Het cijfer
In augustus 2025 publiceerde een onderzoeksgroep van MIT een rapport over AI in bedrijven. Het heet The GenAI Divide. De onderzoekers spraken met ongeveer 150 leidinggevenden, hielden een enquête onder zo'n 350 medewerkers en bekeken ongeveer 300 AI-projecten die bedrijven openbaar hadden gemaakt.
De uitkomst: 95 procent van de AI-pilots leverde geen meetbaar resultaat op. Geen hogere omzet, geen lagere kosten. Na maanden testen.
Dat is een hard cijfer. Maar wie het rapport leest, ziet dat het niet aan de AI lag.
Het lag aan de plek, niet aan de AI
De modellen zelf werkten prima. Veel mensen gebruikten al een chatbot en waren daar tevreden over. Het ging mis op het moment dat een bedrijf AI in het echte werk wilde inbouwen.
De onderzoekers noemen twee oorzaken die steeds terugkomen.
De tools pasten niet in het dagelijkse werk. Een medewerker moest een apart scherm openen, iets kopiëren, een vraag stellen en het antwoord weer terugzetten. Dat doe je een week uit nieuwsgierigheid. Daarna niet meer.
De tools leerden niet van hoe het bedrijf werkt. Ze onthielden geen afspraken, geen uitzonderingen en geen eerdere correcties. Elke keer begon het opnieuw. Voor een losse vraag is dat prima. Voor een proces dat elke dag loopt, is dat niet genoeg.
Dus bleef het bij een proef.
Het dal tussen proef en gebruik
In innovatie heeft dit gat een naam: de valley of death. De term komt uit het Amerikaanse innovatiebeleid van eind jaren negentig. Het is het dal tussen een idee dat in een proef werkt en iets wat mensen elke dag gebruiken.
Aan de ene kant van het dal staat een demo die indruk maakt. Aan de andere kant staat een systeem dat draait op een gewone dinsdag, als het druk is en niemand tijd heeft.
Daartussen zit veel werk dat niemand leuk vindt. Koppelingen met bestaande systemen. Uitzonderingen. Rechten. Uitleg. Beheer. De meeste goede ideeën sterven daar.
Een pilot die goed ging, is dus nog geen bewijs. De vraag is of iemand het over drie maanden nog gebruikt, zonder dat je erom vraagt.
Wat de 5 procent anders deed
De bedrijven die wel resultaat haalden, deden een paar dingen anders.
Ze begonnen bij één concreet stuk werk. Niet "we gaan iets met AI doen", maar "de planning van maandag kost te veel tijd". Een afgebakend probleem, met iemand die er last van heeft.
Ze hielden de oplossing simpel. Zo simpel dat iemand hem tussen twee klussen door gebruikt, zonder uitleg. Het systeem moest in het werk passen, niet andersom.
Ze kozen iets wat meegroeit. Oplossingen die zich aanpasten aan de werkwijze van het bedrijf, deden het beter dan losse tools die steeds opnieuw begonnen.
Ze werkten vaker met een gespecialiseerde partij. Volgens het rapport slaagden projecten met een externe partner ongeveer twee keer zo vaak als projecten die bedrijven helemaal zelf bouwden.
Opvallend is ook waar de winst zat. Veel budget ging naar verkoop en marketing, omdat dat zichtbaar is. De grootste besparingen zaten juist in het werk achter de schermen: administratie, registratie en planning.
Hoe dat er in de praktijk uitziet
Wij zien hetzelfde in ons eigen werk. TriageConnect is een zorgorganisatie die triagisten inzet bij huisartsenpraktijken. De kwaliteit werd bijgehouden in een logboek. Medewerkers vulden het in na hun dienst, uit hun hoofd. Bij 57 procent van de diensten gebeurde dat.
We begonnen niet met AI. We begonnen met de vraag waarom zoveel diensten leeg bleven. Het antwoord: het moment van vastleggen lag verkeerd. Achteraf invullen kost moeite. Na een lange dienst schiet het erbij in.
Dus bouwden we een kliksysteem voor tijdens de dienst. Eén knop per handeling. Een registratie is in twee seconden klaar. Het systeem is gekoppeld aan het rooster, zodat niemand iets dubbel invult.
De registratie steeg van 57 naar 84 procent. In de eerste zeven weken werden ruim 17.000 handelingen vastgelegd. Inmiddels zijn het meer dan 40.000 kliks in een paar maanden, door 150 medewerkers.
Niet omdat het systeem slim is. Omdat het precies in hun dienst past. Het hele verhaal lees je in de case TriageConnect.
Daarna volgde het rooster. StarShift is sinds september 2026 live bij dezelfde organisatie. Het wordt gebruikt door 150 medewerkers en is gekoppeld aan HR en uren.
Ook dat systeem is niet op één dag af. We beheren het en verwerken elke maand de feedback van planners, medewerkers en praktijken. Dat is het deel dat een systeem aan de goede kant van het dal houdt.
Vier vragen voor je volgende AI-proef
Start je een nieuwe proef? Stel dan eerst deze vragen.
- Welk stuk werk lossen we op, en wie heeft er nu last van? Kun je die persoon niet aanwijzen, dan is de proef te vaag.
- Waar in de dag gebruikt iemand dit? Is het antwoord "als ze er tijd voor hebben"? Dan gebruikt niemand het.
- Wat gebeurt er met de uitzonderingen? Elk bedrijf heeft ze. Een systeem dat ze niet kent, wordt omzeild.
- Wie beheert het na de proef? Zonder eigenaar en zonder beheer blijft elke pilot een pilot.
Wij werken daarom in drie stappen. Eerst een doorlichting om het werk te begrijpen. Dan een bouw op de plek waar het aantoonbaar scheelt. Daarna beheer. Meer daarover lees je op Zo werken we.
Hoeveel AI-proeven lopen er bij jullie, en hoeveel daarvan gebruikt iemand elke dag?
Bronnen
- MIT NANDA, The GenAI Divide: State of AI in Business 2025, augustus 2025.
- De term valley of death komt uit het Amerikaanse innovatiebeleid van eind jaren negentig, onder meer het rapport Unlocking Our Future van het Amerikaanse Huis van Afgevaardigden (1998).
- Cijfers over het kliksysteem en StarShift: BesluitPartners, september 2026.