-

De vijf belangrijkste redenen waarom AI-projecten mislukken

AI staat bij veel organisaties op de agenda, maar de stap van strategie naar toepassing blijkt complexer dan gedacht. Ondanks goede strategische voornemens en grote investeringen, strandt een groot deel van de AI-projecten. Experts waarschuwen dat zonder een strategische koerswijziging de ‘AI-winter’ voor veel bedrijven sneller kan komen dan verwacht.

Gartner voorspelt dat tegen 2027 meer dan 40% van de AI- projecten zal worden stopgezet vanwege exploderende kosten, onduidelijke bedrijfswaarde of gebrekkige risicocontroles.

In tegenstelling tot andere hype cycles, is het probleem niet de technologie zelf die over, maar de aanpak waarmee veel organisaties te werk gaan. De Europese studio In The Pocket, dat bedrijven begeleidt bij hun digitale transformatie, ziet de trend dagelijks in de praktijk. “Veel leiders jagen opvallende projecten die beginnen met mooie slides, maar geen tastbare bedrijfsresultaten opleveren. Anderen proberen hun hele organisatie in één keer te transformeren en creëren complexe initiatieven die onder hun eigen gewicht bezwijken.” Diagnose: hoe belanden bedrijven daar? Volgens de analyse van In The Pocket zijn er vijf duidelijke redenen waarom AI-initiatieven vaak mislukken:

  1. PR boven probleem: projecten worden gestart om mee te zijn met de trend, niet om een echt probleem op te lossen.
  2. Verkeerde focus: teams storten zich op technisch interessante uitdagingen die weinig tot geen bedrijfsvoordeel opleveren.
  3. Gebrek aan strategische visie: projecten die niet aansluiten bij de kerndoelen van het bedrijf, verliezen snel steun en financiering.
  4. Te veel tegelijk: pogingen om de hele organisatie tegelijk te veranderen, leiden vaak tot chaos en mislukking
  5. Onderinvestering: succesvolle AI vereist een serieuze investering in technologie, maar ook in adoptie, vaardigheden en change management.

“Voordat je ook maar één euro investeert, moet je een eerlijke inschatting maken van de AI-maturiteit van je organisatie.” Dit betekent een kritische blik op de aanwezige data en infrastructuur. Op vaardigheden en bewustwording. Op hoe er geïnvesteerd wordt in nieuwe technologie zoals AI, en hoe innovatieve projecten typisch lopen.

Zo voorkom je dat AI-projecten vastlopen

In The Pocket ontwikkelde het “AI Value Proposition Canvas”. Dat is een eenvoudige strategische blauwdruk en dwingt teams om verder te kijken dan de technologie. Het stelt cruciale vragen: Welk specifiek probleem lossen we op en voor wie? Welke beslissing volgt uit de AI- voorspelling? Welke acties of waarde volgt uit die AI-beslissing? Wat is de winst als de AI gelijk heeft, en wat is de kost als de AI het mis heeft? Hebben we überhaupt de data.

Het canvas is bewust kort en blijft weg van technische discussies. “Het is bedoeld als een gespreksdocument tussen mensen uit ‘Business’ en mensen met ervaring rond AI of data.”

Voorbeelden uit de praktijk

De support-afdeling bij het Belgische Bancontact Payconiq Company werd zwaar belast door de populariteit van de app. Met het AI Value Canvas werden de meeste waardevolle én tegelijk haalbare scenario’s geïdentificeerd. De AI-oplossing werd ingebouwd in de bestaande tooling, waar antwoorden werden voorbereid. Snellere service voor eenvoudige vragen. Waardoor de medewerkers meer tijd over hielden voor complexe problemen.

Ook de populaire loop-app Start 2 Run worstelde met een probleem: 30% van de beginnende lopers haakte af door blessures of lage motivatie. In plaats van een technologische gimmick, werd AI gericht ingezet om op basis van gebruikersdata (zoals hartslag en snelheid) gepersonaliseerde aanbevelingen te doen voor het ideale looptempo. Het resultaat: een lager verloop en gezondere, gemotiveerde gebruikers. Door een sterke focus te houden op één duidelijke doelstelling, werd AI snel en goed geïmplementeerd en kwam die snel tot bij tevreden gebruikers.

De conclusie is: “AI is geen magie, het is software”. Succes hangt niet af van de meest geavanceerde algoritmes, maar van een gedisciplineerde strategie die vertrekt vanuit een duidelijk bedrijfsprobleem. Voor beslissingnemers is de boodschap dan ook: stel doelen, kies projecten die resultaten opleveren en toch haalbaar zijn. En begin dan vooral klein. “Maar dan vooral niet stoppen: na strategie en eerste oplevering, moet je werken met iedereen in de organisatie om de oplossing breed gedragen te krijgen. Dan komen de ideeën voor verbetering en nieuwe projecten vanzelf.”

 

Dit artikel is een samenvatting van de presentatie van Frederik De Bosschere (In The Pocket) tijdens EDAY 2025 en zoomt in op de praktische toepassing van AI in organisaties.

 

Over de auteur: Wouter Holten is Business Developer – Digital products bij In The Pocket 

Deel dit bericht

2 Reacties

Martin Voorzanger

Kleine nuance: “Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027”. Oftewel, deze uitspraak gaat specifiek over agentic AI Projects.

Dat is niet verwonderlijk, want “Gartner predicts at least 15% of day-to-day work decisions will be made autonomously through agentic AI by 2028, up from 0% in 2024.”, oftewel deze technologie heeft zich nog onvoldoende bewezen en zodoende is ‘agentic AI’ een enorme marketing hype.

Zie https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027

Chris Schneemann - Conversed.ai

Ik ben het met het meeste in het artikel eens, maar wij zien in de praktijk dat veel AI-projecten stranden op iets veel fundamentelers: het lukt simpelweg niet om de AI accurate en betrouwbare antwoorden te laten geven.

Juist daarom is het zo belangrijk om te kiezen voor een AI-platform én een manier van werken waarbij de oplossing bottom-up gedragen wordt. Wanneer teams zelf bijdragen aan het optimaliseren van de AI-agent, groeit de kwaliteit van de antwoorden en wordt AI binnen je organisaties geadopteerd. En dan heb je ook geen “perfecte dataset” nodig. Die bestaat namelijk niet, omdat data continu verandert. Het gaat erom dat je een oplossing kiest waarin data eenvoudig, snel en continu geactualiseerd kan worden.

Verder ben ik het helemaal eens met dat je klein moet beginnen. Kies een use case die gaat resulteren in een duidelijke, positieve ROI en ga van daaruit verder bouwen.

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond