De AI Value Crisis: waarom veel AI-projecten minder opleveren dan verwacht

De afgelopen jaren werd kunstmatige intelligentie gepresenteerd als dé oplossing voor vrijwel ieder bedrijfsprobleem. Organisaties investeerden massaal in AI-tools, copilots, chatbots en automatisering. Maar inmiddels ontstaat een realistischer beeld: veel AI-projecten leveren aanzienlijk minder waarde op dan vooraf werd verwacht.

Onderzoeksbureau Gartner noemt dit inmiddels een “AI Value Crisis”. Bedrijven investeren volop, maar worstelen met aantoonbaar rendement, vertrouwen, governance en schaalbaarheid.

Dat betekent niet dat AI faalt. Het betekent vooral dat veel organisaties AI verkeerd benaderen.

De hype voorbij

In veel organisaties ontstond een soort AI-race:

• “We moeten iets met AI.”
• “Onze concurrent gebruikt het ook.”
• “Iedere medewerker moet AI-tools krijgen.”

Maar vaak ontbreekt een duidelijke businesscase.

Daardoor ontstaan situaties waarin:

• AI-oplossingen worden gekocht zonder concreet doel;
• pilots nooit verder komen dan experimenten;
• medewerkers verschillende AI-tools gebruiken zonder beleid;
• data ongeschikt blijkt voor betrouwbare AI-uitkomsten;
• management wel kosten ziet, maar geen meetbare opbrengst.

AI wordt dan geen strategisch hulpmiddel, maar een verzameling losse experimenten.

Het echte risico zit niet in de technologie

Wanneer over AI-risico’s wordt gesproken, denken veel mensen direct aan sciencefiction:

• AI neemt banen over;
• AI wordt slimmer dan mensen;
• AI neemt beslissingen zelfstandig.

Maar in de praktijk zijn de grootste risico’s veel menselijker en organisatorischer.

1. Verkeerde verwachtingen

Veel organisaties verwachten directe productiviteitswinst. In werkelijkheid vraagt succesvolle AI:

• goede data;
• duidelijke processen;
• training van medewerkers;
• governance;
• menselijke controle.

AI is geen magische knop die inefficiënte processen plotseling oplost.

2. Slechte of versnipperde data

AI is volledig afhankelijk van de kwaliteit van de input. Slechte data leidt tot:

• onbetrouwbare antwoorden;
• verkeerde analyses;
• foutieve besluitvorming;
• compliance-risico’s.

Veel bedrijven ontdekken pas ná implementatie dat hun datahuishouding onvoldoende op orde is.

3. Schaduw-AI

Steeds vaker gebruiken medewerkers zelfstandig AI-tools zonder toestemming van IT of security-afdelingen. Denk aan:

• het uploaden van vertrouwelijke documenten;
• klantgegevens invoeren in publieke AI-systemen;
• gebruik van onbeveiligde AI-browserextensies.

Dit zogenaamde shadow AI vormt een groeiend risico voor privacy, beveiliging en compliance.

4. Geen eigenaarschap

AI-projecten stranden vaak omdat niemand écht verantwoordelijk is.
IT kijkt naar techniek.
Management kijkt naar kosten.
Gebruikers kijken naar gemak.

Maar zonder duidelijke regie ontbreekt:

• risicobeheer;
• kwaliteitscontrole;
• beleid;
• evaluatie van resultaten.

Vertrouwen wordt belangrijker dan snelheid

De eerste fase van AI draaide vooral om mogelijkheden:
“Wat kan AI allemaal?”

De volgende fase draait om vertrouwen:

• Kunnen we de uitkomsten controleren?
• Is de data betrouwbaar?
• Voldoen we aan wet- en regelgeving?
• Begrijpen medewerkers de beperkingen?
• Wie is aansprakelijk bij fouten?

Juist daar ligt de komende jaren het verschil tussen succesvolle organisaties en bedrijven die vastlopen in dure AI-experimenten.

AI zonder governance wordt duur

Veel bedrijven focussen uitsluitend op:

• licenties;
• tools;
• modellen;
• automatisering.

Maar vergeten de randvoorwaarden:

• beleid;
• training;
• controle;
• datakwaliteit;
• beveiliging;
• menselijke toetsing.

Daardoor ontstaat een paradox:
hoe sneller AI wordt ingevoerd zonder governance, hoe groter de kans op fouten, weerstand en financiële tegenvallers.

Wat organisaties wél zouden moeten doen

Succesvolle AI-adoptie begint meestal niet bij technologie, maar bij strategie.

Stel eerst deze vragen:

• Welk probleem lossen we eigenlijk op?
• Hoe meten we succes?
• Welke risico’s accepteren we wel of niet?
• Welke data gebruiken we?
• Wie controleert de uitkomsten?
• Welke medewerkers hebben training nodig?
• Hoe voorkomen we afhankelijkheid van één leverancier?

De komende jaren: van AI-hype naar AI-verantwoordelijkheid

AI blijft een krachtige technologie. Maar de periode van blind enthousiasme loopt langzaam ten einde.

De komende jaren zullen organisaties ontdekken dat duurzame AI-waarde vooral ontstaat door:

• realistische verwachtingen;
• goede governance;
• betrouwbare data;
• duidelijke verantwoordelijkheden;
• menselijke controle;
• risicobewustzijn.

Niet door simpelweg “meer AI” te kopen.

Conclusie

De grootste AI-risico’s zitten niet in futuristische scenario’s, maar in overschatting, slechte voorbereiding en gebrek aan regie.

De organisaties die AI succesvol inzetten, zijn waarschijnlijk niet de bedrijven die het snelst experimenteren — maar de bedrijven die AI het verstandigst organiseren.

---

Bron / aanleiding:
Gartner – AI Is Facing a Value Crisis — And What to Do About It