AI werkt pas als je proces klopt
Bram SuurdTechnologie
Veel bedrijven kopen AI-tools voordat hun processen, data en eigenaarschap op orde zijn. Dan krijg je geen automatisering maar extra werk. Dit artikel laat zien wat je eerst moet regelen.
In dit artikel
Veel bedrijven doen in 2026 alsof AI vooral een inkoopbeslissing is. Een tool erbij, een licentie erbij, klaar. In de praktijk versnelt AI vooral wat er al mis zit. Als je intake half handmatig loopt, data verspreid staat en niemand eigenaar is van de overdracht, krijg je geen slimme automatisering maar extra werk in een sneller jasje.
Dat zie je terug in recente signalen. Pax8 meldt dat 62% van SMB-leiders denkt dat hun bedrijf zonder AI binnen drie jaar niet competitief blijft, maar tegelijk lopen adoptie, governance en interne afstemming niet gelijk op. De Federal Reserve ziet hetzelfde patroon op grotere schaal: AI-adoptie in de VS loopt hard op, maar de uitkomst verschilt sterk per bedrijfsgrootte, sector en manier van gebruik. Met andere woorden: AI is niet meer de vraag. De vraag is of je bedrijf het organisatorisch aankan.
Het echte probleem zit zelden in de tool
De meeste AI-discussies beginnen bij software. De echte bottleneck zit meestal eerder: onduidelijke processen, losse data en te veel uitzonderingen die nooit echt zijn vastgelegd. Dan kan een AI-tool wel iets genereren, samenvatten of sorteren, maar hij lost de oorzaak niet op.
Dat zie je in kleine teams snel terug. Iedereen weet ongeveer hoe het werk gaat, totdat het druk wordt of iemand afwezig is. Dan blijken afspraken impliciet, labels inconsistent en overdrachten half uitgewerkt. AI maakt die gaten niet kleiner. Het legt ze juist bloot.
Een chatbot die offertes moet samenvatten of een agent die tickets moet prioriteren klinkt handig, maar als niemand heeft vastgelegd wat een goede samenvatting is of welke uitzonderingen apart moeten worden behandeld, schuift het probleem alleen door naar de volgende stap.
Pax8 beschrijft dat scherp: AI-adoptie groeit, maar governance, integratie en interne afstemming blijven achter. Dat is geen technisch detail. Dat is het verschil tussen een werkende oplossing en een duur speeltje.
Waar het misgaat zodra teams AI op bestaande rommel plakken
Er zijn een paar terugkerende signalen dat een bedrijf te vroeg met AI begint:
- medewerkers moeten alsnog alles handmatig controleren
- data staat op meerdere plekken met net andere versies
- niemand weet wie eindverantwoordelijk is voor een uitkomst
- uitzonderingen worden ad hoc opgelost in plaats van vastgelegd
- AI-output wordt gekopieerd naar systemen die daar niet op zijn ingericht
Op papier lijkt dat werkend. In de praktijk verschuift het probleem. Het verdwijnt niet. Een medewerker maakt minder handwerk, maar moet daarna alsnog corrigeren, herstructureren of uitleggen waarom iets niet klopt. Dan heb je geen automatisering, maar extra schakels.
Daarom voelt AI in veel bedrijven eerst sneller dan slimmer. Het tempo gaat omhoog, maar de kwaliteit van de flow niet.
Welke processen wel geschikt zijn voor een eerste AI-stap
AI werkt het best als het proces al redelijk strak is. Dus niet bij alles wat complex, politiek of uitzonderingsrijk is. Wel bij taken met een duidelijke input, een herkenbare output en weinig risico als er een fout tussen zit.
Goede eerste kandidaten zijn vaak:
- intake en triage van terugkerende aanvragen
- samenvatten van notities, tickets of gesprekken
- classificeren van documenten of berichten
- eerste concepten voor interne communicatie
- controle van vaste gegevensvelden of volledigheid
De vuistregel is simpel: als een mens het werk met duidelijke regels kan doen, kan AI vaak een deel van de routine overnemen. Als het werk vooral draait om uitzonderingen, nuance of gevoelige besluitvorming, moet je eerst het proces zelf aanscherpen.
Wat je vóór een AI-implementatie moet vastleggen
Voor je een tool kiest, moet je een paar dingen zwart-op-wit hebben:
- wat de input is
- wat de gewenste output is
- wie eigenaar is van het proces
- wat er gebeurt bij twijfel of uitzondering
- welke bron de waarheid is
- waar logging of controle nodig is
Dat klinkt saai. Het is ook precies waar de winst zit. Zonder dat kader ga je bouwen op aannames. Met dat kader kun je veel gerichter kiezen of je met een AI-tool, een integratie of maatwerk software uit bent.
De Federal Reserve laat in zijn recente notitie zien dat AI-adoptie inmiddels breed genoeg is om serieus te meten, maar dat de uitkomst sterk verschilt per sector, bedrijfsgrootte en gebruiksvorm. Dat past precies bij wat je in de praktijk ziet: adoptie op zichzelf zegt nog niets over volwassenheid.
Wanneer maatwerk zinvoller is dan nog een AI-tool
Soms is het probleem niet dat je te weinig AI hebt, maar dat je workflow uit losse stukken bestaat die nooit goed aan elkaar zijn geknoopt. Dan is een extra tool juist een pleister op een gapend gat.
Zelfs partijen als Intuit verkopen hun AI voor de mid-market niet als losse magie, maar als een laag die bovenop duidelijke financiële workflows en bestaande data kan landen. Dat is precies waarom zulke oplossingen iets kunnen opleveren: ze zitten in een omgeving die al redelijk strak is ingericht.
In zo’n situatie levert maatwerk software vaak meer op dan nog een abonnement. Dan kun je de stappen, rechten, uitzonderingen en koppelingen rond je echte proces bouwen in plaats van om een generieke tool heen werken. Zeker als meerdere mensen, systemen of overdrachten in beeld zijn, betaalt die keuze zich snel terug.
Dat is ook de logica achter veel goede automatiseringstrajecten: niet beginnen bij de hype, maar bij de route die het werk echt aflegt.
Praktische volgende stap
Als je AI wilt inzetten, begin dan niet met “welke tool is het best?”. Begin met “welk proces is strak genoeg om dit te dragen?”. Dat ene verschil bepaalt of AI je organisatie rust en snelheid geeft, of vooral extra drukte.
Voor BLB is dat meestal het moment waarop het gesprek interessant wordt: niet over een losse tool, maar over de softwarelaag, koppelingen en proceslogica die ervoor zorgen dat AI echt iets toevoegt. Dat is vaak waar maatwerk pas echt zin krijgt.
