Waarom 95% van AI-pilots mislukt (en hoe jij wél slaagt)
MIT kwam recent met een pijnlijk cijfer in hun rapport The GenAI Divide: State of AI in Business 2025*: 95% van de generatieve AI-pilots levert geen meetbaar rendement op. Au! Bedrijven investeren in tools, starten enthousiast een project, maar aan het einde van de rit blijft er vooral frustratie over.
Slechts 1 op de 20 initiatieven resulteert in concrete winstverbetering. Het probleem is niet de kwaliteit van de AI zelf. De modellen werken prima. Het probleem zit in de toepassing ervan binnen organisaties. Veel pilots blijven hangen zonder flinke P&L-impact.
Dat cijfer hakte er meteen in. Zelfs de beurs schrok: aandelen van bedrijven als Nvidia en Palantir doken flink omlaag na de bekendmaking.
Dat klinkt dramatisch. En dat terwijl AI juist dé belofte van dit decennium zou moeten zijn. Maar eigenlijk past dat cijfer precies in een bekend patroon. Vergelijk het met startups. Natuurlijk, een AI-pilot is geen startup. Maar het mechanisme is hetzelfde: veel initiatieven mislukken, een paar slagen, en die paar winnaars zijn zó dominant dat ze de hele markt veranderen. Juist daarom is die vergelijking zo nuttig.
De vergelijking met startups
Iedereen kent de verhalen van de unicorns, maar de realiteit is harder:
- 80–90% van alle startups faalt binnen enkele jaren. Vaak door een gebrek aan product/market-fit, onvoldoende vraag, financiële problemen of simpelweg organisatorische chaos.
- Zelfs van de startups die de eerste jaren overleven, zo’n 10–20%, blijft een groot deel klein, draait break-even of wordt voor een laag bedrag opgekocht. Slechts 1–2% breekt écht door: de unicorns en marktleiders die hele sectoren op hun kop zetten.
Toch verandert die paar procent die wél slaagt complete markten. Denk aan Airbnb, OpenAI of Uber.
AI-pilots volgen exact hetzelfde patroon. Het merendeel mislukt, maar de paar die slagen compenseren dat ruimschoots en bepalen de toekomst. Dat (nu nog) een groot deel geen directe bergen euro’s oplevert, is geen reden om er niet aan te beginnen.
De kans dat jouw eerste experiment meteen goud oplevert is klein, maar als het lukt kan de impact disproportioneel groot zijn: slimmer werken, lagere kosten, een nieuwe propositie of een voorsprong op de concurrent.
Wat het MIT-onderzoek ons leert
Gelukkig ben je niet helemaal aan de goden overgeleverd. MIT keek ook naar de verschillen tussen falen en succes. Een paar duidelijke patronen springen eruit:
- Koop versus zelf bouwen
Bedrijven die AI-tools inkopen en samenwerken met gespecialiseerde vendors hebben een 67% kans van slagen. Bedrijven die hun eigen AI-systemen bouwen? Slechts 33%. Vooral in sectoren als financial services, waar men massaal eigen oplossingen ontwikkelt, stapelen de mislukkingen zich op. - Adoptie vanuit de lijn
Pilots werken beter als lijnmanagers er verantwoordelijk voor zijn. Niet als er een los innovatielab aan het experimenteren is, maar als de business zelf AI omarmt. Het verschil zit in eigenaarschap: een salesmanager die een AI-tool test om leads te kwalificeren heeft skin in the game. Hij moet er zijn quota mee halen. Een innovatielab test vooral of het technisch werkt, maar hoeft niet te leven met de operationele gevolgen of adoptie door teams. - Integratie & adaptiviteit
Tools die diep in processen worden ingebed en zich mee kunnen ontwikkelen met de organisatie leveren meer waarde op. Een losstaand experiment levert zelden structureel resultaat. Denk aan het verschil tussen een AI-tool die je af en toe gebruikt versus AI die verweven zit in je dagelijkse processen. De eerste vereist extra stappen en valt weg bij drukte. De tweede wordt onmisbaar omdat het werk makkelijker maakt, automatisch meeleert, en zich aanpast aan nieuwe situaties.
4 succesfactoren voor jouw pilots
De MIT-bevindingen geven richting, maar hoe vertaal je dat naar de praktijk? Vier factoren die je kans op succes vergroten:
1. Hype ≠ impact
“We moeten iets met AI” is geen strategie. Zonder koppeling aan businessdoelen blijft succes uit. Te veel pilots beginnen vanuit FOMO in plaats van een echte businesscase. Het gevolg: veel enthousiasme aan de start, maar geen duidelijke criteria voor succes. Na een paar maanden weet niemand meer of het werkt, waarom je het doet, of wat je ermee wilt bereiken. Dan eindigt het als duur experiment.
De oplossing is simpel: begin nooit zonder harde businesskoppeling. Kies vóór je start één duidelijke KPI die de pilot binnen drie maanden moet beïnvloeden, bijvoorbeeld “verkort de doorlooptijd van saleskwalificatie met 20%” of “reduceer supporttickets met 15%”. Lekker goed SMART maken dus. Wijs één eigenaar aan en plan een evaluatiemoment. Zonder harde KPI en eigenaar begin je simpelweg niet.
2. Denk in portfolio’s, niet in single bets
Net als bij startups: de meeste gaan onderuit, maar de winnaars veranderen de markt. Accepteer dus dat niet elke AI-pilot succesvol wordt. Maar die 5% die wél doorbreekt kan je business fundamentaal veranderen. Het rapport geeft ook voorbeelden van processen die veel sneller gaan, kosten die tientallen procenten dalen, of sneller nieuwe proposities die concurrenten achter je laten. Die kans maakt het risico waard.
Het probleem is dat je vooraf niet weet welke pilot dat gaat zijn. Daarom is het slimmer om met een portfolio te werken. Start meerdere kleine experimenten tegelijk, geef elk een einddatum en leg stopcriteria vast, bijvoorbeeld “minder dan 5 uur tijdwinst per week” betekent stoppen. Schaal alleen door met de projecten die aantoonbaar werken.
3. Waarde ontstaat pas bij integratie
Een los experiment levert nauwelijks structureel resultaat. Het rapport toont dat pilots stranden zodra ze niet in dagelijkse workflows passen. De organisaties die wél profiteren, kiezen toepassingen die diep in processen verweven zijn, zodat teams er niet omheen kunnen. Dan pas vertaalt AI zich in P&L-impact: snellere verkoopcycli, lagere externe kosten of hogere klantretentie.
Kies een proces waar dagelijks tientallen mensen mee werken en integreer daar AI direct in de workflow. Bijvoorbeeld: laat AI automatisch klantvragen categoriseren in je CRM, zodat support sneller kan reageren. Of verbind een AI-schrijftool met je CMS, zodat contentteams niet hoeven te copy-pasten maar direct kunnen publiceren. Als AI onderdeel wordt van de standaard tools en routines, verdwijnt de frictie en wordt het vanzelf een productiviteitshefboom.
4. Kies selectief en stuur als investeerder
Ga er niet vanuit dat elke pilot slaagt. Denk als een investeerder: meerdere kleine bets, snel stoppen wat niet werkt, opschalen bij succes. Meet vanaf dag één en kies projecten waar echte voorsprong te behalen valt.
Maak een simpel investeerdersmodel voor je pilots. Stel een jaarlijks budget vast (bijvoorbeeld 50k of 100k, afhankelijk van je omvang)”. Verdeel dat over meerdere projecten en eis dat elk team binnen 30 dagen meetbare output laat zien. Alleen pilots die direct aantonen dat ze tijd besparen, omzet verhogen of klanttevredenheid verbeteren, krijgen vervolgfinanciering. Zo dwing je discipline af en richt je middelen op de echte winnaars.
3 randvoorwaarden voor succes
Een pilot, die heb je zo gestart. Maar de stap naar echt succes vraagt meer dan alleen de vier succesfactoren hierboven. Het vraagt om een andere manier van denken én handelen in je organisatie.
Start met je mindset. Accepteer vooraf dat niet elke pilot zal slagen. Zelfs niet als je alles goed doet. Maak dat bespreekbaar in je team. Zet bij de kickoff al neer: “We gaan drie experimenten starten, waarvan er waarschijnlijk één of twee zullen stoppen.” Zo creëer je ruimte om snel te stoppen zonder dat het voelt als falen. Plan evaluatiemomenten om na 4-6 weken eerlijk te kijken: wat werkt, wat niet, en waarom? Die reflex van snel bijsturen moet je als organisatie ontwikkelen.
Breng je shadow AI in beeld. Loop volgende week eens langs verschillende teams en vraag: “Welke AI-tools gebruik je al? En waarvoor?” Je zult versteld staan. Verzamel die informatie systematisch. Maak een simpele lijst van wie wat gebruikt en voor welke taken. Nodig vervolgens die voorlopers uit voor een sessie. Laat hen vertellen wat werkt en wat niet. Gebruik die kennis om je officiële pilots te informeren. En kijk of je die informele experimenten kunt formaliseren: geef ze een klein budget, stel doelen en meet resultaten.
Maar wat je ook doet: ga niet aan de rem hangen! Dat mensen op de werkvloer al met AI werken is onwijs positief. Het toont initiatief, nieuwsgierigheid en bereidheid om te experimenteren. Rem het niet af, kill het niet door policy’s of verboden, maar waardeer het en geef het richting.
Zorg dat het niet blijft hangen. De grootste valkuil is dat een succesvolle pilot een eilandje blijft. Plan daarom al bij de start hoe je gaat opschalen. Welke andere teams kunnen dit gebruiken? Welke processen lijken erop? Hoe train je nieuwe gebruikers? Een pilot die maar door drie mensen wordt gebruikt, blijft een experiment. Pas bij bredere adoptie wordt het een strategische gamechanger.
De keuze is dus simpel. Zie je AI als gadget, dan beland je in de 95% die straks achter de feiten aanloopt. Zie je AI als strategische gamechanger, dan kun je bij de 5% horen die hun markt opnieuw uitvindt. Begin morgen met die eerste stappen: spreek af hoe je omgaat met “falen”, breng je shadow AI in kaart, en plan alvast hoe succesvolle pilots kunnen doorgroeien.
De vraag is niet óf je aan AI begint, maar hoe snel je leert van wat niet werkt om te komen bij wat wél werkt.
Over de auteur
