Van pilot naar praktijk: zo werkt AI-transformatie echt

Honderd AI-pilots en toch nauwelijks verandering in de dagelijkse operatie. Dat is geen uitzondering, dat is het patroon. Jaap Lommerse en Dean Nieuwerf van Maxeda DIY Group lieten op het TFG Innovation Event 2026 zien waarom zo veel AI-trajecten verzanden, wat slechte data met AI-implementaties doet en welke keuze organisaties nu moeten maken: blijven experimenteren of daadwerkelijk transformeren.

Jaap is Scrum Master en Agile Coach bij Maxeda en Maat bij The Future Group. Dean Nieuwerf is Product Owner bij Praxis, onderdeel van Maxeda. Samen gaven ze een sessie die opvallend nuchter was: geen futuristische beloftes, maar een scherpe analyse van wat AI-transformatie in de praktijk vraagt.

Vrijwel elke organisatie experimenteert inmiddels met AI. Tools voor analyse, contentcreatie, automatisering enzovoorts. Verschillende afdelingen pakken ze op, bouwen usecases en presenteren resultaten. Maar, wie een stap terug doet en naar het geheel kijkt, ziet iets anders: tientallen losse initiatieven die naast elkaar bestaan zonder samenhang en zonder structurele impact op de kernprocessen. Jaap herkent dat patroon direct.

“Iedereen gebruikt AI, maar niemand kijkt nog naar het geheel. Met als gevolg: een nieuwe vorm van versnippering. Ditmaal niet in systemen, maar in AI-initiatieven.”

Wat maakt het verschil? Volgens Jaap en Dean draait het niet om de technologie zelf, maar om de bereidheid om processen, verantwoordelijkheden en besluitvorming fundamenteel opnieuw in te richten.

Veel organisaties behandelen AI als een innovatieprogramma met een begin en een einde. Een pilot wordt geëvalueerd, successen worden gepresenteerd en daarna blijft de operatie alsnog intact. AI wordt een laag bovenop bestaande complexiteit in plaats van een onderdeel van hoe de organisatie werkt. Dean herkent het patroon bij meerdere organisaties:

“We hebben organisaties gezien met meer dan honderd AI-pilots, terwijl de dagelijkse operatie nauwelijks verandert. Dan ben je niet aan het transformeren. Dan ben je vooral bezig met experimenteren.”

Die aanpak levert productiviteitswinst op in de marge, maar levert geen concurrentievoordeel op en het lost de onderliggende vraagstukken rond data, eigenaarschap en governance niet op. Zo blijft AI hangen in de experimentele fase en wordt het nooit een structureel onderdeel van de processen binnen een organisatie.

Een van de scherpste observaties uit de sessie ging over datakwaliteit. Veel organisaties verwachten dat de huidige inefficiënties opgelost kunnen worden met AI. Wat ze niet verwachten, is dat AI die inefficiënties eerst pijnlijk zichtbaar maakt.

“Zodra AI-modellen worden ingezet, komen fouten en afwijkingen direct naar boven.”

Zolang medewerkers handmatig werken, blijven inconsistenties en hiaten in data gedeeltelijk verborgen. Mensen improviseren, vullen gaten in met aannames, kennen de context. AI doet dat niet, waardoor fouten en afwijkingen worden blootgelegd wanneer AI-modellen worden ingezet. Dean voegde daaraan toe dat AI geen onduidelijkheid accepteert.

“Waar mensen nog kunnen omgaan met ontbrekende informatie, legt AI direct bloot waar processen niet logisch zijn ingericht.”

Dat klinkt als een probleem. In werkelijkheid is het een noodzakelijke stap. Organisaties worden gedwongen opnieuw te kijken naar hun informatiestructuur, wie eigenaar is van welke data en hoe governance is geregeld. AI-transformatie begint daarmee al snel als een organisatievraagstuk, niet als een technisch project.

Een andere kans die Jaap benadrukte: AI helpt patronen te herkennen die over afdelingen heen lopen. Veel organisaties werken nog steeds in functionele afdelingen die ieder hun eigen data verzamelen, denk aan sales, customer service, logistiek en finance. Afzonderlijk zeggen die signalen uit de data weinig, maar samen vertellen ze een ander verhaal. Dean illustreerde dat met een concreet voorbeeld uit customer service.

“Medewerkers registreerden klantvragen jarenlang handmatig in eigen categorieën. De ene medewerker noteerde ‘leveringsprobleem’, de ander ‘logistieke klacht’ voor exact dezelfde situatie. Daardoor was de data onbetrouwbaar voor forecasting en analyse.”

AI standaardiseerde die classificatie automatisch. Het resultaat was niet alleen snellere registratie, maar betrouwbaardere inzichten. De echte waarde zit volgens Dean niet in de automatisering zelf, maar in het blootleggen en beter begrijpen van wat er in de organisatie gebeurt.

Waar de vorige punten over kansen gingen, schuilt in diezelfde snelheid een risico. Wanneer centrale afspraken of beleid rondom het gebruik van AI-tools ontbreken, ontstaat er een versnipperd landschap van tools, datasets en werkwijzen. Geen integratie en geen beveiliging. Jaap trok de vergelijking met eerdere digitaliseringsgolven. Afdelingen kopen zelfstandig oplossingen in, bouwen eigen AI-stacks zonder bovenstaande af te wegen.

“Als iedereen zijn eigen AI-stack bouwt, krijg je opnieuw schaduw-IT. Alleen nu veel sneller dan vroeger.”

Goede AI-governance begint daarom bij heldere keuzes: welke processen lenen zich voor automatisering, welke data mag daarvoor worden gebruikt en waar blijft menselijke controle noodzakelijk.

Dean presenteerde een praktisch kader voor het omgaan met AI-risico’s. Hij deelde daarbij processen in op lage, middelmatige en hoge risico’s. Het automatisch categoriseren van klantvragen is laag risico: een fout is snel hersteld en de impact is klein. Het opstellen van een conceptantwoord aan een klant is middelmatig: AI doet het voorwerk, een medewerker controleert voor verzending. Een beslissing over krediet, prijs of een juridische verplichting is hoog risico: daar blijft de mens eindverantwoordelijk. Hoe lager het risico, des te meer het proces geautomatiseerd zou kunnen worden.

“Niet alles hoeft autonoom te worden.”

Dat klinkt eenvoudig, maar het voorkomt twee veelgemaakte fouten: alles automatiseren omdat het kan, of niets automatiseren omdat het spannend voelt. De vraag is niet of AI een beslissing kan nemen, maar of het zinvol is dat AI dat doet.

Governance legt de spelregels vast, maar wie die spelregels bewaakt, verandert net zo goed. AI-transformatie verandert namelijk ook wat leiderschap betekent: managers moeten gaan sturen op voortdurende optimalisatie in plaats van op vaste structuren en geplande verbetertrajecten. Jaap ziet dat veel organisaties AI nog steeds behandelen als een tijdelijk programma.

“Zolang AI een experiment is, gaat niemand processen echt aanpassen.”

Zonder die langetermijnvisie blijven teams ingericht zoals ze altijd waren en verandert de besluitvorming niet mee. Zodra AI het eigendom wordt van één afdeling, stopt de impact bij de afdelingsgrens. Juist de samenwerking tussen IT, operatie, compliance en business bepaalt hoe ver AI werkelijk reikt.

Leiderschap zet de richting, maar de verandering slaagt of strandt op de werkvloer. Voor veel medewerkers voelt AI niet als hulpmiddel, maar als iets wat hun werk ingewikkelder maakt of hun positie onder druk zet. Dean stelde dat organisaties daar veel transparanter over moeten zijn: welke rol krijgt AI in welk proces en waar blijft de mens aan het stuur?

Dat vertrouwen bouw je niet met een communicatiecampagne. Je bouwt het door duidelijk te maken hoe systemen beslissingen ondersteunen, niet vervangen en door medewerkers vroeg te betrekken bij de inrichting van nieuwe werkwijzen.

Jaap en Dean sloten hun sessie af met een conclusie die weinig ruimte laat voor twijfel: organisaties staan nu op een kantelpunt. De fase van vrijblijvende experimenten loopt ten einde en AI ontwikkelt zich in hoog tempo richting operationele infrastructuur. Wie AI blijft inzetten voor losse productiviteitswinst, loopt achterstand op. Wie AI structureel verweven heeft met besluitvorming, forecasting en procesoptimalisatie, bouwt een voorsprong die moeilijk meer in te halen is. Dean formuleerde het scherp:

“De winnaars worden niet de organisaties met de meeste pilots. Het worden de organisaties die AI onderdeel maken van hun dagelijkse besluitvorming.”

Voor de Maten van The Future Group die dagelijks werken aan digitale transformaties bij opdrachtgevers, is de boodschap van Jaap en Dean geen abstracte toekomstvisie. Het is de opdracht van nu: stop met piloten en begin met bouwen.

Benieuwd geworden naar de andere sessies van het Innovation Event 2026? Lees dan hier het artikel over risicomanagement van Richard en Chris vanuit het perspectief van Skunk Team BV of lees het artikel met de inzichten vanuit de paneldiscussie waarmee het Innovation Event werd geopend.