95% van de AI-pilots haalt de productie niet: zo doet het mkb in Zwolle het wél goed

Je hebt iets gebouwd met AI. Het werkte in de demo. Iedereen was enthousiast. En nu, drie maanden later, gebruikt niemand het meer.

Je bent niet de enige. Onderzoek van MIT liet zien dat ongeveer 95% van de generatieve-AI-pilots nooit doorschaalt naar productie. Deloitte vond dat slechts 25% van de bedrijven minstens 40% van hun pilots daadwerkelijk in gebruik heeft. En Gartner verwacht dat meer dan 40% van alle agentic-AI-projecten vóór eind 2027 wordt geschrapt — door oplopende kosten, onduidelijke businesswaarde of te weinig risicocontrole.

De belangrijkste conclusie uit al dat onderzoek: het ligt niet aan de modellen. Die zijn goed genoeg. Het ligt aan hoe organisaties AI implementeren, organiseren en ondersteunen. Goed nieuws, want daar heb je zelf invloed op.

Waarom AI-pilots stranden

1. Er is begonnen bij de tool, niet bij het proces

De klassieke volgorde: iemand ziet een indrukwekkende demo, en daarna wordt er een probleem bij gezocht. Zo krijg je een oplossing die technisch werkt maar nergens in het dagelijkse werk past.

De omgekeerde volgorde werkt wél: begin bij een proces dat aantoonbaar pijn doet — iets waar iemand elke week uren aan kwijt is — en kies dáár de techniek bij. Soms is dat AI. Vaak is het gewoon een slimme koppeling.

2. De pilot was nooit gebouwd om te blijven draaien

Een demo hoeft maar één keer te werken, met nette voorbeelddata en jou aan het stuur. Productie is iets anders: daar komt een factuur binnen in een raar formaat, valt een API eruit, en zit er niemand te kijken.

Wat een pilot mist en productie nodig heeft: foutafhandeling, logging, een duidelijke eigenaar, en een plan voor wat er gebeurt als het misgaat.

3. Niemand is eigenaar

Bij pilots is de enthousiasteling de eigenaar. Gaat die op vakantie of wisselt van rol, dan sterft het project een stille dood. In productie hoort een proces bij een functie, niet bij een persoon.

4. Het resultaat is nooit gemeten

"Het voelt sneller" is geen argument om ergens in te blijven investeren. Zonder nulmeting kun je nooit aantonen dat het werkt — en dus stopt de aandacht zodra het druk wordt.

Kies het juiste eerste project: drie criteria

De meeste mkb-bedrijven in Zwolle en omgeving kiezen hun eerste AI-project op basis van interesse. Kies liever op basis van deze drie:

Het gebeurt vaak. Minstens wekelijks, liefst dagelijks. Eenmalige klussen leveren nooit genoeg op om de bouw terug te verdienen.
De regels zijn uit te leggen. Kun je aan een nieuwe medewerker in tien minuten vertellen hoe het werkt? Dan kan het geautomatiseerd worden. Kan dat niet, dan is het proces zelf het probleem.
Een fout is te overzien. Begin niet bij iets waar een fout direct een klant of factuur raakt. Begin bij voorbereiden, sorteren, samenvatten of klaarzetten — met een mens die goedkeurt.

Typische winnaars in het mkb: inkomende facturen uitlezen en klaarzetten in de boekhouding, offerteaanvragen uit het contactformulier automatisch verrijken en in het CRM zetten, e-mails routeren naar de juiste persoon, en rapportages die zichzelf vullen.

Dat sluit aan bij wat het onderzoek laat zien: de grootste winst zit in de back office — facturen, aanvragen en het routeren van klantvragen — met 20 tot 30% snellere doorlooptijden.

Bouw vanaf dag één voor productie

Het verschil tussen een pilot die blijft hangen en een project dat draait, zit in vijf dingen die je meteen inbouwt:

Een goedkeuringsstap. Laat de automatisering het werk voorbereiden en een mens de knop indrukken. Dat verlaagt het risico, bouwt vertrouwen op, en je kunt de stap later weghalen als het bewezen goed gaat.
Foutafhandeling. Wat gebeurt er als een systeem eruit ligt of de input onbruikbaar is? Antwoord: het werk komt in een wachtrij en iemand krijgt een melding. Niet: het verdwijnt stilletjes.
Logging. Elke actie vastgelegd, zodat je achteraf kunt zien wat er gebeurd is. Dit is ook precies wat je nodig hebt om aantoonbaar in control te zijn onder de AI Act.
Eén eigenaar met een rol, geen naam. "De officemanager beheert deze flow", niet "Jan doet dit".
Een nulmeting. Meet vóór de bouw hoe lang het proces nu kost en hoe vaak het misgaat. Zonder dat cijfer kun je later niets bewijzen.

Klein beginnen is niet hetzelfde als vrijblijvend beginnen

Er is een verschil tussen een klein project en een experiment. Een klein project heeft een doel, een eigenaar en een meetpunt — het is alleen beperkt in omvang. Een experiment heeft dat allemaal niet.

De bedrijven die AI wél laten renderen, kiezen één afgebakend proces, zetten dat volledig in productie, meten het resultaat, en gebruiken die winst om het volgende te financieren. Saai, maar het werkt. En tegenover die 95% mislukte pilots staat dat 80% van de bedrijven die het wél in productie krijgt, positieve ROI rapporteert.

Xilly bouwt precies zulke automatiseringen voor mkb-bedrijven in Zwolle, Deventer en de rest van Overijssel — met n8n als motor en een goedkeuringsstap waar dat verstandig is. Geen demo die indruk maakt, maar een werkend proces dat elke dag draait. Zie ook bedrijfsproces automatisering.

Xilly — Deventer Herfordstraat 8D, 7418 EX Deventer Wij werken met mkb-bedrijven in Zwolle, Deventer, Apeldoorn en heel Overijssel.

Heb je een AI-pilot die blijft steken, of wil je er juist één starten die wél productie haalt? Plan een vrijblijvend gesprek — we kijken samen welk proces het meeste oplevert.