Een directeur belt me op. “We hebben een AI-pilot gedraaid. Het model werkt. Maar het gaat niet live.”
Ik hoor dit verhaal minstens twee keer per maand. En het is bijna nooit een technisch probleem.
Het model is getraind. De accuracy is goed. De demo was indrukwekkend. Maar er is geen beleid. Geen DPIA. Geen communicatieplan voor medewerkers. Geen idee hoe het past binnen bestaande processen. En dus staat het stil.
85% van AI-projecten haalt productie niet. Niet door slechte technologie — maar door gebrek aan organisatorische voorbereiding. AI implementeren is geen IT-project. Het is een organisatieverandering.
Waar het misgaat: de klassieke valkuil
Het patroon is herkenbaar. IT of een innovatieteam start een pilot. Er wordt een use case gekozen, data verzameld, een model gebouwd. Na drie maanden staat er een werkend prototype.
Dan komen de vragen die niemand heeft gesteld:
- Past dit binnen ons privacybeleid? Is er een DPIA gedaan?
- Voldoen we aan de EU AI Act? In welke risicocategorie valt dit?
- Wie is verantwoordelijk als het model een verkeerd besluit neemt?
- Zijn medewerkers meegenomen? Begrijpen ze wat het model doet — en wat niet?
- Hoe monitoren we de output? Wie trekt aan de noodrem?
Het antwoord is meestal: “Dat regelen we later.” Maar later wordt nooit. De pilot sterft een stille dood in een Confluence-pagina die niemand meer opent.
AI is een organisatieverandering
De kern van het probleem: AI wordt behandeld als een technologisch project, terwijl het een organisatieverandering is.
Technologie is het makkelijke deel. Een model bouwen of een API aansluiten — dat kan een goed team in weken. Maar de organisatie voorbereiden op AI? Dat raakt beleid, processen, cultuur, compliance en communicatie. En dat kost tijd, aandacht en leiderschap.
Vergelijk het met de introductie van een nieuw ERP-systeem. Niemand zou SAP implementeren zonder change management, training en procesaanpassingen. Maar bij AI denken we: “Het is een slim stukje software, dat plakken we er wel bij.”
Dat werkt niet.
Wat wél werkt: drie pijlers vanaf dag 1
Bij elke succesvolle AI-implementatie die ik heb begeleid — van enterprise tot MKB — waren drie dingen vanaf het begin aanwezig:
1. Governance: spelregels vóór je begint
Governance is geen bureaucratie. Het is duidelijkheid. Wie mag welke AI inzetten? Voor welke taken? Met welke data? En wie is verantwoordelijk?
Bij Rabobank (5.000+ engineers) zag ik wat er gebeurt als je governance pas achteraf optuigt: projecten die maanden vertraging oplopen, juridische reviews die pilots stilleggen, en teams die gefrustreerd raken omdat ze niet weten wat mag.
Begin met een AI-beleid, een risicoclassificatie en een register. Het hoeft niet perfect — het moet er zijn. Drie documenten. Een middag werk. En je voorkomt maanden vertraging verderop.
2. Compliance: AVG en AI Act meenemen, niet achteraf erbij plakken
De EU AI Act is geen toekomstmuziek — de eerste regels zijn al actief. Verboden AI-praktijken zijn sinds februari 2025 strafbaar. Hoog-risico toepassingen (denk: kredietbeoordeling, HR-screening, medische besluitvorming) vereisen documentatie, transparantie en menselijk toezicht.
De AVG stelt aanvullende eisen aan geautomatiseerde besluitvorming. Een DPIA (Data Protection Impact Assessment) is verplicht als je AI inzet voor profilering of beslissingen die mensen raken.
Dit hoeft geen showstopper te zijn. Maar het moet parallel lopen met de ontwikkeling, niet erna. Als je na drie maanden bouwen ontdekt dat je use case een hoog-risico toepassing is, begin je in feite opnieuw.
3. Adoptie: medewerkers meenemen van begin tot eind
De beste AI-oplossing is waardeloos als niemand hem gebruikt. Of erger: als medewerkers hem wantrouwen en eromheen werken.
AI-geletterdheid is geen luxe — het is een randvoorwaarde. Teams moeten begrijpen wat AI kan, wat het niet kan, en waarom het wordt ingezet. Niet met een PowerPoint na de lancering, maar met hands-on workshops en begeleiding tijdens het traject.
Van boardroom tot werkvloer. De directie moet snappen welke risico’s ze neemt. De teamleider moet weten hoe het dagelijks werk verandert. De medewerker moet vertrouwen hebben dat de AI hem helpt, niet vervangt.
Uit de praktijk: een pilot die strandde — en hoe het alsnog lukte
Een middelgrote financiële instelling wilde AI inzetten voor het automatiseren van documentanalyse bij hypotheekaanvragen. Het technische team bouwde in acht weken een werkend model. Accuracy: 94%. De demo ging goed. Het management was enthousiast.
Toen kwamen de vragen van compliance. Hoe gaan we om met persoonsgegevens in de trainingsdata? Valt dit onder hoog-risico volgens de AI Act? Waar is de DPIA?
Resultaat: de pilot werd on hold gezet. Vier maanden stilstand terwijl juridisch, privacy en compliance inhaalden wat van tevoren had moeten gebeuren.
De doorbraak kwam pas toen governance en adoptie parallel werden meegenomen:
- Een DPIA en risicoclassificatie werden alsnog uitgevoerd — in twee weken
- Er kwam een AI-beleid met duidelijke kaders voor documentverwerking
- Hypotheekadviseurs kregen workshops over hoe het model werkt en wat de grenzen zijn
- Er werd een feedbackloop ingericht zodat medewerkers fouten konden melden
Resultaat na herinrichting: het model ging binnen zes weken live. Verwerkingstijd per aanvraag daalde met 40%. En — cruciaal — medewerkers vertrouwden het systeem omdat ze betrokken waren bij de uitrol.
De checklist: AI als organisatieverandering
Voordat je aan een AI-project begint, stel jezelf deze vragen:
- Governance: Is er een AI-beleid? Weet iedereen wat wel en niet mag?
- Compliance: In welke risicocategorie valt de use case? Is er een DPIA nodig?
- Adoptie: Zijn de mensen die ermee moeten werken betrokken? Begrijpen ze het?
- Verantwoordelijkheid: Wie is eigenaar? Wie monitort? Wie escaleert?
- Communicatie: Weten stakeholders wat er komt en waarom?
Als je op meer dan twee vragen “nee” of “weet ik niet” antwoordt, ben je nog niet klaar om te bouwen. Begin daar. De technologie kan wachten — de organisatie niet.
Conclusie: begin niet bij de technologie
AI implementeren is geen IT-project. Het is een organisatieverandering die technologie, beleid, compliance en mensen raakt. De organisaties die dat snappen — die governance, compliance en adoptie vanaf dag 1 meenemen — zijn de organisaties waar AI daadwerkelijk in productie draait.
De rest heeft pilots. Mooie demos. En een Confluence-pagina die niemand meer opent.
Wil je sparren over hoe je AI implementeert als organisatieverandering? Plan een vrijblijvend gesprek.