Deze drie factoren bepalen of jouw AI-project slaagt óf faalt

Thema:: Arbeidsmarktinnovatie

Bedrijven kopen massaal licenties, medewerkers experimenteren dagelijks met ChatGPT en andere AI-tools, maar meetbare productiviteitswinst? Die blijft vooralsnog uit. TNO-onderzoeker Thijmen Zoomer identificeerde drie belangrijke succesfactoren die bepalen of AI-implementatie slaagt.

Techniek, domein én werknemers

TNO onderzoek illustreert een fundamentele misvatting in de AI-discussie. Waar veel organisaties focussen op technologische mogelijkheden, blijken drie onderling verbonden factoren doorslaggevend: technische implementatie, domeinspecifieke kennis en — verreweg het belangrijkst — de betrokkenheid van medewerkers.

‘Bedrijven investeren massaal, werknemers gebruiken de tools dagelijks, maar de beloofde productiviteitsexplosie blijft vooralsnog uit’, zo stelt Zoomer. ‘Het is een hoofdpijndossier voor onderzoekers.’

Recente data uit Scandinavië, verzameld onder 25.000 professionals, bevestigt dit beeld: concrete productiviteitsverbeteringen door AI blijven schaars.

Van documentenchaos naar gestroomlijnde processen

Een Nederlandse overheidsorganisatie worstelde jarenlang met documentanalyse. Bergen rapporten, eindeloze doorlooptijden. Hun aanpak werd een TNO-succesverhaal. ‘TNO helpt hen nu om die taak te automatiseren met AI. Dat werkt omdat ze exact wisten welk probleem ze wilden oplossen.’

Het contrast met falende projecten is schrijnend én verklaart waarom zoveel initiatieven al in de conceptfase vastlopen. ‘Managers voelen druk om iets met AI te doen, maar weten vaak niet welk probleem ze willen oplossen.’

De werkvloer als innovatiemotor

In de maakindustrie ontstond een doorbraak toen TNO-monteurs centraal stelde. Het concept: ervaren vakmensen filmen hun werkprocessen, AI transformeert deze opnames naar gestructureerde instructies. Het resultaat overtrof verwachtingen — MBO-2-medewerkers voeren nu taken uit die voorheen MBO-4-niveau vereisten.

‘Die oplossing kwam van de werkvloer, niet van de IT-afdeling. Als het niet prettig voor werknemers is ingebed, en ze niet weten hoe ze ermee om moeten gaan, faalt het.’

Thijmen Zoomer

Onderzoeker bij TNO

Deze ‘bottom-up’-benadering contrasteert scherp met traditionele ‘top-down’-implementaties. ‘Laat technici meekijken met werkprocessen. En vraag vervolgens: wat zijn je problemen? Wat zou je het liefst geautomatiseerd zien? Ik denk dat dit te weinig gebeurt.’

Veiligheid als katalysator voor acceptatie

Een ander voorbeeld: een energieleverancier bewijst dat AI-adoptie organisch kan groeien. Medewerkers signaleerden veiligheidsrisico’s rond industriële installaties. Hun oplossing: intelligente camera’s detecteren wanneer personeel gevaarlijke zones nadert.

'Ze gebruiken AI en camerabeelden om te detecteren wanneer mensen te dicht bij gevaarlijke machines komen. Dan gaat een alarm af. Dit kwam voort uit een concrete behoefte van werknemers: veiliger werken.’

Cognitieve ontlasting belangrijker dan pure snelheid

TNO’s analyse ontkracht een hardnekkige mythe: AI hoeft niet primair tijd te besparen. ‘Mensen kunnen AI gebruiken om hun werk gemakkelijker te maken, niet per se om sneller te werken. Een hulpmiddel om het cognitief minder belastend te maken is positief. Mensen zijn frisser, hebben meer ruimte in hun hoofd vrij.’

De keerzijde blijft vaak onbesproken. Scandinavisch onderzoek cijfert het uit: gemiddeld 3% tijdwinst, waarvan het merendeel opgaat aan nieuwe taken. ‘Je verplaatst het werk’, zegt Zoomer. ‘Iemand die een stuk laat schrijven of coderen door AI, krijgt er controlelast voor terug.’

Realistische verwachtingen als fundament

‘Als je iets wilt toepassen dat 100% correct moet zijn, zoals juridisch advies, terwijl generatieve AI nog fouten maakt en kan hallucineren, dan is succes lastig’, stelt Zoomer. Dat blijft voor veel organisaties een worsteling.

De oplossing ligt in transparante communicatie. ‘Je moet mensen in huis hebben die duidelijk kunnen vertellen wat de mogelijkheden én onmogelijkheden zijn. Als je dat niet helder hebt, weet je ook niet of een toepassing überhaupt mogelijk is.’

Strategisch temporiseren als optie

Zoomers meest opvallende advies: soms is wachten wijsheid. ‘Je kunt ook concluderen dat er nu niks is dat je organisatie écht helpt en het over twee jaar opnieuw proberen. Wat nu misschien lastig is, kan over een jaar of twee een stuk gemakkelijker zijn.’

Deze nuance ontbreekt vaak in het publieke debat. ‘AI toepassen blijkt geen gegarandeerd succes, maar je moet bedachtzaam te werk gaan. Inventariseer de drie factoren: domein, techniek en werknemers — en behoud daar de focus op. Laat je helpen als je het lastig vindt.’

Historische context relativeert huidige verwachtingen. ‘Bij het internet duurde het ook een jaar of tien voordat we productiviteitswinst konden meten. Studies wijzen erop dat beroepen nu door AI net zo snel veranderen als na de introductie van computers en internet.’

Praktische roadmap voor organisaties

TNO destilleert zes concrete actiepunten uit succesvolle trajecten:

Definieer eerst exact welk organisatievraagstuk opgelost moet worden. Beantwoord meteen de vraag: waarom hebben we AI nú nodig? Waarom nu wel automatiseren, waarom daarvoor niet?

Combineer technische expertise met domeinkennis en werknemerservaring. Te vaak wordt AI vanuit techniek alleen aangepakt. Je hebt AI-specialisten die de techniek heel goed kennen, maar dan mis je nog domeinkennis en kennis over werk.

Faciliteer vrijwillige verkenning van mogelijkheden. Werknemers moeten zelf oplossingen vinden en uitproberen. Als je automatiseert wat werknemers het leukste vinden, krijg je geen draagvlak.

Verlichten is het sleutelbegrip, niet versnellen. Wie bepaalde taken automatiseert, krijgt er de nodige controlelast voor terug.

Blijf realistisch over wat AI precies kan betekenen voor jouw organisatie. Focus dus niet alleen op AI-expertise. Je hebt AI-specialisten die vooral de techniek heel goed kennen, maar domeinkennis missen.

Accepteer dat niet elke organisatie nu klaar is voor AI-transformatie. Dus: doe het, maar wees bedachtzaam.

De belangrijkste les?

‘Altijd de werknemers eerst’, zegt Zoomer. ‘Als de technologie die je oplegt werknemers frustreert, neemt het verloop toe. Kijk vooral naar waar werknemers behoefte aan hebben. Zoek combinaties die werknemers productiever én blijer maken. Dan heb je een duurzame verbetering.’

Tot slot: nog één laatste advies. ‘AI is niet alleen voor productiviteit. Je kunt het voor allerlei doelen gebruiken: mensen met afstand tot de arbeidsmarkt meer kansen geven, werk veiliger maken. We moeten het niet alleen maar blijven hebben over automatiseren.’