Wanneer AI geen zin heeft

Ik verdien mijn geld met AI en software. Toch gaat deze pagina over de andere helft van het verhaal: de situaties waarin je er beter vanaf kunt blijven. Wie je dat nooit vertelt, wil vooral iets verkopen.

Wanneer heeft AI geen zin?

AI heeft geen zin als het werk zelden voorkomt, als de uitkomst honderd procent moet kloppen, als je gegevens niet op orde zijn, of als het proces zelf rommelig is. In die gevallen kost een AI-project meer dan het oplevert. Vaak is een simpele koppeling of opruimen de betere keuze.

Ik zeg dit niet vanaf de zijlijn. Ik onderneem sinds 1999 en gebruik mijn vijf eigen bedrijven als proeftuin: alles wat ik lever, heb ik daar eerst zelf geprobeerd. Daar zaten missers tussen, op eigen kosten. Juist daardoor durf ik in een eerste gesprek “niet doen” te zeggen. Dat advies kost mij omzet en bespaart jou maanden gedoe.

Waarom maakt AI een slecht proces alleen sneller slecht?

AI versnelt wat er al is. Ligt je proces goed, dan versnelt AI het goede. Zit er een fout in — dubbele invoer, onduidelijke afspraken, stappen die niemand snapt — dan maakt AI die fout vaker en sneller. Het gereedschap repareert het proces niet. Dat moet je eerst zelf doen.

Een voorbeeld dat ik vaak tegenkom: opvolging automatiseren terwijl de statussen in het systeem niet worden bijgehouden. Dan krijgt een klant die allang betaald heeft alsnog een herinnering. Vroeger maakte een collega die fout af en toe, nu maakt het systeem hem elke dag, keurig op tijd. De klant merkt het meteen; jij pas als de eerste boze mail binnenkomt.

Daarom begin ik nooit bij de techniek maar bij het proces. Klopt dat eenmaal, dan blijkt automatiseren opeens verrassend eenvoudig.

Wat als het werk maar een paar keer per maand voorkomt?

Dan begin je er niet aan. Een taak die een paar keer per maand een kwartier kost, verdient geen bouwtraject. Het bouwen, testen en bijhouden kost meer tijd dan je ooit terugwint. Doe het met de hand, of zet er hooguit een sjabloon of checklist naast.

De rekensom mag je hardop maken. Tel de uren die de taak per jaar kost. Zet daar het bouwen tegenover, plus het onderhoud — want elk systeem vraagt onderhoud: pakketten veranderen, wachtwoorden verlopen, een leverancier past zijn koppeling aan. Bij werk dat zelden voorkomt verlies je die som bijna altijd. Dan is een goed sjabloon het eerlijke antwoord, hoe onspannend dat ook klinkt.

Wat als de uitkomst honderd procent moet kloppen?

Dan is AI het verkeerde gereedschap. Een taalmodel gokt heel goed, maar het gokt. Voor facturen, loonstroken, juridische termijnen en veiligheidskeuringen wil je een systeem dat elke keer hetzelfde antwoord geeft. Dat is een berekening of een vaste regel, geen model. AI mag daar hooguit voorbereiden, nooit beslissen.

Dit onderscheid bepaalt bij mij de bouw. In de configurator die ik voor maatwerkoffertes maakte, rekent geen taalmodel de bedragen uit maar een formule per regel, tot er een offerte uitrolt. Juist omdat dat bedrag altijd moet kloppen. AI mag om zo’n berekening heen werken — de aanvraag lezen, het concept klaarzetten — maar de plek waar het bedrag ontstaat, blijft een som.

Stel bij elk plan de vraag: wat gebeurt er als het antwoord af en toe fout is? Kan een mens dat opvangen, prima. Zo niet, dan hoort daar geen model.

Wat als je gegevens niet op orde zijn?

Dan eerst opruimen. AI die op rommelige gegevens draait, geeft antwoorden die er verzorgd uitzien maar nergens op slaan. Dubbele klanten, oude prijzen, velden die half zijn ingevuld — het model ziet het verschil niet. Orde in je gegevens is geen voorbereiding op AI, het is de voorwaarde.

“Op orde” is trouwens kleiner dan het klinkt. Het betekent: één plek waar de waarheid staat, velden die gevuld zijn, en een afspraak over wie wat invoert. Vaak is dát het eigenlijke project, en het model erbovenop het sluitstuk. Ik draai die volgorde nooit om, hoe graag iemand ook eerst iets met AI wil laten zien.

Wanneer is een gewone koppeling of een simpel script beter dan AI?

Zodra de regels vastliggen. Gaat het om gegevens die van systeem A naar systeem B moeten, altijd op dezelfde manier, dan is een koppeling of een script goedkoper en betrouwbaarder dan AI. Een koppeling doet elke nacht exact hetzelfde. Daar hoeft niets slims tussen te zitten.

Mijn vuistregel: kun je de regels op één A4 opschrijven, dan is het een script of een koppeling. Moet er iets geïnterpreteerd worden — een mailtje begrijpen, een vraag in gewone taal — dan pas komt AI in beeld.

Twee dingen die ik zelf heb gebouwd en waar bewust geen AI in zit: aanvragen van meerdere websites die in één klantkaart binnenkomen met hun herkomst erbij (een webhook en een goede afspraak over velden), en een plattegrond waarop je je pand intekent en die zelf uitrekent hoeveel wifi-zenders er nodig zijn (een rekenmodel). Hoe je dat aanpakt lees je op de pagina over twee systemen laten praten.

Wanneer is opruimen goedkoper dan bouwen?

Vaker dan je denkt. Veel bedrijven willen AI op een werkwijze zetten die uit drie pakketten, vier lijstjes en één onmisbare collega bestaat. Ruim dat eerst op. Schrap dubbele stappen, kies één plek voor je gegevens en leg vast wie wat doet. Meestal blijkt daarna dat je minder hoeft te bouwen dan je dacht.

Opruimen is ondankbaar werk. Er valt niets te demonstreren en niemand vertelt er trots over op een verjaardag. Toch begint bijna elk goed traject ermee, ook bij mij intern. Wat je opruimt, hoef je daarna nooit meer te bouwen, te koppelen of uit te leggen.

Waaraan herken je een AI-project dat gaat stranden?

Aan het begin. Niemand kan zeggen welk probleem het oplost, wie het straks dagelijks gebruikt, of hoe je meet of het werkt. Klinkt het doel als “iets met AI”, dan strandt het. Onderzoek van MIT uit 2025 bekeek ruim driehonderd AI-initiatieven bij bedrijven; ongeveer vijf procent leverde meetbaar iets op.

Dat onderzoek verbaasde mij niet, want de signalen ken ik uit mijn eigen proeftuin. Een project zonder eigenaar. Een demo die indruk maakt, maar die een maand later niemand meer opent. “De leverancier regelt het.” Nergens een meetlat die vooraf is afgesproken. Zie je er ook maar één, ga dan terug naar de vraag welk probleem je eigenlijk oplost.

Waar heeft AI dan wél zin?

Bij werk dat vaak terugkomt, waar de gegevens kloppen en waar een mens het resultaat nog nakijkt. Offerteopvolging, aanvragen sorteren, teksten voorbereiden, uitzoekwerk. In mijn eigen bedrijven draait AI precies daar, en nergens anders. Of jouw situatie ertussen zit, stel je in één gesprek vast.

Zo laat ik een agentenploeg tegelijk uitzoeken, bouwen en nakijken — werk dat elke week terugkomt en waar ik het eindresultaat zelf beoordeel. Hoe je dat in je eigen bedrijf voor elkaar krijgt, lees je op AI werkend krijgen in je bedrijf. En wil je eerst snappen wat een AI-agent is en wanneer hij werkt, begin daar.

Twijfel je aan welke kant jouw plan valt? Bel 036 52 98 447 of mail marc@herdes.nl. Eén gesprek is genoeg om het vast te stellen. En een “nee” krijg je bij mij gratis.