Waarom AI-implementatie vaak vastloopt na de pilotfase

MIT onderzocht in 2025 driehonderd generatieve AI-implementaties en vond dat 95 procent geen meetbare financiële impact opleverde, niet doordat de technologie faalde, maar door wat de onderzoekers "the learning gap" noemen: AI wordt aangeschaft, maar nooit echt ingebed in hoe teams werken. De gratis AIMI-scan legt in 10 minuten bloot op welke van vijf lagen dat bij jouw organisatie het geval is.

Het pijnpunt

Een pilot start enthousiast: een klein team probeert een AI-tool op één proces, de eerste resultaten zien er goed uit, er wordt over gesproken in een teamoverleg. Drie tot zes maanden later is de pilot stilletjes gestopt, zonder dat iemand het bewust heeft besloten: de initiatiefnemer is druk met iets anders, niemand heeft het overgenomen, en de tool wordt niet meer gebruikt. Dit patroon is zo herkenbaar dat het bijna een standaardverloop is, en het is precies wat MIT's onderzoek blootlegt op grote schaal.

De vier terugkerende oorzaken

Geen aangewezen eigenaar na de pilot. Tijdens de pilotfase trekt vaak één enthousiaste persoon het project. Zodra de pilot "geslaagd" wordt verklaard, is er zelden een duidelijk vervolgplan met een eigenaar voor de bredere uitrol.

Geen meting van voor en na. Zonder een nulmeting kan niemand aantonen dat de pilot daadwerkelijk iets heeft opgeleverd, wat het project kwetsbaar maakt zodra er andere prioriteiten opduiken.

Geen inbedding in het proces. De pilot draait vaak naast het bestaande proces, niet erin, waardoor het bij de eerste drukte als eerste wordt losgelaten, terwijl het reguliere proces blijft draaien.

Geen adoptietijd voor de rest van het team. Een pilot bij één of twee mensen bewijst dat de tool kán werken, maar zegt niets over of de rest van het team dezelfde adoptietijd en begeleiding heeft gehad om het over te nemen.

Wat succesvolle organisaties anders doen

Organisaties waar AI-implementatie wél beklijft na de pilotfase, plannen het vervolg vóórdat de pilot start: wie wordt eigenaar bij succes, hoe wordt gemeten, en hoe wordt de rest van het team meegenomen. De pilot is dan niet het einddoel, maar een geplande, tijdelijke fase binnen een groter traject: met een concreet besluitmoment aan het eind, in plaats van een vaag "we zien wel hoe het gaat".

Vergelijking: pilots die vastlopen vs. pilots die doorgroeien

| | Pilot loopt vast | Pilot groeit door | |---|---|---| | Eigenaarschap na de pilot | Onduidelijk, initiatiefnemer gaat verder met iets anders | Vooraf aangewezen, expliciet belegd | | Meting | Geen, alleen een goed gevoel | Nulmeting + vervolgmeting gepland | | Inbedding | Naast het proces | Vanaf het begin gepland als onderdeel van het proces | | Adoptietijd team | Niet meegenomen | Expliciet ingepland |

Onderbouwing

MIT NANDA's onderzoek (juli 2025, driehonderd generatieve AI-implementaties) is de meest directe, recente bron voor dit patroon: 95 procent van de onderzochte pilots leverde geen meetbare financiële impact op, met organisatorische inbedding, niet technologiekwaliteit, als de bepalende factor. McKinsey's State of AI 2025 bevestigt hetzelfde patroon van de andere kant: 88 procent van de organisaties gebruikt AI, maar slechts zo'n 6 procent haalt het niveau dat McKinsey "high performer" noemt: meer dan 5 procent van het bedrijfsresultaat uit AI.

Veelgestelde vragen

Is het normaal dat een AI-pilot na een paar maanden stilvalt? Statistisch gezien wel: het gebeurt bij de overgrote meerderheid van pilots, wat betekent dat het geen unieke tekortkoming van één organisatie is, maar een breed, voorspelbaar patroon.

Hoe voorkom ik dat onze pilot hetzelfde overkomt? Plan het vervolg vóórdat de pilot start: wijs een eigenaar aan voor de bredere uitrol, meet vooraf en achteraf, en bedenk hoe het proces zelf wordt aangepast, niet alleen wie er als eerste mee experimenteert.

Hoe lang moet een pilot duren voordat je een besluit neemt? Vier tot acht weken is meestal voldoende om een eerste, betrouwbaar signaal te krijgen, mits er vanaf het begin gemeten wordt.

Betekent een mislukte pilot dat AI niet geschikt is voor ons proces? Niet per se: vaak ligt de oorzaak bij ontbrekend eigenaarschap of meting, niet bij de geschiktheid van de technologie voor het proces zelf.

Hoe weet ik op welke laag onze organisatie het meeste risico loopt? Doe de AIMI-scan, die scoort specifiek op Cognitie, Gedrag, Proces, Technologie en Organisatie, en legt bloot waar het risico op vastlopen het grootst is.

Is dit probleem specifiek voor grote organisaties? Nee, het patroon komt op elke schaal voor: zelfs bij kleine teams verdwijnt een pilot zonder eigenaarschap en meting net zo makkelijk als bij een grote organisatie.

Wat is het verschil tussen een pilot die stopt omdat het niet werkte, en een pilot die stopt door gebrek aan opvolging? Het eerste is een bewust, gemeten besluit; het tweede gebeurt zonder dat iemand het expliciet beslist: vaak is het tweede het geval, ook al voelt het voor de organisatie als "het werkte niet".

Is de MIT-bevinding representatief voor Nederlandse organisaties? Het onderzoek betreft een brede, internationale steekproef van driehonderd implementaties; het onderliggende patroon (organisatorische inbedding als bepalende factor) is niet landspecifiek, en sluit aan bij wat McKinsey's eigen jaarlijkse onderzoek wereldwijd meet.