Je AI werkt. Je processen niet.
Hoeveel AI-tools gebruikt je team? En hoeveel daarvan praten met elkaar?
Ik stel die vraag steeds vaker aan ondernemers en de antwoorden zijn opvallend consistent. ChatGPT voor teksten. Copilot voor code of e-mails. Een image generator voor social media. Misschien een analytics dashboard. Vier, vijf, soms twaalf verschillende tools. Allemaal prima op zichzelf. Geen van alle verbonden met het bedrijfsproces waar ze voor bedoeld zijn.
De gemiddelde MKB-organisatie werkt inmiddels met 7 tot 12 losse AI-tools. Dat is geen probleem van te weinig technologie. Dat is een probleem van te veel technologie zonder samenhang.
De cijfers die niemand leuk vindt
60% van de Nederlandse bedrijven heeft generatieve AI geïntegreerd in hun bedrijfsprocessen. Wereldwijd gebruikt 78% van de organisaties AI in minimaal een bedrijfsfunctie. De adoptie is geen discussie meer.
Maar MIT rapporteerde in augustus 2025 dat 95% van generatieve AI-pilots faalt. RAND kwam op 80%. Gartner voorspelt dat 60% van AI-projecten alsnog wordt stopgezet vanwege ongeschikte data. De adoptie groeit razendsnel. De waarde niet evenredig.
En de meeste ondernemers worstelen met dezelfde vraag: hoe pas ik AI toe in mijn processen? Dat is het kernprobleem. De vraag is niet meer of je AI moet gebruiken, de meeste bedrijven zijn dat stadium voorbij. De vraag is hoe je het onderdeel maakt van hoe je werkt.
Waarom het faalt
Ik heb het zelf meegemaakt. Ik bouwde 20+ AI agents voor mijn eigen praktijk. Copilot Studio agents op Microsoft 365 en Azure. Pipeline bewaking, facturatie, kennisbeheer, backlog management. Na een paar maanden de eerlijke inventarisatie: vier leverden dagelijks waarde. De rest was technisch correct en operationeel nutteloos.
Het probleem was niet de technologie. Het probleem was dat ik tools had gebouwd zonder eerst de juiste vraag te stellen. Welk bedrijfsprobleem los ik op? Welke informatie heeft de tool nodig om goed te functioneren? Hoe past dit in het bestaande werkproces?
Datzelfde patroon zie ik bij bedrijven. Er wordt geinvesteerd in AI-tools, er worden pilots gestart, en dan stopt het. McKinsey, MIT en RAND rapporteren vergelijkbare cijfers: 80-95% van AI-pilots komt niet verder dan de testfase. Niet omdat de technologie faalt, maar omdat de context ontbreekt.
Het fragmentatieprobleem
Wat ik steeds vaker tegenkom is een specifieke variant van dit probleem: fragmentatie. Bedrijven hebben niet te weinig AI, ze hebben te veel losse AI, verspreid over te veel tools die niet met elkaar communiceren.
ChatGPT weet niet wat er in je CRM staat. Copilot ziet je projectplanning niet. Je analytics dashboard heeft geen toegang tot je klantendata. Elke tool werkt in een silo, met zijn eigen context, zijn eigen data, zijn eigen beperkingen.
En dan wordt het erger: als je dat fragmentatieprobleem wilt oplossen, ontdek je dat er 900+ integratieplatformen bestaan. Dubbele fragmentatie: te veel AI-tools bovenop te veel oplossingen om die tools te verbinden.
Wat de 5% anders doet
De organisaties die wel waarde halen uit AI doen drie dingen die de andere 95% niet doet:
Ze beginnen met het bedrijfsprobleem, niet met de tool. Niet “wat kan ChatGPT voor ons doen” maar “welk proces kost ons de meeste tijd en fouten, en hoe ziet de ideale oplossing eruit.”
Ze definieren meetbare uitkomsten voordat ze beginnen. Niet “we gaan AI inzetten” maar “we willen de doorlooptijd van offertes van vijf dagen naar een dag terugbrengen.”
Ze herontwerpen hun processen rond AI, in plaats van AI op bestaande processen te plakken. Het verschil tussen een Excel sheet met een AI-formule erin, en een workflow die AI gebruikt om beslissingen te nemen.
Andrej Karpathy, een van de grondleggers van het moderne AI-veld, gaf dit in 2025 een naam: context engineering. Het systematisch structureren van bedrijfscontext zodat AI correct kan uitvoeren. Prompt engineering gaat over individuele vragen. Context engineering gaat over het hele ecosysteem van informatie waar een AI-tool mee werkt: de data, de procesregels, de bedrijfslogica, de meetcriteria.
Wat dit praktisch betekent
Het goede nieuws: als je al tools gebruikt, heb je het moeilijkste deel al gedaan. Je hebt geinvesteerd, je team staat er voor open, en je weet wat niet werkt. Dat is meer dan 67% van je concurrenten kan zeggen.
Het slechte nieuws: meer tools erbij kopen lost het niet op. Het probleem is niet de hoeveelheid technologie, het is de afwezigheid van samenhang.
De stap die de meeste bedrijven overslaan is de diagnostische stap. Niet “welke tool moeten we kopen” maar “waarom leveren onze huidige tools niet wat we verwachten.” Dat antwoord is bijna altijd hetzelfde: de tools missen context. Ze weten niet genoeg over je bedrijf om de juiste dingen te doen.
Die context systematisch opbouwen, dat is waar het verschil zit. Geen groot IT-project, maar een methodische aanpak: welke bedrijfsvragen moeten beantwoord worden, welke data is daarvoor nodig, hoe stroomt die data naar de tools die het werk doen.
Simpeler gezegd: niet beginnen met de oplossing, maar met het probleem. En dan de oplossing bouwen die bij dat specifieke probleem past.
Michael Siroen is oprichter van ID2Bytes en helpt mid-market organisaties AI in te zetten als onderdeel van hun bedrijfsprocessen. Niet als losse tool, maar als geintegreerd systeem. Meer weten? Neem contact op via id2bytes.com.