Waarom AI-implementaties vastlopen, en waar het brein van je bedrijf thuishoort
Acht problemen waardoor AI-implementaties vastlopen, van licenties die niets veranderen tot pilots die stranden bij de beveiliging. De meeste komen neer op proces, data en eigenaarschap, inclusief de vraag waar de bedrijfskennis moet staan.
- Klantfocus
- Proces en verantwoordelijkheid
- Gedeelde data
- Werk met AI-ondersteuning
Een RevOps-consultant vroeg me waar de bedrijfskennis van zijn klant moest staan. Achter de meeste AI-implementaties die ik zie vastlopen, zit diezelfde vraag. Hier zijn de acht problemen die ik het vaakst tegenkom, waarom een ander model er niet één van oplost, en wat ik hem vertelde over het eigenaarschap van het bedrijfsbrein.
- De meeste AI-implementaties lopen vast op proces, data en eigenaarschap. Een ander model lost daar niets van op.
- Bewaar de bedrijfskennis in een opslag die het bedrijf zelf bezit, met afgesproken definities erbovenop, zodat elke assistent hetzelfde antwoord geeft.
- Leg het werk bij een multidisciplinair team in plaats van alleen bij IT, en verander één proces tegelijk.
Waar zit het brein?
Onlangs sprak ik een RevOps-consultant over een van zijn klanten, een verzekeringsmakelaar met zo’n honderd mensen. Het bedrijf had al AI-tools. Wat het niet had, was een antwoord op een eenvoudigere vraag: waar zit het brein? Waar moet alle kennis van het bedrijf naartoe, van gespreksopnames en supporttickets tot salesmails, zodat iedereen en elke assistent vanuit hetzelfde beeld werkt?
Hij vroeg ook of Five Dots die plek kon zijn. Dat is het niet, en dat is bewust. Five Dots werkt binnen de AI-opzet die een bedrijf al heeft, en er worden nooit bedrijfsgegevens naar ons gestuurd. De kennis moet staan op een plek die het bedrijf zelf beheert.
De vraag bleef me bij, omdat hij achter de meeste AI-implementaties zit die ik zie vastlopen. Als ik de problemen op een rij zet waar bedrijven tegenaan lopen bij het invoeren van AI, gaat bijna geen ervan over het model. Overstappen van de ene assistent naar de andere zou geen enkel punt op de lijst oplossen. Ze komen neer op proces, data en eigenaarschap, oftewel: verandermanagement.
Acht problemen die ik steeds weer zie
Ze vallen uiteen in drie groepen, en ze komen zelden alleen. Een bedrijf met een rommelig CRM heeft meestal ook procesdocumenten die al jaren niemand heeft bijgewerkt, en allebei maken ze de AI minder betrouwbaar. Zo eindigt een team met het controleren van elk antwoord.
Acht redenen waarom AI-implementaties vastlopen · tik aan wat je herkent
Processen
Data en instructies
Vertrouwen en eigenaarschap
Tik de problemen aan die je herkent om te zien waar je het best kunt beginnen met lezen.
Het proces is nooit veranderd
Het meest voorkomende patroon is ook het eenvoudigste. Een bedrijf koopt licenties voor iedereen en wacht op de winst. Individuele medewerkers schrijven wel sneller concepten en samenvattingen, en dat is echt. Intussen loopt de maandrekening op, en het proces rondom die mensen is nog dat van vorig jaar. Er is niets waar iemand naar kan wijzen om te zeggen: dit kost nu de helft van de tijd.
Het tweede is de demo die nooit live gaat. Iemand bouwt een indrukwekkende agent en laat hem overal zien, en dan gebeurt er niets. Hij heeft geen eigenaar, is nooit aan live data gekoppeld, en geen enkel team heeft zijn manier van werken aangepast om er ruimte voor te maken. Een demo laat zien dat iets kan. Het proces verandert pas als iemand daartoe besluit.
Het derde valt minder op. In veel processen die ik bekijk, neemt het werk zelf maar een klein deel van de doorlooptijd in beslag. Het grootste deel is wachten op een goedkeuring, een overdracht of een antwoord, dus het werk versnellen verandert weinig. Probeer het uit op de verzonnen offerte hieronder.
Verzonnen voorbeeld · één offerte, van concept tot verzending
Iemand aan het werkWachten
Een copilot op een puinhoop
Bedrijven willen een assistent die vragen over hun klanten kan beantwoorden, terwijl de data eronder in twee CRM’s staat, vol duplicaten, naast een overgenomen bedrijf dat nooit is samengevoegd. De assistent kan niet weten welk record klopt. Hij antwoordt toch, en klinkt daarbij heel zeker van zijn zaak.
Agents aan alles koppelen maakt het erger. Een agent met toegang tot een stuk of twaalf tools besteedt zijn tokens aan zoeken, en twee runs van dezelfde vraag kunnen bij verschillende bronnen uitkomen en met verschillende antwoorden terugkomen. Agents werken beter met een kleine set tools en één plek waar ze hun data vandaan halen.
Dan zijn er de instructies. Als IT een automatisering bouwt, begint het vaak bij de standaardwerkprocedures. Die zijn regelmatig verouderd, of ze beschrijven hoe het proces jaren geleden bedoeld was. Een agent die op de verkeerde instructies is gebouwd, doet snel en consequent het verkeerde. Ga, voordat je een proces automatiseert, met de mensen die het uitvoeren om tafel en schrijf op hoe het vandaag moet werken.
Alle drie de problemen leiden terug naar de vraag van de consultant. Agents hebben één plek nodig waar ze hun kennis vandaan halen, met schone data en afgesproken definities.
Houd het brein in eigen hand
Mijn antwoord was dat het bedrijf het zelf in bezit moet hebben, in plaats van het aan een tool van een derde partij over te laten, hoe handig die tool ook is. Jonge AI-bedrijven komen en gaan, en je wilt niet dat het hart van je bedrijf met een van hen verdwijnt. Je wilt ook vrij blijven om van AI-aanbieder te wisselen. Stap je volgend jaar over van ChatGPT naar Claude, of gebruik je ze allebei, dan zou je kennis niet mee hoeven te verhuizen.
De beste plek is het datawarehouse of de database die het bedrijf al gebruikt, zoals BigQuery of Supabase. Het echte werk is alles erin krijgen en de regels erbovenop afspreken: wie welke data mag zien, en een testomgeving om wijzigingen uit te proberen voordat ze bij iedereen terechtkomen.
Daarbovenop zit een semantic layer, waarin het bedrijf vastlegt wat zijn data betekent. Jaarlijks terugkerende omzet (ARR) wordt op één manier berekend, dus wie het ook vraagt, in Claude, in HubSpot of in een dashboard, krijgt hetzelfde getal.
Je kunt beginnen in Notion of Google Docs terwijl je leert wat mensen vragen. Documenten zijn alleen lastig te bevragen en lastig actueel te houden, dus investeer voor alles wat robuust moet zijn in de datalaag. Onze gids over RevOps op Claude loopt de volledige inrichting door.
- CRM
- Supporttickets
- E-mails
- Gesprekstranscripten
- Finance
- De assistent van de leverancier
- Claudeop de voorwaarden van de leverancier
- ChatGPTop de voorwaarden van de leverancier
- Dashboardsop de voorwaarden van de leverancier
De kennis zit in het product van een ander. Stap je over op een andere AI-aanbieder, of verdwijnt de leverancier, dan moet die kennis verhuizen.
Geen klus voor IT alleen
De laatste groep problemen gaat over vertrouwen. Als de AI net vaak genoeg fout zit, controleert iemand elke regel, en gaat de gewonnen tijd meteen weer op aan controleren. Een betere prompt lost dat zelden op. De data en de definities op orde brengen wel, en dan kan de controle worden afgestemd op wat er op het spel staat.
Beveiligings- en hostingreviews zijn het andere vertrouwensprobleem. Pilots met een duidelijke businesscase stranden daar, omdat pas helemaal aan het eind iemand vroeg waar de data naartoe zou gaan. Betrek de beveiliging in de eerste week, niet in de laatste.
En daarmee ben ik terug bij het brein. Ik raadde de consultant aan om de directie van zijn klant te vertellen dat ze IT dit niet alleen moeten laten trekken. De kennis van het bedrijf is het hart van alles, en te belangrijk om verkeerd aan te pakken. Het vraagt om een klein multidisciplinair team dat het samen opbouwt, het onderhoudt en onderweg de meeste vertrouwensvragen afhandelt.
Controleer je alles volledig, dan gaat de gewonnen tijd op aan controleren.
Wie is eigenaar van de bedrijfskennis
- IT of het datateamHet platform en wie er toegang heeft
- RevOpsCommerciële data en de definities
- VakverantwoordelijkenHun eigen vakgebied: finance, juridische zaken, support
- BeveiligingVanaf de eerste week betrokken
Waar begin je?
Herken je er een paar, dan ben je in goed gezelschap. De meeste oplossingen zijn niet technisch. Het zijn beslissingen over proces, data en eigenaarschap, en die neem je makkelijker één proces tegelijk. Dit moet je op orde hebben voordat je AI in een proces invoert.
Voordat je AI in een proces invoert · vink aan wat je hebt
0 van 6Begin bovenaan: één proces, eerlijk in kaart gebracht.
Bronnen en verder lezen
Breng de methode in de praktijk.
Voer de gratis GTM Audit uit in de Claude-opzet die je al hebt.