De pilot werkt. Daarna beweegt er niets meer.

Hetzelfde patroon duikt steeds weer op: de pilot slaat prima aan, iedereen in de zaal knikt, en 12 maanden later is het nog steeds een proof of concept.

We zien het in ons werk voor middelgrote bedrijven zo vaak dat het ons niet meer verrast. Een klein team bouwt iets slims. Het wordt gedemonstreerd in een directieoverleg. Het krijgt een slide in de kwartaalpresentatie. En daarna blijft het daar liggen, stilletjes indrukwekkend, terwijl het bedrijf het werk precies zo blijft doen als voorheen.

De bredere data laat hetzelfde patroon zien. In Agentic AI 2026: A Mid-Market Playbook for Adoption and Scale, onderzoek van Everest Group in opdracht van R Systems, zit ongeveer 57 procent van de ondervraagde middelgrote organisaties in de pilotfase, met gecontroleerde proeven. Slechts zo'n 15 procent heeft het punt bereikt waarop agents operationeel zijn ingezet over meerdere afdelingen. De meeste bedrijven falen niet met AI. Ze blijven steken 1 stap voordat het er echt toe doet.

Er zijn 2 redenen waarom dit steeds gebeurt, en geen van beide is de technologie.

Reden 1: de scope was te klein om ertoe te doen

De meeste pilots automatiseren een taak. Die taak zit in een proces dat niemand opnieuw heeft ontworpen. De besparing is dus echt, maar ook veel te klein om te veranderen hoe het bedrijf draait.

Je automatiseert het opstellen van een offerte. Prima. Maar de offerte wacht nog steeds 3 dagen op een goedkeuring die alleen bestaat omdat iemand zich in 2019 heeft gebrand. Hij wordt nog steeds handmatig overgetypt in een tweede systeem. Hij leidt nog steeds tot een herinneringsmail die iemand met de hand schrijft. Je hebt 1 stap van een traject van 15 stappen sneller gemaakt, en het traject wordt bepaald door de traagste stap, niet door de snelste.

Daarom valt het ROI-gesprek in maand 6 stil. Het getal is technisch positief en in de praktijk onzichtbaar. Niemand voelt het in de winst-en-verliesrekening, dus niemand vecht voor de volgende fase.

De oplossing is niet meer automatisering. Het is een traject kiezen in plaats van een taak, en je dan afvragen hoe dat traject eruit zou zien als je het vandaag vanaf nul zou ontwerpen, met deze tools. Meestal verdwijnen er dan complete stappen. Daar zitten de uren echt.

Reden 2: niemand is eigenaar

De tweede oorzaak is stiller en richt meer schade aan. Pilots worden vaak ondergebracht bij een innovatieteam, een digital lab of wie er toevallig nieuwsgierig was. Die teams zijn goed in bouwen. Ze zijn structureel niet in staat om het daarna te laten draaien, omdat ze geen eigenaar zijn van de operatie die er elke dag mee zou moeten werken.

De overdracht gebeurt dus nooit. De operatie heeft er niet om gevraagd, zat niet aan tafel toen de scope werd bepaald en heeft zelf een volle backlog. De pilot wordt een wees: technisch werkend, organisatorisch dakloos.

Je kunt deze uitkomst vroeg voorspellen. Vraag wie verantwoordelijk is voor het resultaat, niet voor de bouw. Als het antwoord een teamnaam is in plaats van een persoon, of als de genoemde persoon het getal niet in zijn of haar eigen targets zou opnemen, zit de pilot al in de problemen.

Wat echt beweging brengt, is weinig glamoureus

De teams die voorbij de pilotfase komen, doen zelden iets slims. Ze doen 4 saaie dingen goed.

Kies 1 traject met echt volume. Niet het interessantste. Het traject dat 200 keer per week voorbijkomt en waar iedereen zich aan ergert. Volume is wat een klein percentage omzet in een zichtbaar getal.

Ontwerp het van begin tot eind opnieuw voordat je iets automatiseert. Breng in kaart hoe het werk vandaag stroomt, inclusief de omwegen en het wachten. Schrap wat niet zou moeten bestaan. Bepaal pas daarna waar AI thuishoort. Een kapot proces automatiseren brengt je alleen sneller bij het verkeerde antwoord.

Geef het 1 verantwoordelijke eigenaar en een doel voor 90 dagen. Een persoon met een naam in de operatie, niet het innovatieteam. 90 dagen is lang genoeg om iets echts te bouwen en kort genoeg dat niemand het stilletjes kan laten verwateren.

Meet bespaarde uren, niet opgeleverde features. Spreek de nulmeting af voordat je begint, want achteraf kun je die niet meer reconstrueren. Bespaarde uren, voorkomen fouten, dagen minder doorlooptijd. Kies er 2 en publiceer ze elke maand.

Daarnaast speelt er ook een governancepunt. Hetzelfde onderzoek liet zien dat slechts 7 procent van de organisaties specifiek beleid heeft voor agentic AI, en dat ongeveer 30 procent werkt met algemene AI-kaders of helemaal niets. Als je van een gecontroleerde proef wilt doorgroeien naar iets dat echte klanten en echt geld raakt, is de vraag naar verantwoordelijkheid geen papierwerk. Het is precies wat je in staat stelt ja te zeggen tegen opschalen zonder je adem in te houden.

De test voor je volgende pilot

Niets hiervan vraagt om een groter budget dan de pilot al heeft gekost. Het vraagt om de keuze dat 1 traject belangrijker is dan 10 experimenten, en om er vervolgens onmodieus geduldig mee om te gaan.

🐸 Een pilot die zijn eigenaar en zijn getal niet kan noemen, is een demo, geen plan.

We helpen middelgrote teams het ene traject te kiezen dat het eerst waard is om op te schalen, in plaats van zich te versnipperen over 10. Onze AI-discoveryworkshop van een halve dag brengt je customer journey in kaart, rangschikt de kandidaten voor automatisering op inspanning en impact, en levert je een top-3-shortlist en een roadmap van 90 dagen op waarmee je aan de slag kunt, met of zonder ons.

Bron: Agentic AI 2026: A Mid-Market Playbook for Adoption and Scale, Everest Group, in opdracht van R Systems, maart 2026. Gebaseerd op een enquête onder meer dan 200 leidinggevenden van middelgrote bedrijven wereldwijd.

In het kort

• ✓De meeste AI-pilots stranden niet op de technologie, maar 1 stap voordat ze ertoe doen.
• ✓Reden 1: de scope is een losse taak in plaats van een heel traject.
• ✓Reden 2: niemand in de operatie is eigenaar van het resultaat.
• ✓Kies 1 traject met volume, ontwerp het opnieuw, wijs 1 eigenaar aan met een doel voor 90 dagen en meet bespaarde uren.

Klaar om de juiste pilot te kiezen? In onze AI-ontdekkingsworkshop vinden we het traject dat het eerst waard is om op te schalen, en met AI-automatisering bouwen we het. Voor bredere cijfers over AI-adoptie is de AI Index van Stanford een goede bron.

Veelgestelde vragen