Gids
AI in je bedrijf: waar je begint
De meeste ondernemers die ik spreek weten dat er iets met AI moet, maar niet wat. Deze gids geeft een volgorde die werkt voor bedrijven tussen de tien en tweehonderd medewerkers: waar je begint, wat je overslaat, wat het ongeveer kost en waar het meestal misgaat.
Begin niet bij AI
De vraag "wat kunnen we met AI doen" leidt zelden ergens heen. Hij is te open, en het antwoord is altijd "van alles", waarna er niets gebeurt.
De vraag die wel werkt is: waar gaat bij ons de meeste tijd in zitten aan werk dat niemand leuk vindt. Dat is een vraag die je collega binnen vijf minuten kan beantwoorden, en het antwoord wijst bijna altijd naar iets dat te automatiseren is. Soms met AI, vaak met gewone automatisering die goedkoper en betrouwbaarder is.
Die volgorde is het belangrijkste advies in deze hele gids: eerst het probleem, dan pas de techniek. Andersom bouw je een oplossing op zoek naar een probleem, en dat is precies waar de meeste gestrande AI-projecten vandaan komen.
Wat je in de eerste week doet
Geen software aanschaffen, geen leverancier uitnodigen. Wel dit:
- Vraag vijf mensen uit verschillende hoeken welk terugkerend werk hen het meeste tijd kost
- Vraag erbij hoeveel uur per week dat ongeveer is; een ruwe schatting volstaat
- Noteer welk systeem er per taak bij betrokken is en of dat systeem een koppeling toestaat
- Streep alles weg wat minder dan twee uur per week kost
- Wat overblijft is je lijst, gesorteerd op uren
Welke je als eerste doet
Kies niet de grootste. Kies de eerste die aan drie voorwaarden voldoet: hij kost aantoonbaar tijd, de betrokken systemen hebben een koppeling, en er is één persoon die er eigenaar van wil zijn.
Die derde voorwaarde wordt het vaakst overgeslagen en veroorzaakt het vaakst problemen. Een automatisering zonder eigenaar valt binnen een jaar stil, meestal omdat een leverancier iets veranderde en niemand zich geroepen voelde het te repareren.
Reken erop dat de eerste toepassing niet je grootste besparing oplevert. Dat is niet erg. De eerste is bedoeld om te leren hoe zo een traject bij jou verloopt, en om intern te laten zien dat het werkt.
Wat het kost
Wat een eerste, afgebakende toepassing kost hangt sterk af van hoeveel systemen erbij betrokken zijn. Daar komen doorlopende kosten bij voor licenties en verwerking, die meestal bescheiden zijn ten opzichte van de bouw. Een concreet bedrag is pas te noemen als duidelijk is waar het over gaat.
De vuistregel die ik aanhoud: een eerste toepassing moet zichzelf binnen een jaar terugverdienen, en dat moet je vooraf kunnen uitrekenen op basis van bespaarde uren. Kun je die som niet maken, dan is de toepassing te vaag gekozen. Vraag elke aanbieder om een vaste prijs per fase in plaats van open regie.
Wat je in deze fase niet nodig hebt: een datawarehouse, een AI-strategie op papier, of een platform waar je jaarlijks voor betaalt. Die komen later, als ze al komen.
De vier duurste fouten
Deze zie ik het vaakst bij bedrijven die al een keer geprobeerd hebben en teleurgesteld zijn.
- Eerst de data op orde willen hebben: dat wordt een project van twee jaar zonder resultaat, terwijl de data voor een eerste toepassing meestal goed genoeg is
- Te groot beginnen: een toepassing die vijf afdelingen raakt heeft vijf keer zoveel kans om vast te lopen
- Geen succescriterium afspreken: zonder vooraf vastgelegde meetlat wordt elk resultaat achteraf goedgepraat of afgekraakt
- Alles uitbesteden zonder overdracht: dan huur je elk jaar opnieuw iemand in voor iets dat je zelf had kunnen beheren
Wanneer je er iemand bij haalt
De inventarisatie kun je zelf doen, en dat is ook beter: jij kent je bedrijf. Externe hulp loont zodra je moet kiezen welke toepassing haalbaar is, of zodra er gekoppeld moet worden met systemen die niet meewerken.
Waar je vooral op moet letten bij het kiezen van hulp: of iemand ook nee zegt. Een adviseur die op elke vraag antwoordt dat het kan, kost je uiteindelijk meer dan iemand die je vertelt dat je eerste idee geen goed idee is.
Veelgestelde vragen
Hoe lang duurt een eerste AI-toepassing?
Van eerste gesprek tot iets dat draait is zes tot twaalf weken realistisch voor een afgebakende toepassing. Daarvan is twee weken inventariseren, twee tot vier weken bouwen en testen, en de rest inrichten voor productie en overdragen. Wie een werkende toepassing binnen twee weken belooft, laat het testen weg.
Moeten we eerst onze data op orde hebben?
Meestal niet. Dat advies klinkt verstandig maar leidt tot jarenlange trajecten zonder zichtbaar resultaat. Voor de meeste eerste toepassingen is de data goed genoeg, en waar hij dat niet is, blijkt dat binnen twee weken. Dan weet je precies welk stuk data aandacht nodig heeft en waarom, wat een veel beter vertrekpunt is dan alles tegelijk opschonen.
Is ons bedrijf niet te klein voor AI?
Voor eigen modellen trainen: ja, vrijwel zeker. Voor het toepassen van bestaande modellen op je eigen processen: nee. De drempel ligt niet bij de omvang van je bedrijf maar bij de vraag of er genoeg repeterend werk is om iets terug te verdienen. Vanaf ongeveer tien medewerkers is dat er bijna altijd.
Wat als het niet werkt?
Dat komt voor, en het is te beperken door klein te beginnen. Een proof of concept die faalt kost je een paar weken; een compleet uitgerold project dat faalt kost een veelvoud daarvan. Daarom werk ik met een beslismoment na elke fase, en daarom is stoppen na een mislukte proef geen uitzondering maar onderdeel van de aanpak.
Lijst gemaakt en er niet uit gekomen?
Stuur in een paar zinnen wat er bovenaan staat. Ik zeg wat ik ervan denk, welke aanpak past en of het de moeite waard is, ook als het antwoord nee is.