Samenvatting
De technologie is zelden het enige probleem wanneer een AI-project niet oplevert wat ervan verwacht werd. Veel hangt af van de kennis van de processen, klanten en dagelijkse werking waarin AI terechtkomt. Daarom hoort de werkvloer volgens Pratap Rao (Head of Digital & AI bij CCI Global) van bij het begin mee aan tafel.
Organisaties investeren volop in AI, maar de stap van een veelbelovende toepassing naar meetbare resultaten blijkt vaak moeilijk. Volgens Pratap Rao, SVP Client Solutions en Head of Digital & AI bij CCI Global, wordt daarbij één factor onderschat: de kennis van mensen die de dagelijkse werking, de processen en de klanten door en door kennen.
Deze bijdrage is geschreven door Pratap Rao, SVP Client Solutions en Head of Digital & AI bij CCI Global.
AI is in korte tijd doorgedrongen tot zowat elke sector. Volgens de Global Survey on AI van McKinsey uit 2025 gebruikt 78% van de organisaties AI in minstens één bedrijfsfunctie, tegenover 55% twee jaar eerder. De technologie wordt tegelijk krachtiger én toegankelijker. En toch levert die snelle adoptie niet de verwachte resultaten op. RAND Corporation stelde vast dat meer dan 80% van de onderzochte AI-projecten mislukt. Gartner waarschuwt eveneens voor het grote aantal AI-initiatieven dat zijn vooropgestelde doelstellingen niet haalt. De technologie evolueert razendsnel en organisaties investeren er fors in. Waar loopt het dan mis?
AI moet ook werken in de dagelijkse praktijk
Veel AI-projecten zien er tijdens de testfase veelbelovend uit. De moeilijkheden ontstaan wanneer de toepassing deel moet worden van de dagelijkse werking. Processen blijken onvoldoende op elkaar afgestemd, medewerkers gebruiken de nieuwe toepassing anders dan verwacht of de gehoopte efficiëntiewinst blijft beperkt. Daar speelt operationele kennis een belangrijke rol.
Wie een AI-toepassing ontwikkelt voor klantenservice, verkoop, technische ondersteuning of workforce management, heeft ook mensen nodig die weten hoe die processen werkelijk verlopen. Zij kennen de uitzonderingen, terugkerende problemen en gevoeligheden die zelden volledig in procedures of datasets terug te vinden zijn. Neem een AI-assistent voor medewerkers van een klantendienst. Op basis van historische klantinteracties kan die heel behoorlijk voorspellen welk antwoord passend is. Een ervaren medewerker merkt echter ook wanneer de toon van een gesprek verandert, wanneer een dossier dreigt te escaleren of wanneer een klant een andere aanpak nodig heeft. Daarom loont het om medewerkers en operationele leidinggevenden vroeg bij AI-projecten te betrekken. Hun kennis kan helpen bij het bepalen van de juiste toepassing, het testen van modellen en het bijsturen ervan zodra ze in de praktijk worden gebruikt.
Begin bij het probleem
Een tweede valkuil is vertrekken vanuit de mogelijkheden van AI. Voor organisaties is deze vraag nuttiger: welk probleem willen we oplossen? Waar verliezen medewerkers vandaag onnodig tijd? Waar lopen klanten vast? Welke processen veroorzaken fouten of frustratie? Waar kan betere informatie medewerkers helpen om sneller of beter te beslissen?
Onderzoek van Deloitte naar generatieve AI laat zien dat organisaties die veel waarde uit AI halen, de technologie vaker koppelen aan de transformatie van hun bedrijfsprocessen. Dat vraagt eerst inzicht in die processen en pas daarna een keuze voor de technologie die daarbij kan helpen. Dat klinkt vanzelfsprekend, maar in de AI-race wordt die volgorde gemakkelijk omgedraaid.
AI is ook een veranderingsvraagstuk
Ook na de keuze van een goede toepassing ligt er nog veel werk op de plank. Medewerkers moeten begrijpen waarom de technologie wordt ingevoerd, ermee leren werken en ervaren dat ze hun werk daadwerkelijk ondersteunt. Daarom mag de verantwoordelijkheid voor AI niet uitsluitend bij technologie- of datateams liggen. Ook operationele leidinggevenden, HR en medewerkers die dagelijks met de processen werken, hebben een rol.
Dat geldt ook voor het eigenaarschap van een AI-project. Wanneer strategie, ontwikkeling, implementatie en adoptie bij verschillende partijen terechtkomen, dreigt onderweg kennis verloren te gaan. Duidelijke verantwoordelijkheid over het volledige traject helpt om de oorspronkelijke bedrijfsdoelstellingen in beeld te houden.
Bij CCI Global werken technologiespecialisten daarom samen met operationele leiders die ervaring hebben met grootschalige front-, middle- en backofficeomgevingen in verschillende internationale markten. Die combinatie moet ervoor zorgen dat technologische keuzes aansluiten bij de omgeving waarin ze uiteindelijk gebruikt worden.
Menselijke expertise blijft nodig
PwC schat dat AI tegen 2030 tot 15,7 biljoen dollar kan bijdragen aan de wereldeconomie. Hoeveel van die potentiële waarde organisaties daadwerkelijk realiseren, zal voor een belangrijk deel afhangen van hun vermogen om AI goed te integreren in hun werking. AI kan routinetaken overnemen, grote hoeveelheden informatie verwerken, patronen herkennen en medewerkers ondersteunen bij beslissingen. Maar om te bepalen waar dat zinvol is, blijft kennis van klanten, processen en de dagelijkse werkpraktijk essentieel.
===
Over de auteur: Pratap Rao is SVP Client Solutions en Head of Digital & AI bij CCI Global. Hij werkt rond digitale transformatie en de toepassing van AI binnen operationele omgevingen.
Bronnen: McKinsey, Global Survey on AI (2025); Gartner, onderzoek naar AI-projecten; RAND Corporation, Why AI Projects Fail; PwC, Sizing the Prize; Deloitte, State of Generative AI in the Enterprise; MIT Sloan Management Review, onderzoek naar digitale transformatie.
