voorspelt de toekomst niet exact. Naast verwachte baten horen implementatie, licenties, intern werk, beheer, correcties en risico in de vergelijking. Bij onzekere projecten is verwachte waarde nuttiger dan één puntschatting: kans op succes maal uitkomst, met expliciete scenario’s.

Het herkenbare bedrijfsprobleem

Teams berekenen baten ruim en kosten smal. Ze tellen theoretisch bespaarde uren op, gebruiken verschillende uurtarieven en vergeten adoptie of beheer. Vervolgens lijkt elk initiatief een hoge ROI te hebben. Rangschikking wordt dan een wedstrijd in optimisme. Een centraal rekenkader maakt verschillen bespreekbaar en voorkomt dat presentatiekwaliteit het budget bepaalt.

Stappenplan voor het prioriteren van AI-projecten op ROI

1. Normaliseer de invoer

Gebruik gelijke perioden, tarieven, kostensoorten en definities.

2. Maak drie scenario’s

Bereken pessimistisch, realistisch en optimistisch met herleidbare aannames.

3. Schat bewijssterkte

Geef gemeten pilotdata meer gewicht dan leveranciersclaims.

4. Meet tijd tot waarde

Neem wachttijd, afhankelijkheden en adoptie mee.

5. Verwerk risico en omkeerbaarheid

Beperk rangschikking op financiële waarde niet tot het gemiddelde.

6. Neem een portfoliobesluit

Kies een combinatie die past bij budget, capaciteit en strategische doelen.

Beslismodel

| Beslispunt | Centrale vraag | Gewenst bewijs | Handelingsregel | |---|---|---|---| | Normaliseer de invoer | Gebruik gelijke perioden, tarieven, kostensoorten en definities. | Procesdata, besluitlog en eigenaar | Doorgaan bij voldoende bewijs | | Maak drie scenario’s | Bereken pessimistisch, realistisch en optimistisch met herleidbare aannames. | Representatieve test, kostenraming en akkoord | Beperkt testen bij onzekerheid | | Schat bewijssterkte | Geef gemeten pilotdata meer gewicht dan leveranciersclaims. | Procesdata, besluitlog en eigenaar | Stoppen of herontwerpen bij rode grens | | Meet tijd tot waarde | Neem wachttijd, afhankelijkheden en adoptie mee. | Representatieve test, kostenraming en akkoord | Doorgaan bij voldoende bewijs | | Verwerk risico en omkeerbaarheid | Beperk rangschikking op financiële waarde niet tot het gemiddelde. | Procesdata, besluitlog en eigenaar | Beperkt testen bij onzekerheid | | Neem een portfoliobesluit | Kies een combinatie die past bij budget, capaciteit en strategische doelen. | Representatieve test, kostenraming en akkoord | Stoppen of herontwerpen bij rode grens |

Lees dit model als beslisondersteuning voor het prioriteren van AI-projecten op ROI, niet als automatische ranglijst. De stap ‘Neem een portfoliobesluit’ verdient apart bewijs.

Praktijkvoorbeeld met invoer, berekening en uitkomst

Situatie

Een fabrikant vergelijkt een onderhoudsassistent en automatische orderclassificatie.

Invoer

Onderhoud: 40 procent kans op €300.000 netto baten, 60 procent kans op €20.000 verlies. Orderclassificatie: 80 procent kans op €90.000 baten, 20 procent kans op €15.000 verlies.

Berekening

Vereenvoudigde verwachte waarde: onderhoud €108.000; orderclassificatie €69.000. Onderhoud scoort hoger, maar vraagt ook €160.000 vooraf en negen maanden tot bewijs. Orderclassificatie vraagt €35.000 en acht weken.

Zakelijke uitkomst

De organisatie start orderclassificatie voor snel bewijs en financiert voor onderhoud eerst een goedkoper datavalidatieonderzoek. ROI wordt gecombineerd met liquiditeit en tijd tot leren.

Kosten en ROI correct berekenen

Bereken voor het prioriteren van AI-projecten op ROI minstens een ondergrens, een realistisch scenario en een bovengrens. Baseer volume, tijd en tarief op de nulmeting en toets expliciet hoe het risico ‘roi wordt met één puntschatting gepresenteerd’ de opbrengst kan verminderen.

Koppeling met de vijf lagen van de ROI-scan

In deze use-case verdient vooral de stap ‘maak drie scenario’s’ aandacht, omdat een aanname daar direct doorwerkt in de businesscase.

Lees daarnaast AI-use-cases prioriteren, AI-use-case scorecard, Wat kost AI-implementatie?.

Opties en scenario’s

| Scenario | Wanneer passend | Investering | Bewijs vóór opschaling | |---|---|---:|---| | Eerst meten | Gebruik gelijke perioden, tarieven, kostensoorten en definities. | Laag | Nulmeting en een afgebakende hypothese | | Beperkte pilot | Bereken pessimistisch, realistisch en optimistisch met herleidbare aannames. | Middel | Representatief bewijs voor de tweede proceskeuze | | Gefaseerd invoeren | Geef gemeten pilotdata meer gewicht dan leveranciersclaims. | Middel tot hoog | Gehaalde grens en een bevoegde eigenaar | | Niet starten of stoppen | ROI wordt met één puntschatting gepresenteerd | Beperkt verlies | Vastgelegd besluit en een proportioneel alternatief |

Risico’s en beheersmaatregelen

1. ROI wordt met één puntschatting gepresenteerd

Leg in het risicoregister vast hoe het risico ‘roi wordt met één puntschatting gepresenteerd’ bij het prioriteren van AI-projecten op ROI zichtbaar wordt, wie actie neemt en welke grens tot pauzeren leidt. Verbind de maatregel aan neem een portfoliobesluit en controleer haar met werkelijk gedrag en procesdata.

2. Interne uren worden als gratis behandeld

Leg in het risicoregister vast hoe het risico ‘interne uren worden als gratis behandeld’ bij het prioriteren van AI-projecten op ROI zichtbaar wordt, wie actie neemt en welke grens tot pauzeren leidt. Verbind de maatregel aan normaliseer de invoer en controleer haar met werkelijk gedrag en procesdata.

3. Theoretische capaciteit wordt omzet of cash genoemd

Leg in het risicoregister vast hoe het risico ‘theoretische capaciteit wordt omzet of cash genoemd’ bij het prioriteren van AI-projecten op ROI zichtbaar wordt, wie actie neemt en welke grens tot pauzeren leidt. Verbind de maatregel aan maak drie scenario’s en controleer haar met werkelijk gedrag en procesdata.

4. Risico wordt dubbel geteld of volledig genegeerd

Leg in het risicoregister vast hoe het risico ‘risico wordt dubbel geteld of volledig genegeerd’ bij het prioriteren van AI-projecten op ROI zichtbaar wordt, wie actie neemt en welke grens tot pauzeren leidt. Verbind de maatregel aan schat bewijssterkte en controleer haar met werkelijk gedrag en procesdata.

Wanneer deze aanpak niet geschikt is

Dit beslismodel voor het prioriteren van AI-projecten op ROI vervangt geen juridisch, financieel of sectorspecifiek onderzoek. De combinatie van het risico ‘interne uren worden als gratis behandeld’ en toepassingen met grote gevolgen voor mensen vraagt een concrete beoordeling door bevoegde deskundigen.

Pauzeer de uitvoering als de laatste stap, de stap ‘neem een portfoliobesluit’, geen bevoegde eigenaar heeft, als representatieve gegevens ontbreken of als noodzakelijke controle niet uitvoerbaar is.

Veelgestelde vragen

Wat is een goede ROI voor een AI-project?

Er bestaat geen universele grens. Vergelijk met alternatieve investeringen, kapitaalkosten, risico, tijd tot waarde en strategische noodzaak.

Hoe vergelijk je kostenbesparing met omzetgroei?

Maak aannames en marges expliciet. Gebruik bij omzet de bijdrage aan brutomarge, niet automatisch de volledige omzet.

Wat als betrouwbare data ontbreekt?

Verlaag de bewijssterkte en financier eerst een kleine meting of proef in plaats van de volledige implementatie.

Moet risico in euro’s worden uitgedrukt?

Waar verdedigbaar kan verwachte verlieswaarde helpen, maar ernstige juridische of maatschappelijke grenzen blijven ook afzonderlijke stopcriteria.

Kan de ROI-scan de definitieve businesscase vervangen?

Nee. De scan helpt kansen en implementatielekken identificeren. Een investeringsbesluit vereist projectspecifieke proces-, kosten- en risicodata.

Bronnen en officiële documentatie

• NIST AI Risk Management Framework
• Generative AI at Work, Brynjolfsson, Li en Raymond
• OECD AI Principles

Verder lezen

• AI-implementatie
• AI ROI-scan
• AI-use-cases prioriteren
• AI-use-case scorecard
• Wat kost AI-implementatie?