Bedrijven hebben nog geen probleem met het vinden van budget voor een AI-project. Alleen neemt het vertrouwen in AI af doordat de investeringen geen ROI opleveren. Het management heeft immers gezien hoe eerdere data-initiatieven teleurstelden. Kosten waren hoog, tijdsinvestering groot, en de waardecreatie beperkt. Waarom zou AI nu wel werken? We gaan met Wilco Kraaij, AI-expert bij softwareontwikkelaar Exact, in gesprek over een betere implementatie van AI in bedrijfsprocessen. Eveneens zijn we benieuwd hoe een IT’er het management kan blijven overtuigen van de waarde van AI-investeringen.
De business waarde van een AI-project moet vanaf het begin heel duidelijk zijn. Wat wil je als organisatie bereiken? “Je moet het niet verpakken als ‘we gaan iets doen met AI’”, waarschuwt Wilco Kraaij, AI-expert bij softwareontwikkelaar Exact. Laat zien welke bedrijfswaarde je gaat creëren en hoe je dat stap voor stap gaat bewijzen. AI is daarbij geen doel op zich, maar een middel om processen slimmer te maken. Uiteindelijk zal dat je organisatie naar een hoger niveau tillen.
Dat verschil is cruciaal. Traditionele data-initiatieven vereisten gestructureerde data. Dat betekende: jaren investeren in datawarehouses, ETL-trajecten, en BI-dashboards. Alleen dan kon je tot inzichten komen. Het management kende de beloftes en de teleurstellingen. AI doorbreekt die beperking fundamenteel. En dát is het verhaal dat je moet vertellen.
‘Intelligente economie’
Kraaij schetst een fundamentele verschuiving. We evolueren van een kenniseconomie naar een intelligente economie. “Kennis ging over wat je weet en wat je doet”, legt hij uit. “De intelligente economie draait om interpretatie van data en onderbouwing vanuit die data. AI kan nu ongestructureerde data uit vele bronnen gebruiken om tot strategische overwegingen te komen. Dat was vroeger niet mogelijk.”
Het verschil zit in het begrijpen van context en betekenis. Als je ‘koptelefoon’ zegt, snapt AI ook dat je oordopjes, AirPods of een Bose QuietComfort 3 bedoelt. Die verdieping maakt het mogelijk om van kennis naar intelligentie te gaan.
Hier zit één van de belangrijke waarden van AI. Traditionele data-projecten werkten met harde, gestructureerde data. AI werkt met zachte kennis en dus de context die tussen de regels staat.“ Je had vroeger gestructureerde data nodig om tot advies of data-onderbouwing te komen”, zegt Kraaij. “Nu kan je ongestructureerde data uit vele bronnen gebruiken om tot strategische overwegingen te komen.” Informatie kan bijvoorbeeld komen uit een factuur met context die niet in een database past of uit het personeel zelf, zoals bij klantenkennis.
“Wat nu in de hoofden van mensen zit, waarbij mensen de brug slaan tussen ongestructureerde en gestructureerde systemen, daar kan AI veel meer de verbinding worden,” legt Kraaij uit. “De brug tussen wat essentieel is uit en mailtje en wat het systeem ervan moet weten, daar zit de waarde.”
Zelflerende systemen
Het narratief dat werkt bij het management gaat niet over technische infrastructuur. Het gaat over knowledge hubs en zelflerende AI-agents die continu verbeteren. Kraaij experimenteert zelf veel met dit soort systemen. “Bij lead generatie bijvoorbeeld: als je evalueert wat er gebeurt met binnenkomende leads, kan het systeem leren. Ontbraken er dingen in de kennisbank? Reageerden medewerkers te laat? Dat soort inzichten kun je gebruiken om zowel je kennis als je processen te verbeteren. Een AI-systeem kan je bijvoorbeeld inzetten om de reactietijd te versnellen. Binnen leadmanagement ligt de gewenste reactietijd op een maximum van 30 minuten. Met hulp van AI-agents kan dat veel sneller.”
Hier kan je opnieuw heel wat voordelen halen uit het verschil met data-projecten. Het duurt namelijk lang voordat er inzichten voortstromen uit een data-project. AI-projecten hebben die tijd niet nodig. Er zijn verschillende AI-agents beschikbaar die in enkele uren al onderdeel kunnen uitmaken van het bedrijf. Het zelflerende aspect van AI agents, is nog een belangrijk voordeel om in de kijker te zetten. Een agent kan namelijk bijleren over je bedrijf en stemt met de tijd zijn werking beter af op de interne werking. Net als een werknemer.
Lees ook: AI-agents nemen het werk over, maar is jouw organisatie er klaar voor?
Een belangrijk bezwaar dat management vaak heeft: vertrouwen. Kunnen we bedrijfsprocessen echt aan AI toevertrouwen? Kraaijs antwoord is helder: begin met de mens in de lead. “Leer met de mens in de lead en ga dan vervolgens steeds meer naar autonome systemen.” Hij verwijst naar een Nederlandse advocaat die een zaak voorbereidde met ChatGPT en fictieve rechtszaken citeerde. “Wij kunnen dat soort dingen niet doen in finance. De boekhouding kan niet ‘maar een beetje’ kloppen.”
Strategische kant van AI-inzet benadrukken
Bij het verkopen van AI aan het management is het belangrijk beide waardeproposities te benoemen, stelt Kraaij. “Je moet altijd naar twee dingen kijken: de strategische kant en de kostenkant.” De prijs is vaak het makkelijkst te verkopen. Hoe ga je AI inzetten om kosten te besparen, om dingen sneller en efficiënter te doen? Dat zijn tastbare, meetbare voordelen waar financieel management van houdt.
“Maar de strategische kant is eigenlijk veel belangrijker”, benadrukt Kraaij. “Hoe ga je AI inzetten om je businessmodel te veranderen? Hoe ga je meer geld verdienen of hoe blijf je relevant? Naast efficiëntieverbetering kijken organisaties steeds vaker naar de vraag hoe AI kan bijdragen aan nieuwe vormen van dienstverlening, betere besluitvorming of een sterkere klantbeleving.” Hij benoemt het met een concreet voorbeeld: “Accountants werken nu vaak met uren, maar als die uren echt gaan verdwijnen door AI, hoe ga je het dan alsnog doen? Hoe ga je je businessmodel fundamenteel veranderen? Heb je daarover nagedacht?” Die strategische vraag raakt het management. Het gaat niet alleen om efficiency, maar om toekomstbestendigheid.
Lees ook: Meeste organisaties gebruiken AI verkeerd
De kunst is om beide verhalen te combineren: het grote strategische plaatje én de concrete, kleine stappen. “Maak het niet te groot”, adviseert Kraaij. “Kijk waar de meeste tijd in je proces naartoe gaat. Pak de top drie. Begin met één, verbeter een klein stukje. Als dat succesvol is, pak dan het volgende aan.”
Handel ook niet vanuit een angst. Uit onderzoek van Exact blijkt dat Belgische KMO’s voldoende budget hebben om in AI te investeren. Toch komt dat budget vaak voort uit angst. “Het gevoel is: ik moet mee, anders word ik obsoleet”, zegt Kraaij. “Maar bedrijven maken niet structureel tijd voor de implementatie.”
Het praktische stappenplan
Hoe vertel je dit verhaal concreet aan het management? Kraaij suggereert:
1. Begin met de output “Wat is nou eigenlijk de output die we genereren? Welke waarde leveren we aan onze klanten? Welke waarde kunnen we gaan leveren met AI?”
2. Kies één concreet proces Niet het hele bedrijf tegelijk, maar één proces waar veel tijd in gaat of waar klanten het meest van profiteren.
3. Toon het verschil Demonstreer hoe AI ongestructureerde kennis (mails, documenten, expertise) verbindt met gestructureerde systemen. Laat zien wat nu handmatig gebeurt en straks geautomatiseerd kan.
4. Maak het meetbaar Hoeveel tijd bespaart het? Wat betekent dat financieel? Op dit vlak gaan veel vragen over de strategische waarde van de investering. Dat gaat over vragen zoals: Hoeveel sneller reageren we op klanten? Wat betekent dat voor de lead intake? Wat is de respons rate op gepersonaliseerde e-mails tegenover standaard e-mails?
5. Bouw op succes “Ga pas verder naar het volgende AI-project als het andere succesvol is of net niet succesvol bleek, maar er wel een learning uit werd gehaald. Zo creëer je een mindset van continue verbetering.”
Een nieuw verhaal
AI verkopen aan het management vraagt een fundamenteel ander verhaal dan traditionele data-projecten. Niet over infrastructuur en databases, maar over intelligente systemen die zachte kennis verzamelen en continu leren. Niet over jaren investeren voor onzekere resultaten, maar over iteratieve verbeteringen met directe impact. Niet over angst voor achterstand, maar over kansen voor transformatie.
En bovenal: niet over technologie, maar over de verschuiving van een kenniseconomie naar een intelligente economie, waarin ongestructureerde kennis eindelijk waarde krijgt, en organisaties echt lerende systemen worden.