Veel organisaties investeren in AI. Toch blijft het beloofde rendement vaak uit. Volgens onderzoek van onder meer Deloitte en PwC ziet slechts een beperkt deel van de bedrijven structurele waarde terug. Efficiëntie stijgt, maar echte impact blijft achter. Waar gaat het mis?
Volgens Luca Henkel, universitair docent Finance en onderzoeker aan de Erasmus Universiteit Rotterdam, ligt het antwoord zelden bij de technologie zelf. “De capaciteiten zijn er. De vraag is hoe organisaties ermee omgaan.” De redactie van Daily Data Bytes sprak hem over wat er in de praktijk écht gebeurt wanneer AI wordt uitgerold.
▼
Van lab naar werkvloer
Henkel onderzoekt hoe AI-technologie landt in de praktijk. Niet in gecontroleerde labomgevingen, maar in organisaties waar medewerkers ermee moeten werken en waar beslissingen op basis van die systemen worden genomen. Voor dat onderzoek ontving hij onlangs een beurs van 200.000 euro, waarmee hij de impact van AI-toepassingen in concrete praktijksituaties verder uitdiept.
Zijn recente werk richt zich onder meer op voice AI-agents die gesprekken voeren met mensen. Denk aan AI-systemen die sollicitatiegesprekken afnemen of andere vormen van gestructureerde interactie automatiseren. Dat klinkt futuristisch, maar technisch is het inmiddels goed mogelijk. De kern van zijn onderzoek is niet of de technologie werkt, maar wat er gebeurt zodra organisaties die technologie daadwerkelijk inzetten in hun dagelijkse processen.
“Er werken eigenlijk meerdere systemen samen,” legt Henkel uit. “Je genereert tekst, zet die om naar spraak en verwerkt tegelijkertijd wat de ander zegt. Lange tijd was snelheid het grootste probleem. Als een systeem dertig seconden nodig heeft om te reageren, is het geen gesprek. Nu die vertraging vrijwel verdwenen is, kun je echt een conversatie voeren.”
Het echte probleem: adoptie
Dat betekent alleen nog geen succes. Het rendement op AI-investeringen blijft vaak achter bij de verwachtingen. Volgens Henkel zit het knelpunt vooral in de implementatie.
“Je hebt de technologie en alle potentiële mogelijkheden, maar je hebt ook de menselijke kant. Medewerkers moeten ermee werken, klanten krijgen ermee te maken en zonder duidelijke begeleiding ontstaat al snel weerstand.”
Een belangrijk inzicht uit zijn onderzoek: succesvolle implementatie is geen eenmalig moment. Het is een continu proces van testen, bijstellen en opnieuw testen.
“Er is zelden een ‘klikmoment’ waarop alles ineens werkt. Organisaties die succesvol zijn, hebben vaak een jaar lang getest en aangepast. Ze bouwen feedbackloops in. Ze passen niet alleen de AI aan, maar ook de manier waarop mensen ermee werken.”
Eerste indrukken tellen
Een onderschat punt is volgens Henkel de eerste ervaring met een AI-tool.
“De eerste ervaring met technologie bepaalt veel. Als mensen niet meteen zien wat het hen oplevert, haken ze snel af. Daarom moet je vanaf het begin duidelijk maken wat het nut is en blijven bijsturen op basis van hoe mensen ermee werken.”
Dat vraagt niet om doelloos experimenteren, maar om richting en duidelijke keuzes. Henkel ziet in de praktijk dat organisaties vaak te snel uitrollen zonder helder kader.
“Je hebt de technologie en de potentiële mogelijkheden,” zegt hij, “maar je moet ook een plan hebben voor hoe je het optimaal gebruikt.” Dat betekent niet alleen de AI aanpassen op basis van interacties, maar ook de toepassing voortdurend aanscherpen.
Succesvolle implementaties bouwen daarom vanaf dag één feedbackloops in en sturen actief bij, zodat de tool stap voor stap op de juiste manier in het werkproces wordt ingebed.
Voice AI: minder menselijk, meer consistent?
In het onderzoek naar AI-interviewers zag Henkel iets interessants gebeuren. Geen spectaculaire gedragsverandering bij kandidaten, maar wel meer structuur in het proces.
“AI-interviews zijn vaak sterker gestandaardiseerd. Daardoor wordt er consistenter informatie verzameld en bleek die informatie in sommige gevallen beter bruikbaar voor beslissingen. Dat betekent niet dat AI perfect is, maar we weten ook dat mensen bias hebben, fouten maken en ruis produceren. Als we AI beoordelen, moeten we het niet vergelijken met een ideaalbeeld, maar met menselijke prestaties.”
Die benchmark wordt in het debat vaak vergeten.
AI is geen wondermiddel
Is AI echt anders dan eerdere technologieën? Henkel twijfelt.
“Bij elke nieuwe technologie zie je hype én scepsis. Misschien gaat het nu sneller dan bij eerdere innovaties en drijft dat de verwachtingen op. Maar de onderliggende dynamiek van adoptie lijkt niet wezenlijk anders. Kijk naar de opkomst van het internet: ook dat veranderde de werkvloer ingrijpend, maar die verandering voltrok zich stap voor stap. AI is geen magisch systeem dat organisaties automatisch slimmer maakt. Het is een instrument. Het effect hangt af van hoe zorgvuldig je het inzet en hoe goed je het in het werkproces inbedt.”
De les uit Henkels onderzoek is opvallend nuchter:
- Zie implementatie als een proces, niet als een lancering.
- Bouw structureel feedbackloops in.
- Maak vanaf dag één duidelijk wat het daadwerkelijke nut is.
- Meet AI niet tegen perfectie, maar tegen de menselijke standaard.
De technologie ontwikkelt zich snel. Dat staat vast. Maar wie rendement wil zien, moet minstens zo veel aandacht besteden aan de mensen die ermee werken.