Ik zie het steeds: een AI-pilot die “bijna klaar” is. Al negen maanden. De demo werkt. De slide is mooi. Alleen draait er nog niks in het echte werk.
Dat is geen voorzichtigheid. Dat is pilot purgatory: een tweede werkwijze zonder einddatum, eigenaar of productiebesluit.
- McKinsey: bijna acht op de tien organisaties gebruiken gen AI, maar ongeveer evenveel zien geen materiële impact op de bottom line.
- Verticale use cases blijven steken: minder dan 10% komt voorbij de pilotfase.
- In het MKB is een eindeloze pilot duurder dan een “mislukte” go-live: je betaalt twee werkwijzen tegelijk.
- Uitweg: één proces, productie-einddatum, named owner, en een taak die écht verdwijnt.
Wat er gebeurde
Vorige week belde een directeur van een bedrijf met ongeveer zestig mensen. “We doen al bijna een jaar iets met AI.” Wat bleek: een mooie Copilot-pilot bij drie enthousiastelingen, een Slack-kanaal met screenshots, en nog steeds dezelfde handmatige offerteflow als in 2024.
Niemand was lui. Niemand was tegen. Er was alleen nooit een harde afspraak wanneer de oude manier zou stoppen. Dus bleef de pilot veilig in de demo-hoek, en het echte werk liep gewoon door.
Dat patroon zie je niet alleen in het MKB. In Seizing the agentic AI advantage noemt McKinsey het de gen AI-paradox: bijna acht op de tien bedrijven zetten gen AI ergens in, terwijl ongeveer evenveel geen materiële winstbijdrage melden. Horizontale tools (chatbots, copilots) rollen makkelijk uit. De verticale cases die écht geld zouden moeten opleveren, blijven hangen. Minder dan 10% van die use cases komt voorbij de pilot.
In de bredere State of AI-meting zit hetzelfde beeld bij agents: experimenteren is normaal, opschalen per functie blijft zeldzaam. In een gegeven businessfunctie zegt hooguit één op de tien dat agents echt schalen.
Een AI-pilot zonder einddatum is geen experiment. Het is een tweede werkwijze die niemand beheert.
Waarom dit relevant is voor het MKB
In een bedrijf met 15 tot 80 mensen heb je geen AI-lab dat drie jaar mag “leren”. Elke maand pilot betekent: twee processen, twee sets uitzonderingen, en een team dat half gelooft dat “AI eraan komt”.
Drie dingen houden MKB-pilots structureel vast:
- Succes zonder productiebesluit. “De demo werkt” voelt als winst. Zonder datum waarop de oude flow stopt, blijft gebruik optioneel, en optioneel sterft stil.
- Geen named owner met mandaat. IT bouwt, operations “kijkt mee”, de directeur sponsort de kick-off. Niemand mag de oude werkwijze uitzetten. Dan blijft de pilot een hobbyproject met een factuur.
- Geen taak die verdwijnt. Als niemand een concrete handeling uit zijn week haalt, heb je geen adoptie: je hebt een extra tabblad. Dat is dezelfde denkfout als meer chatten met ChatGPT: activiteit ≠ resultaat.
Dit sluit aan op wat ik eerder schreef over meten: zonder baseline is je AI-ROI een verhaal. En op de duurste fout van dit jaar: een tool kopen voordat je het proces kent. Pilot purgatory is wat er gebeurt als je wél start, maar nooit besluit om te landen.
Praktisch: een eindeloze pilot kost vaak meer dan een gecontroleerde go-live met een kleine scope. Je betaalt licenties, aandacht én de oude uren door. Dat is geen risicobeheer. Dat is uitstel met een abonnement. Zie ook: jouw AI-pilot werkt prima, en dat is precies het probleem. Dat sluit aan bij waarom 80% van AI-projecten stilvallen.
Wat je nu kunt doen
Geen nieuw platform. Wel vijf harde afspraken vóór je de volgende “pilot” verlengt.
1. Zet een productie-einddatum op papier
Niet “Q4”. Een dag. Bijvoorbeeld: over zes weken draait offerteversie 1 in productie voor één team, of de pilot stopt. Soft deadlines houden demo’s in leven.
2. Benoem één eigenaar met stoprecht
Iemand uit operations of het MT mag de oude stap uitzetten. Zonder dat mandaat blijf je twee werkwijzen onderhouden.
3. Schrijf welke taak verdwijnt
Eén zin: “Vanaf live hoeft X deze handmatige Y niet meer te doen.” Kun je die zin niet schrijven, dan is je scope te vaag, of het is nog geen productiecase.
4. Meet één KPI, niet vijf
Doorlooptijd, foutpercentage of uren per batch. Koppel het aan de baseline die je vóór de pilot legde. Geen baseline? Meet eerst twee weken. Anders blijf je in de kantine “sneller” voelen.
5. Integreer of stop
Een losse chat naast je ERP is geen opschaling. Of de output landt in je bestaande systeem, of je beëindigt de pilot bewust. Voor modelkeuze per taak helpt AI-modeloptimalisatie; voor workflows in je stack past managed AI-agents voor het MKB beter dan nog een proof-of-concept.
Raakt de use case klanten of toezicht? Check dan ook of je als deployer iets moet regelen via de EU AI Act deployer quick scan. Compliance inhalen ná een jaar pilot eet je winst op.
Wil je je AI-pilot uit de wachtkamer halen?
We helpen MKB-teams met één proces, een harde go-live en een eigenaar die mag stopzetten. Geen eindeloze demo, wel iets dat in je werkweek landt.