Uitzonderingen automatiseren: waarom je AI-project vastloopt

Drie weken geleden zat ik bij een ondernemer die net een AI-demo had gezien. Alles werkte perfect. De offerte ging automatisch de deur uit, het systeem herkende de juiste velden, iedereen aan tafel knikte tevreden. Twee maanden later vroeg ik hoe het ging. Stilte. Het project was niet geschrapt, het was gewoon gestopt. Niemand had dat besluit genomen. De pilot werkte prima. Wat ontbrak was een plan voor uitzonderingen automatiseren, en precies daar is het misgegaan.

Dit patroon zie ik vaker dan ondernemers denken. Het verklaart waarom zoveel AI-projecten in het mkb na een paar maanden stil vallen zonder dat iemand ooit "stop" heeft gezegd.

Uitzonderingen automatiseren is waar het misgaat, niet de pilot

Onderzoekers noemen het inmiddels pilotitis: het patroon waarbij AI-projecten prima werken in een afgebakende test, maar nooit de dagelijkse praktijk bereiken. Onderzoek dat consultancy.nl samenvatte laat zien dat bijna de helft van de Nederlandse bedrijven nog in een pilotfase zit, en dat een flink deel daarvan vastloopt omdat de praktijk rommeliger is dan de testomgeving. Wereldwijd gaat het, op basis van MIT-onderzoek, om ongeveer 95 procent van de AI-projecten die nooit meetbare waarde opleveren.

De reden is zelden het model zelf. Een AI-systeem dat een offerte, factuur of klantvraag moet verwerken, krijgt in een demo een keurig voorbeeld te zien. In de praktijk krijgt het een half ingevulde bijlage, een telefoontje met net iets andere eisen, of een klant die drie producten in één regel samenvoegt. Dat zijn geen zeldzame gevallen. Dat is in veel bedrijven een kwart tot een derde van het werk.

Wat dit betekent voor je eigen proces

Stel dat jouw offerteproces voor 80 procent standaard verloopt. Dan lijkt automatiseren een makkelijke keuze. Maar die resterende 20 procent is waar het vertrouwen sneuvelt. Komt er geen oplossing voor die afwijkende aanvragen, dan doet iemand ze alsnog handmatig, naast het systeem. En zodra mensen merken dat ze toch moeten controleren of bijschaven, gaan ze het hele proces weer zelf doen. Niet omdat de techniek niet werkt, maar omdat niemand vooraf heeft uitgedacht wat er gebeurt met de gevallen die niet in het plaatje passen.

Dat is ook waarom ik bij een nieuw automatiseringstraject altijd begin met de uitzonderingen, niet met de hoofdstroom. Wat gaat er mis als de klant iets ongebruikelijks vraagt. Wie ziet dat, en wat doet die persoon dan. Pas als dat antwoord er is, heeft automatiseren van de rest van het proces echt zin. Op mijn blog lees je meer over hoe zulke processen er in de praktijk uitzien.

De ondernemer van de demo belt me inmiddels weer. Niet om opnieuw te beginnen met AI, maar om eerst op te schrijven welke tien soorten aanvragen zijn offerteproces nou eigenlijk kent. Saai werk. Maar precies het werk dat uitzonderingen automatiseren mogelijk maakt, en dat voorkomt dat het project over een half jaar weer stilletjes verdwijnt.

Herken je dat? Dat een project op papier goed werkt, maar zodra de eerste rare aanvraag binnenkomt iedereen toch weer naar Excel grijpt?