7 fouten bij AI implementatie (en hoe je ze vermijdt)

Je kent het verhaal. Er was een presentatie over AI. De directie was enthousiast. Er kwamen licenties. Misschien een workshop. En drie maanden later? Drie mensen die ChatGPT gebruiken voor e-mails, één iemand die er samenvattingen mee maakt, en de rest die gewoon doorgaat zoals altijd.

Dialogic onderzocht het in opdracht van het Ministerie van Economische Zaken: de meeste MKB-bedrijven bevinden zich nog in de verkennende fase. AI is zelden structureel ingebed in bedrijfsprocessen. Niet omdat het niet kan, maar omdat de aanpak niet klopt.

Dit artikel is niet bedoeld om je af te schrikken. Het is bedoeld om je te behoeden voor de fouten die ik steeds weer tegenkom. Want het zijn altijd dezelfde zeven. En ze zijn allemaal te voorkomen.

Fout 1 — Je begint met de tool in plaats van het probleem

De meest gemaakte fout. Je ziet een demo van Copilot, leest over Claude, of een collega-ondernemer vertelt enthousiast over ChatGPT. En voor je het weet ben je aan het vergelijken welke tool je moet aanschaffen.

Maar de vraag is niet: "welke AI-tool moeten we gebruiken?" De vraag is: "welk probleem willen we oplossen?"

TNO-onderzoeker Thijmen Zoomer verwoordt het scherp: "Managers voelen druk om iets met AI te doen, maar weten vaak niet welk probleem ze oplossen." En dat is precies het punt. Als je niet weet wat het probleem is, kun je ook niet meten of de oplossing werkt.

Doe dit in plaats daarvan: Ga deze week bij drie collega's langs en vraag: welke taak kost je het meeste tijd en voegt het minste waarde toe? Die antwoorden zijn je startpunt — niet een toolselectie.

Fout 2 — Je verwacht te snel resultaat

"We hebben nu twee maanden AI-licenties. Wat levert het op?"

Die vraag komt altijd. En het eerlijke antwoord is: na twee maanden waarschijnlijk nog niet zoveel. Niet omdat AI niet werkt, maar omdat je team nog aan het leren is. Er is een leercurve. En die leercurve kost tijd.

Uit TNO-onderzoek onder 25.000 professionals bleek dat de gemiddelde tijdsbesparing door AI slechts 3% is. Drie procent. Dat voelt als niets. Maar dat cijfer gaat over bedrijven die wel tools hebben aangeschaft maar niet geïnvesteerd hebben in goede implementatie.

De bedrijven die het wél goed doen? Die meten pas na drie maanden. Die accepteren dat de eerste maand een leermaand is. Die weten dat je medewerkers eerst moeten ontdekken wat werkt voordat het echt gaat renderen.

Doe dit in plaats daarvan: Spreek vooraf af: de eerste 90 dagen zijn voor leren en experimenteren. We meten pas daarna. En als je dan resultaat wilt zien, koppel het aan een specifiek proces — niet aan een vaag "productiviteitswinst."

Fout 3 — Je koopt licenties maar investeert niet in training

De populairste aanpak in Nederland: 15 licenties aanschaffen, een mailtje sturen met de inloggegevens, en hopen dat mensen het oppakken.

Het Dialogic-rapport voor het Ministerie van EZ is helder: "te weinig kennis en vaardigheden" is veruit de grootste barrière voor AI-adoptie in het MKB. CBS bevestigt het: driekwart van de bedrijven noemt gebrek aan ervaring als reden om AI niet te gebruiken.

Een licentie zonder training is als een fitnessabonnement zonder schema. Je gaat misschien de eerste week, probeert wat apparaten, en na een maand is het vergeten.

Doe dit in plaats daarvan: Koppel elke licentie aan een hands-on training. Niet een online cursus die niemand afkijkt, maar een sessie waar je team met hun eigen werkdocumenten oefent. Met hun eigen e-mails, hun eigen rapporten, hun eigen processen. Dan pas klikt het. En dan pas gebruiken ze het ook volgende week nog.

Fout 4 — Je hebt geen AI-beleid (en je bent al in overtreding)

Dit is de fout waar veel ondernemers van schrikken. Je medewerkers gebruiken ChatGPT, Gemini, misschien Copilot. Maar je hebt geen afspraken over welke data erin mag. Geen richtlijnen over wat wel en niet kan. Geen idee wie welke tools gebruikt.

Computable onderzocht het en de cijfers zijn verontrustend: driekwart van de Nederlandse techprofessionals gebruikt ongoedgekeurde AI-tools op het werk. Bij een op de vijf organisaties heeft dat al tot een datalek geleid.

En dan is er de wet. Sinds februari 2025 is AI-geletterdheid wettelijk verplicht onder de EU AI Act. De Kamer van Koophandel onderzocht hoeveel ondernemers daadwerkelijk stappen hebben gezet: 2 tot 3 procent. De helft kent de wet niet eens.

De Autoriteit Persoonsgegevens maakt AI tot handhavingsprioriteit in 2026. Boetes lopen op tot €15 miljoen of 3% van de omzet.

Doe dit in plaats daarvan: Stel een simpel AI-beleid op. Het hoeft geen 20-pagina-document te zijn. Twee pagina's met antwoord op drie vragen: welke tools mag het team gebruiken, welke data mag er wél en niet in, en wie is verantwoordelijk als er iets misgaat? Dat is genoeg om mee te beginnen.

Fout 5 — Je vergeet de werkvloer

De directie is enthousiast. Er wordt gepraat over "AI-transformatie" en "digitale volwassenheid." Er komen slides. Misschien een externe consultant. Maar het team op de werkvloer? Dat hoort het via een e-mail. Of erger: via de wandelgangen.

Integron onderzocht 5.000 Nederlandse werkenden en vond een enorme kloof: de directie gebruikt AI drie keer zo vaak als uitvoerend personeel. Die kloof is niet vreemd — de directie heeft vaak meer tijd, meer toegang en meer reden om het uit te proberen. Maar als je de werkvloer niet meeneemt, krijg je weerstand.

Frankwatching beschreef wat er dan gebeurt: teams ontwikkelen stille workarounds om AI te vermijden. Niemand zegt er iets van. Maar de adoptiecijfers stagneren, en na een half jaar concludeert de directie dat "AI toch niet zoveel oplevert."

TNO is helder: van de drie succesfactoren voor AI-implementatie is medewerkersbetrokkenheid "verreweg het belangrijkst."

Doe dit in plaats daarvan: Betrek je team vóórdat je tools kiest. Niet achteraf. Vraag ze waar ze vastlopen, waar ze tijd verspillen, wat ze frustreert. Laat ze meedenken over welke processen beter kunnen. AI-implementatie die van onderaf groeit, heeft een veel grotere kans van slagen dan iets dat van bovenaf wordt uitgerold.

Fout 6 — Je traint eenmalig in plaats van structureel

Er was een workshop in september. Het was leuk, iedereen was enthousiast, er werden prompts geschreven. En sindsdien? Niets. De slides staan ergens op een gedeelde schijf. De promptbibliotheek is nooit gebruikt. En het team is terug bij af.

Herkenbaar? Frankwatching analyseert het als een van de vier "organisatie-kloven" die AI-succes bepalen: de kloof tussen training en leren. Eenmalige training na deployment komt te laat én verdwijnt te snel. Effectief leren vereist experimenteerruimte, herhaling en collega's die je kunt vragen als je vastloopt.

En de tools veranderen constant. Wat je in september over ChatGPT leerde, is in februari alweer deels verouderd. Nieuwe modellen, nieuwe functies, nieuwe mogelijkheden. AI-kennis heeft een houdbaarheidsdatum.

Doe dit in plaats daarvan: Maak AI-leren onderdeel van de routine. Plan maandelijks een uurtje om tips en ervaringen te delen. Benoem een AI-ambassadeur per team die collega's helpt. En plan minimaal twee keer per jaar een verdiepende sessie om bij te blijven. Het verschil tussen bedrijven die het lukt en bedrijven die vastlopen, zit bijna altijd in de follow-up.

Fout 7 — Je probeert alles tegelijk

Vijf pilots tegelijk. ChatGPT voor marketing, Copilot voor development, een AI-chatbot voor klantenservice, een analysetool voor finance, en iemand die "iets met AI-agents" aan het uitzoeken is. Klinkt ambitieus. Maar het resultaat is bijna altijd: pilot-moeheid.

Dutch IT Channel meldt dat slechts een kwart van de bedrijven meer dan 40% van hun AI-pilots daadwerkelijk in productie heeft gebracht. De rest? Gestranded in de experimenteerfase. Eeuwig piloten, nooit landen.

Frankwatching beschrijft een betere aanpak: de portfolio-benadering. Start twee tot drie kleine pilots, evalueer na 90 dagen, en schaal op wat werkt. Stop wat niet werkt. Zonder schuldgevoel. Bedrijven die dit doen — en samenwerken met specialisten in plaats van alles zelf uitzoeken — hebben volgens het MIT een succesratio van 67%. Die het alleen doen: 33%.

Doe dit in plaats daarvan: Kies één proces. Eén team. Eén tool. Definieer vooraf wat succes is ("het team bespaart X uur per week op rapportages"). Evalueer na drie maanden. En pas als dat werkt, ga je door naar het volgende proces.

De rode draad

Als je deze zeven fouten naast elkaar legt, zie je steeds hetzelfde patroon: AI-implementatie is geen technologieprobleem. Het is een mensenprobleem.

Elke fout gaat over mensen: mensen die niet weten waarom het nodig is, mensen die niet getraind zijn, mensen die niet betrokken worden, mensen die te veel tegelijk moeten verwerken. De technologie werkt prima. Het is de aanpak die bepaalt of het slaagt of faalt.

Samengevat:

1. •Begin bij het probleem, niet bij de tool
2. •Geef het tijd — meet na 90 dagen, niet na 2 weken
3. •Investeer in training, niet alleen in licenties
4. •Stel een AI-beleid op — het is verplicht en het beschermt je
5. •Betrek de werkvloer — van begin af aan
6. •Train structureel, niet eenmalig
7. •Doe één ding goed in plaats van vijf dingen half

Wil je dieper duiken in waarom AI-projecten mislukken? Of wil je een concreet stappenplan voor AI implementatie?

En als je team er klaar voor is om het wél goed aan te pakken — met begeleiding, met hun eigen werkprocessen, en zonder de fouten die iedereen maakt — dan is onze ChatGPT, Claude & Gemini Masterclass of het AI als Teamsport-programma een goede plek om te beginnen.

Bronnen

• •Dialogic — AI-gebruik in het mkb: Ambitie of aarzeling?
• •CBS — AI Monitor 2024
• •TNO — Drie succesfactoren voor succesvolle AI-implementatie
• •MT/Sprout + TNO — 6 stappen AI-succes vs. mislukking
• •&samhoud — AI-adoptie onderzoek 2025
• •Integron — AI op de werkvloer in Nederland 2025
• •KVK — Ondernemers zetten nauwelijks stappen rond AI-wetgeving
• •Computable — Schaduw-AI en het risico voor organisaties
• •Frankwatching — Waarom 95% van AI-pilots mislukt
• •Frankwatching — 4 organisatie-kloven die succes bepalen in 2026
• •Frankwatching — 4 signalen dat AI-implementatie je cultuur onder druk zet
• •Dutch IT Channel — AI-implementatie stagneert in pilotfase