AI-projecten falen door budgetproblemen: zo los je dat op

Hoi, leuk dat je weer luistert naar de korte aflevering van AIToday Live, ik ben Joop Snijder. Voordat we beginnen eerst even wat anders. Want je hoort het waarschijnlijk misschien al aan mijn stem. Ik ben ziek. Ik heb een hardnekkig virus te pakken, een vlak hiervoor voor zo'n elf dagen koorts gehad. Niels heeft de volgende aflevering voor zijn rekening genomen en daar ben ik super blij mee. Deze wil ik zelf doen. Excuus voor het stemgeluid weet je dat. Laten we beginnen. Kort geleden sprak ik met een student en hij schrijft een scriptie over hoe bedrijven AI-innovaties selecteren. En dat gesprek viel samen met een opname die ik voor Emerce TV deed over agentic AI. En dan ging het uiteindelijk allemaal precies over hetzelfde. Die opname staat trouwens online. De link vind je in deze show notes. In beide gesprekken noemde ik een aantal getal waar mensen meestal van opkijken. Meer dan 90% van de AI-projecten haalt productie niet. Ze blijven steken in de proof of concept fase. En niet omdat de technologie niet werkt niet omdat het idee niet deugd dat ze dan hebben, maar omdat er één budget geregeld is, terwijl wat mij betreft drie nodig zijn. Innovatie, productie, beheer. En die drie loop ik met je langs en ik begin met de vraag die eraan vooraf gaat. We willen iets met AI. Zo begint het vaak bij klanten. Iedereen zegt dat je daar wat mee kan, dus wij willen het ook. Technologische vraag gesteld aan een technologisch bedrijf. Wij draaien die vraag om dat we hier wel vaker gehoord hebben. Wat wil je bereiken? Welke verandering is daarvoor nodig. En hoe ziet dat precies, hoe ziet dat proces er dan nu uit. Soms blijkt dan dat je een proces gewoon kan stoppen of opnieuw kan inrichten zonder technologie. Of het kan met gewone software. Dan doe je dat, want die is goedkoper en beter onderhoudbaar. En wie niet weet naar welke haven hij vaart, weet dus ook niet welke wind gunstig is. Dat is waarom het zo belangrijk is dat je moet beginnen bij je doel niet bij het middel. Stel, dit heb je allemaal goed gedaan. Je doel is scherp. De technologie past, je business case klopt dan begint het pas. Meestal is er wel een innovatiebudget. Dit budget is er meestal wel, je experimenteert, bouwt een proof of concept, probeert dingen uit en na een paar maanden heb je iets dat werkt. Je kan als innovatiemanager afvinken, klaar, mooie verhaal voor de directie. De demo werkt, dus het lijkt klaar. Terwijl je nog geen enkele gebruiker hebt. Daar komt budget 2 om de hoek kijken. Van een werkende demo naar iets dat mensen elke dag gebruiken, dat is een traject op zich, integreren in bestaande systemen. Gebruikers meenemen, kinderziektes eruit halen, training geven. En bij AI agents komt daar iets bij wat vaak wordt onderschat, namelijk het idee is dan proof of concept was accuraat. Dus we zetten de agent aan en dan doet hij het overal. Maar je testcases bevatten nooit alle uitzonderingen die de praktijk voor je in petto heeft. Wat ik geleerd heb, is dat je een agent moet zien als een werknemer die je nog moet opleiden. Je verwacht geen senior op dag één. Je zet eerst een mens naast die meekijkt en bijstuurt. En die rol bouw je langzaam af zoals je leerling begeleidt in zijn werk. Dat opleiden kost dus tijd en geld. En dan moet je dus mee rekenen. Budget 3 is het beheer. Want dan draait het AI-systeem. Nu begint het budget dat nooit meer ophoudt, zou je kunnen zeggen. Zelfs met een perfecte data-infrastructuur moet je van allerlei dingen bij blijven houden. Dus doet hij nog wat hij moet doen het systeem. Sluipt het gedrag niet langzaam weg, wat wij dan drift noemen, verandert het model wat eronder zit, dan controleer je opnieuw of de uitkomsten nog kloppen, ja of nee. Daar zit ook een kostenpost die veel mensen niet zien aankomen. Bij gewone software weet je wat een systeem kost. Dat neem je mee. Je business case en daar blijft het bij. Bij een agent of een ander AI-systeem lopen de kosten mee met het gebruik. Want je rekent af per token. De rekeneenheid van een taalmodel. Werkt je agent goed, gaat hij daarom veel meer doen, dan gaan die kosten mee omhoog. Dus je business case wordt daarmee beweeglijk zou je kunnen zeggen en is moeilijker rond te rekenen. Stel je begrenst het. Ik noem maar 50.000 euro per jaar, ik noem maar een bedrag. Dan is dat een nieuwe post. En je jaarlijkse kosten die eerst niet was, je kan wel zeggen dat je er meer omzet mee hebt gehaald, maar er moet ook gewoon naar die kostenpost gekeken worden. En dan komt de vraag: ja, welke 50.000 snijd je ergens anders uit. Vooraf beantwoorden en niet als verrassing achteraf. Drie budgetten. En in de meeste organisaties is er één. En dat ligt niet aan de techniek, dat ligt aan de organisatie. Innovatiebudget wordt vaak beheerd door een innovatiemanager. Productiebudget valt bij een andere afdeling en beheerbudget bij nog een andere. Jij hebt je innovatie voor elkaar, maar er is geen geld voor het vervolg. En de mensen die dat geld beheren hebben nu andere operationeel belangrijke dingen aan hun hoofd. En dan stopt het dus. Ligt iets een half jaar stil en dan is het weg. Van uitstel komt afstel. Sinds 2011 werk in de wereld van AI. En ik heb het ontelbare keren gezien: teams die met energie begonnen en dan loopt gewoon de ballon leeg. Bij klanten proberen we dit voor te zijn. We zorgen dat die drie budgetten in het voortraject geregeld zijn, contractueel. En toch stoppen innovaties na innovatie. Vastleggen helpt, maar het is geen garantie. Intern is het echt wel makkelijker, want dan nemen we vaak dezelfde mensen dezelfde besluiten zonder de silo's ertussenin. Wil je een innovatie oppakken, regel dan die drie budgetten voordat je begint. Innovatie, productie en beheer vastgelegd bij de juiste afdelingen. En stel bij elk voorstel twee vervelende vragen. Wie betaalt over twee jaar het beheer. En wat kost het ding dan per maand aan gebruik? Komt daar geen antwoord op, dan weet je eigenlijk genoeg. Dan bouw je een demo en geen oplossing. Laten we afsluiten, het gaat niet mis omdat het niet kan, het gaat mis omdat we innovatie zien als het einde van een traject, terwijl het eigenlijk het begin is. Eén budget breng je tot de demo. Drie budgetten breng je tot gebruik. Nou, wil je hier nou wat verder in duiken? In aflevering 5 van seizoen 1 al hadden we het over faalfactoren van AI-projecten. Over meten en terugverdienen gaat aflevering 68 van dit seizoen. Waar levert AI echt geld op in je organisatie? Ook die luister je nog eens terug. Het belangrijkste is natuurlijk zoals altijd: niet de oplossing van elk probleem, maar onmisbaar waar het past. Tot de volgende keer.