De AI Force: wat maakt het dat sommige pilots wél opschalen

Arjan Nataraj, 6 oktober 2026

Hoe je AI-kennis in de organisatie houdt, ook nadat de pilot is afgerond

In gesprekken met opdrachtgevers komt AI natuurlijk steeds vaker ter sprake. Er is meestal al iets geprobeerd: een tool aangeschaft, een chatbot getest, een innovatieteam aan het werk gezet. Soms loopt het mooi, soms minder, maar de vraag die uiteindelijk altijd terugkomt is dezelfde. Hoe komen we van losse experimenten naar AI-toepassingen die structureel iets veranderen in ons werk?

Die vraag is moeilijker dan hij lijkt. De technologie schiet in de meeste gevallen namelijk niet tekort. De moeilijkheid zit ergens anders: wie AI als een op zichzelf staand thema behandelt, mist het grotere beeld waar AI eigenlijk deel van uitmaakt.

AI als nieuwe laag in een lopende digitale transformatie

Voor veel organisaties komt AI niet in een leeg landschap binnen. Er is de afgelopen jaren al veel veranderd. ERP-systemen zijn vernieuwd, samenwerkingsplatforms zoals MS365 zijn uitgerold, datagedreven werken is in opkomst en processen zijn opnieuw ingericht. Elke verandering vroeg om grip op het verandersucces, op wat er anders zou worden in het werk en op hoe de mensen die het werk doen zouden meebewegen.

Wat AI daarbinnen bijzonder maakt, is dat het direct ingrijpt op besluitvorming, op (toegang tot) kennis en op de manier waarop mensen hun werk doen. Veel meer dan eerdere technologie deed. Daardoor brengt AI scherper de vraag mee die in elke digitale transformatie speelt: houden we grip op deze verandering, of laten we hem gebeuren?

Waar AI-implementaties meestal vastlopen

Wat we in de praktijk zien, is dat AI-trajecten op een vast punt vastlopen. Namelijk daar waar het experiment de organisatie in moet. Een pilot werkt, de eerste resultaten zijn er, maar het opschalen naar dagelijks gebruik in een afdeling komt nauwelijks van de grond.

Daar zijn een paar redenen voor.

De pilot is vaak ontwikkeld door een team dat losstaat van de afdeling waar de oplossing uiteindelijk moet werken.

De keuzes die in de pilot zijn gemaakt, sluiten daardoor niet altijd aan op hoe het werk in de praktijk verloopt.

Daarnaast wordt AI vaak gepositioneerd als iets aparts, een innovatie-onderwerp dat een eigen plek krijgt in de organisatie, terwijl het pas echt waarde oplevert zodra het onderdeel wordt van het bestaande werk.

En misschien wel het belangrijkst: de kennis die in de pilot is opgebouwd, blijft vaak bij een kleine groep, soms zelfs bij externe partijen zoals consultant. Zodra die mensen wegvallen, valt het experiment stil. De volgende AI-vraag start dan weer helemaal opnieuw, zonder wat er eerder al is geleerd.

Dat is hetzelfde patroon dat we bij andere digitale transformaties zien wanneer de grip ontbreekt. Een ERP-implementatie die de eindstreep haalt maar geen blauwdruk nalaat voor de volgende migratie. Een MS365-migratie die technisch is afgerond maar waar mensen hun oude werkwijze hebben meegenomen naar het nieuwe systeem. En nu AI-pilots die los blijven staan van het werk dat ze hadden moeten verbeteren.

Wat grip op verandering hier concreet betekent

Bij Mixit werken we vanuit het idee dat grip op verandering ontstaat door drie dingen in samenhang te organiseren.

Succes definiëren en continu meten.

Een passende oplossing kiezen.

En mensen ondersteunen in de verandering.

Bij AI vertaalt zich dat als volgt. Succes gaat verder dan een werkende AI-toepassing: de echte vraag is of de organisatie zelf beter wordt in het herkennen en realiseren van kansen voor AI. Een passende oplossing komt voort uit een knelpunt of kans in het werk. De tool volgt daarna, nooit andersom. En de mensen die ermee gaan werken, krijgen meer dan een eenmalige training. Ze bouwen de vaardigheden op om het volgende AI-vraagstuk op basis van een blauwdruk aan te pakken.

Die drie elementen samen bepalen of een AI-implementatie blijft hangen in een pilot of doorgroeit tot een onderdeel van hoe de organisatie werkt.

In ons volgende artikel delen we hoe je een intern AI Force-team bouwt, als drager van verandering.

Van AI-pilot naar blijvende verandering?