Hoe je stopt met geld verliezen op AI-pilots: Drie fouten en wat je in plaats daarvan moet doen

In de afgelopen jaren heeft de financiële sector een race ingezet om kunstmatige intelligentie te implementeren. Bedrijven kopen steeds vaker modellen en ondertekenen contracten met leveranciers, maar dat levert weinig of zelfs een angstaanjagend resultaat op. Volgens een MIT‑studie die vorig jaar werd gepubliceerd, heeft 95% van de zakelijke AI‑pilots geen meetbaar effect op de winst van bedrijven.

Tegelijkertijd stijgt de uitgavenstroom exponentieel, aangezien wordt geschat dat de wereld vorig jaar 1,76 biljoen dollar aan AI heeft uitgegeven, en dat dit cijfer in 2026 naar verwachting zal groeien tot 2,59 biljoen. Dus het geïnvesteerde geld en het terugverdiende geld lijken sterk uiteen te lopen, en de kosten stijgen in feite voor niets.

Het probleem is echter niet dat de technologie zwak is. De AI‑modellen worden elk jaar slimmer, zo sterk zelfs dat OpenAI besloot haar ontwikkelingen stil te leggen om niet te ver te gaan. In dit geval is het echte nadeel het ontbreken van een operationeel model dat deze technologieën effectief kan benutten.

De illusie van een pilot hebben

De schaal van AI‑integratie is zo groot dat bijna elke fintech‑ of traditionele financiële instelling recentelijk minstens één AI‑pilot heeft gelanceerd, bijvoorbeeld een chatbot voor klanten. Maar ongeacht wat ze lanceren, hebben deze verhalen over het algemeen een nogal onaangenaam einde.

Alles begint met een specifiek team dat een proof‑of‑concept bouwt dat goed presteert onder gecontroleerde testomstandigheden. Vervolgens, na de demo, is het management onder de indruk en laat het hen implementeren, maar op een gegeven moment stort het project in of blijkt het ineffectief. Maar waarom?

Natuurlijk faalt niet elk intern AI‑project, want in dat geval zouden er geen ML‑engineers meer overblijven en zou de technologie nutteloos blijken. Maar ik heb deze faalcircuit zo vaak gezien dat ik de oorzaak al heel goed ken. Simpel gezegd is het de pilot zelf, die, hoewel goed uitgevoerd, niet is ontworpen om te passen in de manier waarop het bedrijf werkelijk werkt en functioneert van dag tot dag.

Als gevolg daarvan botst een model dat in isolatie briljant werkt met de operationele realiteit en komt het terecht bij verouderde infrastructuur of medewerkers die niet eens weten hoe ze met de technologie moeten werken. Geen van deze barrières wordt opgelost door een slimmer algoritme. Ze kunnen allemaal alleen door managementbeslissingen worden verholpen, en dat valt niet onder de verantwoordelijkheid van data‑wetenschappers.

Enkele fouten die je beter kunt vermijden

Voordat we bekijken hoe we AI effectiever in een bedrijf kunnen integreren, laten we andere fouten overwegen die onderweg kunnen optreden.

De eerste en belangrijkste misstap, zoals we al indirect hebben genoemd, is AI behandelen als een toevoeging zonder de processen opnieuw op te bouwen. In feite nemen veel bedrijven een bestaande workflow en integreren simpelweg een AI‑tool in één stap, zonder zelfs te overwegen of AI zinvol is in dat proces.

Dus, als manager zou ik mezelf eerst afvragen: was dit proces überhaupt nodig in jouw bedrijf? Als de workflow vóór automatisering inefficiënt was, blijft hij even inefficiënt na automatisering. Het kan zelfs erger worden, omdat AI onthoudt negatieve patronen en ze herhaalt.

De volgende fout ontstaat wanneer managers de last van compliance en governance onderschatten. Financiële diensten staan onder een van de strengste regelgevingsdrukken van alle sectoren, en je kunt bijvoorbeeld niet de gehele compliance‑afdeling automatiseren met AI. Hetzelfde geldt voor directe dienstverlening en portefeuillebeheer. Het lijkt een universele waarheid, maar je zult versteld staan hoeveel oprichters hier een misstap maken.

En last but not least, vergeten veel bedrijven hun medewerkers te trainen voor AI‑implementatie. Wanneer technologie de routines van werknemers overneemt, is de eerste instinct vaak om personeel te verminderen, omdat veel taken sneller kunnen worden uitgevoerd met minder mensen. Hoewel dit op korte termijn de kosten verlaagt, is het zeer kortzichtig.

Als je echte waarde wilt, stel jezelf dan een andere vraag. Welk hoger‑niveau werk kunnen onze mensen nu doen nu ze van de routine zijn bevrijd? Zijn ze er klaar voor met hun huidige vaardigheden en motivatie?

Wat je maandag kunt starten voor meer efficiëntie

Als eerste stap, voer een audit uit van je gepauzeerde AI‑pilots. Met andere woorden, introduceer geen nieuwe ideeën totdat je de oude goed hebt afgehandeld. In 90% van de gevallen is het probleem het ontbreken van verantwoordelijkheid, het feit dat niemand duidelijk aansprakelijk is voor het opschalen ervan. Wijs daarom eigenaarschap toe.

Als iemand al AI‑controle bezit, is de volgende stap het proces te herzien en volledig opnieuw op te bouwen. Voeg AI niet simpelweg toe aan de bestaande workflow. Mijn advies is om in plaats daarvan te vragen hoe dit proces eruit zou zien als we het vandaag vanaf nul zouden ontwerpen, wetende dat AI primaire analyses kan uitvoeren. Vaak is het antwoord veel eenvoudiger dan het lijkt.

Vergeet ook niet de reële cijfers te berekenen die het AI‑model oplevert. Als je zes maanden na de lancering geen cijfers kunt geven over de effectiviteit van je model (bijvoorbeeld bespaarde uren of verhoogde winst), werkt het niet zoals het zou moeten, dus is het beter de waarde ervan te heroverwegen.

En, misschien wel het belangrijkste, ontsla geen mensen, vooral niet degenen die verantwoordelijk zijn en degenen die altijd hun werk eerlijk hebben gedaan. Als mensen meer geld naar het bedrijf brengen dan ze in een jaar verdienen, zal het ontslag al snel een probleem voor je worden. En bedrijven die dit niet begrijpen, verliezen hun institutionele kennis en het vertrouwen van het team, wat dan veel meer kost.

Samengevat bereiken 95 % van de pilots niet het resultaat, niet omdat de technologie heeft gefaald. Ze slagen niet omdat de organisatie eromheen hetzelfde en verouderd is gebleven. Dit is de enige variabele die als eerste moet worden veranderd.