Je implementeert niet wat je niet hebt gemeten
De eerste stap is niet het kiezen van een AI-model, maar het begrijpen van de echte processen en data van het bedrijf. Een dag discovery met het managementteam levert een kansenkaart op met geschatte ROI per kans, geen generieke lijst van „wat AI kan doen”.
Zonder deze stap loop je het risico iets technisch indrukwekkends te bouwen dat het echte probleem van het bedrijf niet oplost — of erger, iets dat data vereist die het bedrijf niet gestructureerd heeft. AI-discovery voor bedrijven is geen generieke lijst met ideeën — het is een werkdag met het managementteam, die een kansenkaart met echte prioriteit oplevert.
Het traject van een AI-implementatie
Klik op een fase. Vertel ons ook waar je staat, zodat je ziet waar je verdergaat.
We brengen de processen, de beschikbare data en de wrijvingspunten in kaart. Resultaat: een kansenkaart met schattingen voor elk.
We kiezen 1-2 cases, schrijven de acceptatiecriteria voordat we beginnen, en bouwen en testen met echte data. Resultaat: een werkend systeem, afgemeten aan de criteria.
Als de pilot aan de criteria voldoet, breiden we uit. Zo niet, dan passen we aan of stoppen we. De beslissing wordt genomen op basis van data, niet enthousiasme.
We breiden uit naar meerdere afdelingen, met training voor het team en maandelijks onderhoud.
De acceptatiecriteria worden vooraf geschreven, niet achteraf
De meest voorkomende fout bij een AI-pilot is succes „op gevoel” beoordelen nadat je iets hebt gebouwd. Wij schrijven de acceptatiecriteria vóór we met de implementatie beginnen: wat het systeem moet doen, met welke precisie, in welke tijd.
Als aan het einde van de piloot de criteria niet zijn gehaald, is de beslissing duidelijk — je stelt bij of je stopt, je gaat niet door op basis van een goede indruk van de demo. Hoe dit proces concreet verliep bij FOX — van de eerste training tot een discovery voor digitalisering op SAP — staat stap voor stap gedocumenteerd in de case study. hoe dit proces concreet verliep bij FOX.
Go/no-go, op basis van data
Na de pilot wordt de beslissing om uit te breiden niet genomen uit enthousiasme, maar door de echte resultaten te vergelijken met de aan het begin geschreven criteria. Een pilot die niet aan de criteria voldoet, is geen mislukking van het project — het is de informatie die je vertelt wat er moet veranderen voordat je meer investeert.
Deze stap ontbreekt in de meeste mislukte AI-projecten: men gaat rechtstreeks van 'de demo werkte' naar 'we breiden het overal uit'. Een go/no-go-beslissing op vooraf geschreven criteria onderscheidt AI-implementatie in een bedrijf van een experiment zonder duidelijk einde — als de piloot de criteria niet haalt, stopt het project daar, en wordt het niet uit traagheid uitgebreid. Bij het kiezen van de tools voor de piloot leggen we uit waarom het AI-model minder belangrijk is dan je denkt ten opzichte van hoe goed wordt gecontroleerd wat het systeem kan doen.
Uitbreiding vereist training, niet alleen code
Een AI-systeem dat technisch werkt, maar dat het team niet weet te gebruiken, levert geen waarde op. De uitrol omvat training voor de betrokken teams, documentatie en doorgaans een onderhoudsretainer — modellen en integraties veranderen, het systeem moet onderhouden worden.
Hier komt ook governance om de hoek kijken: wie welke data mag zien, wat wordt gelogd, wat handmatig wordt goedgekeurd. Hetzelfde proces geldt ook voor het implementeren van AI-agents: eerst één meetbare flow, daarna uitbreiding.
De AI bereidt voor, de mens beslist
Bij elke implementatie die we hebben gedaan, hebben we expliciet duidelijk gehouden wat een menselijke beslissing blijft: de handtekening op een aangifte, het indrukken van een verzendknop, het oordeel over een onduidelijk geval. Het argument is even commercieel als voorzichtig — „de AI doet alles zelf” is moeilijk te verantwoorden wanneer de wettelijke aansprakelijkheid bij het bedrijf blijft.
Het „copilot, geen autopilot”-model werd rechtstreeks gevalideerd in een boekhoudautomatiseringsproject: het systeem leest, berekent en signaleert; de mens drukt op de knop. Uitbreiden gaat sneller als het team een AI-training voor medewerkers volgt op basis van de eigen praktijkgevallen.
Van training naar volledig platform, bij dezelfde klant
We hebben het volledige traject bij één industrieel bedrijf gezien: training voor het team, dan een klein platform (ticketredeem), dan een discovery voor de digitalisering van de productie op SAP, en ten slotte een voorstel voor een volledig AI-platform. Elke stap bouwde voort op het vertrouwen dat in de vorige was opgebouwd.
Het is het soort opbouw dat we aanraden: niet 'alles tegelijk', maar verifieerbare stappen die zich opstapelen. Bij FOX startte de AI-discovery voor bedrijven vanuit training, niet vanuit een complex systeem — pas nadat het team vertrouwen had in de tools, gingen we over naar een echt geautomatiseerd proces.
Vaste prijs, na een korte discovery.
- audit van processen en data
- kansenkaart met geschatte ROI
- adviesrapport
- geschreven acceptatiecriteria
- 1-2 cases in productie
- oplevering + documentatie
- uitbreiding naar meerdere afdelingen
- training team
- maandelijkse retainer
Elk project heeft een andere context, andere processen en een andere infrastructuur, dus de prijs wordt vastgesteld na een korte, betaalde discovery en verandert daarna niet meer.
Veelgestelde vragen
Hoe implementeer je AI in een bedrijf?
In drie stappen: discovery (één dag, kansenkaart), pilot voor 1-2 cases met vooraf geschreven acceptatiecriteria, dan uitbreiding met training en onderhoud. De discovery overslaan of het ontbreken van geschreven criteria zijn de meest voorkomende oorzaken van mislukking.
Wat houdt AI-implementatie precies in?
Het is het proces waarbij een AI-model of -agent wordt gekoppeld aan de echte data en processen van het bedrijf, met regels, rechten en audit — niet alleen het ad-hoc gebruik van een chatbot door een paar medewerkers. Het omvat zowel het technische deel als de training van het team en het interne gebruiksbeleid.
Hoe implementeer ik AI in mijn eigen bedrijf, zonder intern technisch team?
Het meest realistisch is een externe partner die de discovery doet, de pilot bouwt met duidelijke criteria en een gedocumenteerd systeem oplevert, inclusief training. Je hebt niet vanaf dag één een interne AI-afdeling nodig, je hebt een eerste use case nodig die volledig wordt uitgevoerd en gemeten.
Hoe lang duurt een AI-implementatie, van discovery tot productie?
De discovery duurt doorgaans één dag; een pilot voor 1-2 use cases duurt twee tot zes weken, afhankelijk van de complexiteit van de data en de benodigde integraties. De volledige uitrol varieert sterk en hangt af van hoeveel afdelingen betrokken zijn.
Wat gebeurt er als de AI-pilot niet naar behoren werkt?
Als de aan het begin geschreven acceptatiecriteria niet worden gehaald, pas je de aanpak aan of stop je het project voordat je meer investeert — de beslissing wordt genomen op basis van gemeten data, niet op de indruk van een demo. Dat is de reden waarom de criteria vooraf worden geschreven, niet achteraf.
Wie neemt de uiteindelijke beslissing in een AI-systeem dat bij een bedrijf is geïmplementeerd?
Beslissingen met juridische, financiële of contractuele impact blijven bij mensen — het systeem bereidt voor, controleert en signaleert, maar drukt niet zelf op de laatste knop. Deze scheiding wordt expliciet vastgelegd vanaf de discoveryfase, niet er later aan toegevoegd.
Welke CAEN-code hoort bij AI-implementatie/maatwerksoftwareontwikkeling?
Maatwerksoftwareontwikkeling (inclusief AI-implementatie als dienst) valt doorgaans onder CAEN-code 6201 — Activiteiten voor het op maat ontwikkelen van software. Controleer de exacte indeling altijd bij een boekhoudkundig adviseur, afhankelijk van de daadwerkelijke factuurstructuur.
Hoe lang duurt, indicatief, een AI-discovery voor een bedrijf?
Meestal één werkdag met het managementteam, gevolgd door een schriftelijke kansenkaart. De piloot die daarop volgt, als de discovery een duidelijke richting bevestigt, duurt meestal 2 tot 6 weken voor 1-2 use cases.
Laten we kijken wat we bij jou kunnen automatiseren.
Een gratis sessie van 30 minuten: we vertellen je wat er te automatiseren valt, hoe lang het duurt en wat het kost, met een vaste prijs na de discovery.