AI maakte execution snel: wat nu met alles eromheen?

AI maakte alles sneller, maar iets klopt niet helemaal

In de eerste maanden van 2025 hebben grote technologiebedrijven elkaar overtroeven met dramatische personeelsafspraken. Block ontsloeg 4.000 medewerkers (40% van het personeelsbestand). Atlassian volgde met 1.600 ontslagen. Shopify nam een radicaalere benadering: werknemers moesten bewijzen dat AI hun baan niet kon overnemen voordat zij nog op de loonlijst bleven staan.

Het script is steeds hetzelfde: CEO noemt AI in de toelichting, aandeelprijs stijgt, media jubelt. Maar wanneer je dieper in de cijfers graaft, ontstaat er een merkwaardig beeld dat bedrijfsleiders graag negeren.

S&P Global publiceerde recent onderzoeksgegevens die schokken: 42% van de bedrijven heeft hun AI-initiatieven in 2025 gestaakt, vergeleken met slechts 17% het jaar ervoor. Dit is geen marginaal verschil—dit is een verdubbeling van het aantal mislukte implementaties in twaalf maanden.

Dit roept een fundamentele vraag op: als AI werkelijk zo transformatief en productief is, waarom stoppen bedrijven dan massaal met AI-projecten? En waarom ontslaanszij mensen op grote schaal?

Wat is hier eigenlijk aan de hand?

De snelheidsillusie: execution zonder strategie

Het centrale probleem is dit: AI maakte execution snél. Vorig jaar duurde het weken om bepaalde taken te automatiseren. Nu duurt het dagen. Machine learning-modellen kunnen nu in uren trainingsdata analyseren waarbij dit vroeger maanden kostte.

Dit is waar de bottleneck "omsloeg." Wat vroeger een beperkende factor was (tijd nodig voor implementatie), is nu een voordeel. Bedrijven kunnen nu in korte tijd veel meer doen met veel minder mensen.

Maar hier zit het cruciale inzicht: snelle uitvoering zonder goede planning blootlegt alles wat er omheen niet klopt.

Neemt u een typisch voorbeeld. Een bedrijf implementeert AI voor customer service. Ze kunnen in drie weken een chatbot aan het werk zetten. Geweldig! Maar dan merken ze op:

• Hun customer service team heeft helemaal geen gestandaardiseerde procedures, dus de AI weet niet wat het moet doen
• Hun data is een rommeltje—spelfouten, verouderde informatie, inconsistente categorieën
• Niemand weet eigenlijk hoeveel van hun klantenservice door AI afgehandeld kan worden, omdat ze dat nooit hebben gemeten
• Hun managementstructuur is niet gebouwd voor AI; wie is verantwoordelijk? Wie monitort kwaliteit?

De AI zelf werkt prima. Maar al het andere eromheen—processen, data, governance, menselijke vaardigheden—is plotseling het probleem. En dat was het altijd al, bedrijven hebben het alleen nooit echt gezien.

Waarom bedrijven hun AI-projecten nu afbreken

De statistieken van S&P Global vertellen een specifiek verhaal. Bedrijven die met AI begonnen zijn zonder grondige voorbereiding, botsen nu op realiteit:

1. Data is het werkelijke bottleneck

AI heeft data nodig. Goede, schone, relevant data. Veel bedrijven ontdekten dat hun data als spaghetti door elkaar zit. Het schonen en organiseren van data kost maanden. Dit past niet in het "snelle" AI-narratief.

2. ROI is onduidelijk

Bedrijven leggen geld uit voor AI-implementatie, maar zien de return niet snel genoeg. Ze willen het snelste pad naar winst, en als de output van AI niet onmiddellijk inkomsten genereert, wordt het project afgebroken.

3. Talent is het echte bottleneck

Ironisch genoeg: hoewel bedrijven mensen ontslaanwege AI, ontbreekt het hun aan mensen die AI daadwerkelijk kunnen implementeren en beheren. Machine learning engineers, data scientists, en AI architects zijn zeldzaam en duur.

4. Change management faalt

Mensen accepteren AI niet zomaar. Ze hebben angst, ze begrijpen het niet, ze zien het als bedreiging. Bedrijven die massa's ontslagen doen, krijgen vertrouwen-erosie. De resterende werknemers werken niet mee met AI-systemen. Dit saboteert het hele initiatief.

Wat betekent dit voor uw bedrijf?

De realiteit van AI-transformatie

Het belangrijkste inzicht hier is: AI is niet het probleem, organisatie is het probleem.

Bedrijven die succesvol met AI werken, doen dit niet door massaal mensen te ontslaan. Ze doen dit door:

• Processen eerst te optimaliseren, voordat ze AI inzetten
• Data te inventariseren en schoon te maken, voordat ze modellen trainen
• Duidelijke use cases te kiezen, niet alles tegelijk
• Teams mee te nemen in het proces, niet tegen hen in te gaan
• Meetbare doelen in te stellen, niet "AI implementeren"

De bedrijven die AI-projecten afbreken, deden dit omdat ze dachten dat AI magisch zou zijn. Ze hoopten dat AI hun slechte processen zou repareren. Dat klopt niet. AI vergroot alleen de efficiëntie van wat je al doet.

Een nieuw raamwerk nodig

Het is alsof bedrijven denken: "We hebben een robotarm gekregen, laten we er mee gaan gooien!" Maar niemand heeft gekeken naar wat de arm eigenlijk kan doen, waar het moet staan, wie erop let, en of die arm überhaupt in de buurt van iets nuttigs staat.

De bedrijven die nu succes hebben met AI, bouwen eerst fundamenten:

• Process mapping: Wat doen we, hoe doen we het, waar gaat het mis?
• Data assessment: Welke data hebben we, hoe schoon is het, kunnen we het gebruiken?
• Skill audit: Wie in ons team kan met AI werken?
• Pilot projects: Laten we klein beginnen, leren, en dan schalen
• Governance framework: Wie beslist, wie monitort, wie is verantwoordelijk?

Hoe kunnen bedrijven nu kapitaliseren op deze trend?

Het omslaan van de bottleneck als kans

De huidige situatie is eigenlijk een enorm voordeel voor bedrijven die het goed aanpakken. Waarom?

Omdat competitie nu écht in de organisatie zit, niet in de technologie. Iedereen kan dezelfde AI-tools kopen. Maar niet iedereen kan processen goed implementeren.

Bedrijven die nu winnen:

• Beginnen met audit, niet met implementatie: Wat zijn uw echte inefficiënties? Waar gaat werkelijk tijd verloren? Daar zet u AI in.
• Focussen op één afdeling of één process: Niet het hele bedrijf tegelijk. Success breeds success.
• Investeren in data governance: Dit is saal, maar dit is waar echte waarde wordt gemaakt.
• AI agents strategisch inzetten: Chatbots voor customer service, content agents voor marketing, helpdesk agents voor ondersteuning—maar alleen waar het werkelijk werk bespaart.
• Mensen trainen, niet ontslaan: De waarde van AI komt uit de combinatie van AI + goed getraind personeel.

Bedrijven die AI agents implementeren voor specifieke taken—klantenservice, lead generation, email marketing, data entry—maar dit doen met planning en voorbereiding, zien werkelijk resultaten. Ze zien kostenbesparingen van 30-50% in specifieke processen, zonder de chaos en vertrouwenserosie van massale ontslagen.

Het praktische pad naar AI-succes

In plaats van "AI zal ons redden," zou het beter zijn: "Welke specifieke taak kunnen we met AI beter en goedkoper doen?"

Deze gefocuste benadering leidt tot:

• Snellere ROI: U ziet resultaten in maanden, niet jaren
• Lagere risico's: Klein experimenteren betekent klein verliezen
• Beter change management: Teamleden zien dat AI hun helpt, niet vervangt
• Momentum: Succesvol pilot → volgende project → volgende project

Wat verwachten we vervolgens?

2025 en daarna: consolidatie

De volgende fase is helder. De bedrijven die nu met massale ontslagen gaan en geen duidelijke AI-strategie hebben, zullen dit betreuren. Ze zullen nieuwe mensen moeten aannemen (duur) en nieuw moeten trainen (langzaam).

De bedrijven die voorzichtig en strategisch te werk gaan, zullen de voordelen van AI sneller realiseren.

U zult zien:

• Minder AI-hype, meer praktische implementatie
• Meer focus op data quality dan op model quality
• Een groeiende vraag naar "AI-integratie consulting" (bedrijven helpen AI goed in te richten)
• Een verschuiving van "AI agents als oplossing" naar "AI agents als onderdeel van grotere procestransformatie"

De kernboodschap

AI maakte execution snel. Dat heeft alles eromheen blootgelegd wat niet klopt. Dit is geen probleem van AI—dit is een organisatorisch probleem.

Bedrijven die dit snappen, zullen winnen. Ze zullen AI strategisch inzetten, hun processen eigenlijk verbeteren, en werknemers behouden en trainen in plaats van ze weg te gooien.

De bedrijven die dit niet snappen, zullen voortdurend AI-projecten afbreken en opnieuw beginnen. Ze zullen duur talent verliezen. Ze zullen achterblijven.

De vraag voor uw bedrijf is niet: "Hoe implementeren we AI?" De vraag is: "Waar gaat ons geld verspild? Waar maken we processen waarvan we niet eens weten dat ze slecht zijn? En hoe kunnen we die inzichten gebruiken om AI strategisch in te zetten?"

Dat antwoord zal bepalen of u bij de winnaars of verliezers van 2025 hoort.

Klaar om AI agents in te zetten voor jouw bedrijf?

De AI-ontwikkelingen gaan razendsnel. Bedrijven die nu beginnen met AI agents bouwen een voorsprong die moeilijk in te halen is. NovaClaw bouwt custom AI agents op maat van jouw bedrijf — van klantenservice tot leadgeneratie, van content automation tot data analytics.

Plan een gratis kennismakingsgesprek en ontdek welke AI agents het verschil maken voor jouw bedrijf. Ga naar novaclaw.tech of mail naar info@novaclaw.tech.