Waarom veel AI-projecten mislukken
(en wat softwareontwikkeling daarvan kan leren)

Veel vaker ligt het aan de manier waarop organisaties AI proberen toe te passen. Opvallend genoeg lijken de oorzaken sterk op problemen die in eerdere IT-golven ook al speelden. Drie patronen komen daarbij steeds terug: tool-first denken, het ontbreken van procesanalyse en een nieuwe vorm van eilandautomatisering.

1. Tool-first denken

Veel AI-projecten beginnen met een vraag als: “Wat kunnen we met deze tool?” Dat lijkt logisch. Nieuwe technologie roept nieuwsgierigheid op en organisaties willen experimenteren. Maar wanneer de tool het vertrekpunt is, ontstaat er vaak een oplossing zonder duidelijk probleem. Het gevolg is dat AI wordt ingezet voor toepassingen die interessant zijn, maar niet noodzakelijk waarde toevoegen.

In een eerdere blog over AI in softwareontwikkeling schreven we al dat AI in de praktijk vooral een nieuw type gereedschap is. Net als bij elk gereedschap geldt: je begint niet met de tool, maar met wat je wilt bouwen.

Succesvolle softwareontwikkeling werkt daarom meestal andersom. Daar begint het proces met vragen als:

• Welk probleem willen we oplossen?

• Waar zitten inefficiënties in het proces?

• Wat zou er concreet moeten verbeteren?

Pas daarna wordt gekeken welke technologie daarbij past.

2. AI toepassen zonder procesanalyse

Een tweede oorzaak van mislukte AI-projecten is dat organisaties technologie toepassen op processen die zelf nog niet goed zijn ingericht. AI kan veel automatiseren, maar het kan geen slecht proces repareren.

Wanneer een proces onduidelijk, inefficiënt of versnipperd is, zal AI die problemen vaak alleen sneller reproduceren. In plaats van verbetering ontstaat er dan vooral complexiteit.

Daarom begint succesvolle automatisering meestal met procesanalyse. Eerst begrijpen hoe een proces werkt, waar frictie zit en welke stappen echt waarde toevoegen. Pas daarna wordt gekeken waar technologie kan helpen.

3. Eilandautomatisering 2.0

Een derde patroon is dat AI-oplossingen vaak los van bestaande systemen worden gebouwd. Teams experimenteren met tools, bouwen prototypes of ontwikkelen kleine toepassingen die een specifiek probleem oplossen. Dat kan waardevol zijn, maar wanneer deze oplossingen niet worden geïntegreerd met bestaande systemen ontstaat een nieuw probleem: de organisatie krijgt er weer een systeem bij.

Dit fenomeen is niet nieuw. In de jaren zeventig en tachtig ontstond iets vergelijkbaars met de eerste generaties bedrijfssoftware: losse toepassingen per afdeling, zonder samenhang. Dat werd bekend als eilandautomatisering. AI kan onbedoeld een nieuwe versie van dat probleem veroorzaken: snelle, slimme oplossingen die niet goed verbonden zijn met de rest van het IT-landschap.

De rol van IT-volwassenheid

Hoe succesvol organisaties AI inzetten hangt vaak samen met hun IT-volwassenheid. Organisaties met een hoger volwassenheidsniveau hebben meestal:

• duidelijkere processen

• een beter overzicht van hun IT-landschap

• integraties tussen systemen

• afspraken over governance en architectuur

In zo’n omgeving kan AI worden toegevoegd als onderdeel van een groter geheel. Organisaties met een lagere IT-volwassenheid starten vaker met losse experimenten. Dat kan waardevolle inzichten opleveren, maar zonder integratie en structuur blijft de impact beperkt.

Wat softwareontwikkeling hiervan kan leren

Voor softwareontwikkeling ligt hier een belangrijke les. AI verandert de mogelijkheden van technologie, maar niet de fundamenten van goed ontwikkelwerk. Die blijven hetzelfde:

• begin bij het probleem, niet bij de tool

• analyseer processen voordat je automatiseert

• zorg dat nieuwe oplossingen passen binnen de bestaande architectuur

Wanneer AI op die manier wordt ingezet, kan het een krachtige versneller zijn. Niet als losse innovatie, maar als onderdeel van een breder digitaal ecosysteem.

AI als onderdeel van het grotere geheel

De grootste waarde van AI ontstaat wanneer het niet als losse technologie wordt gezien, maar als onderdeel van het totale systeem van processen, data en software.

Organisaties die daarin slagen gebruiken AI niet alleen voor experimenten, maar voor structurele verbetering van hun processen.