Waarom mislukken de meeste AI-projecten in het MKB?
Kort antwoord: het ligt niet aan de AI. Het ligt aan waar u hem zet. De meeste bedrijven plakken een chatbot of copilot bovenóp de bestaande organisatie, met dezelfde rommelige data en dezelfde handmatige processen eronder. Zo'n copilot kan zeker helpen, een handige assistent, een paar snelle winsten. Maar het zet uw organisatie niet klaar. De AI werkt dan precies zo goed als de chaos waar hij op draait.
MIT NANDA, The GenAI Divide, 2025
van de AI-pilots in bedrijven levert geen meetbaar resultaat op de winst-en-verliesrekening.
Maar 5% haalt er echte omzet uit. De rest blijft hangen in een pilot die nergens heen gaat.
En het is niet zo dat niemand het probeert. McKinsey meet dat 88% van de bedrijven inmiddels AI gebruikt, maar slechts 6% er een serieuze winstimpact uit haalt. Iedereen heeft de tools. Bijna niemand heeft het resultaat.
De Struon-these in één zin: de échte AI-transformatie bouwt de organisatie opnieuw, niet eroverheen. Opgeplakte AI op een oude organisatie geeft u een dure pilot. AI ingebouwd in een herbouwde organisatie geeft u een gestroomlijnd bedrijf. Dat verschil is het hele verhaal, en de rest van dit stuk laat zien waar het zit.
Het echte probleem: opgeplakte AI op een oude organisatie
Neem een transportbedrijf. De planning zit in het ene systeem, de boekhouding in het andere, de orders komen binnen via e-mail en worden met de hand overgetypt. Nu plakt u daar een AI-copilot bovenop. Wat krijgt u? Een slimme assistent die netjes meedoet aan dezelfde chaos. De data is half-juist, de processen blijven handmatig, en de AI kan op z'n best iets sneller iets aanreiken dat daarna alsnog door drie systemen heen moet.
Dat is opgeplakte AI. Bolt-on AI. Voor een paar snelle winsten is er niets mis mee, en als handige assistent doet hij zijn werk. Maar u legt intelligentie bovenop een organisatie die er niet voor gebouwd is, en daarom loopt het vast zodra u er echt resultaat uit wilt halen.
S&P Global Market Intelligence zag dit in 2025 hard terugkomen: 42% van de bedrijven liet de meeste AI-initiatieven dat jaar vallen, tegen 17% een jaar eerder. Gemiddeld haalde een organisatie 46% van haar proof-of-concepts niet eens tot productie. Niet omdat de AI niet werkte, maar omdat hij nergens op kon landen.
Opgeplakte AI kan prima werken als slimme assistent. Het schiet alleen tekort als hefboom voor uw hele organisatie, want u legt intelligentie bovenop chaos en verwacht dat het de chaos oplost.
De grootste denkfout in het MKB op dit moment: AI behandelen als een tool die u aanzet, in plaats van als een transformatie die u doorvoert. Een tool verandert niets aan uw organisatie. Een transformatie verandert de organisatie zelf.
De échte hefboom is data en proces, niet het model
Hier wordt het concreet. De meeste mensen denken dat een beter AI-model het verschil maakt. Dat is het deel dat het minst uitmaakt. Het model is een commodity geworden, iedereen kan bij dezelfde modellen.
Wat het verschil maakt zit eronder: of uw data op orde is, en of uw processen opnieuw zijn ontworpen rond wat AI wél goed kan. McKinsey is daar in 2025 heel scherp over: de sterkste voorspeller van winstimpact is het fundamenteel herontwerpen van workflows. Niet meer modellen, niet meer tools. Het opnieuw inrichten van hoe het werk loopt. Bedrijven die transformeren zijn 3,6x vaker bezig met die diepe verandering dan bedrijven die alleen pilots draaien.
Vertaald naar uw bedrijf betekent dat het volgende. Een offerte die nu door vier handen en drie systemen gaat, gaat u niet "met AI versnellen" terwijl die vier handen blijven bestaan. U herbouwt het proces zodat de offerte in één stroom ontstaat, met AI op de plekken waar hij écht werk overneemt, op data die klopt. Pas dán schakelt de organisatie sneller en kost het ook minder.
Dat is ook waarom Nederlandse MKB-bedrijven extra opletten op het moment kiezen. CBS meet dat in 2025 29,8% van het midden- en kleinbedrijf AI gebruikte, tegen 66,2% bij de grote bedrijven. Het MKB loopt achter, en de bedrijven die nu de transformatie goed aanpakken bouwen een voorsprong op terwijl de buurman nog een copilot uitprobeert die over een half jaar stilvalt.
Wat "echte AI-transformatie" er in de praktijk uitziet
Niet als een tool die u aanzet. Als een methode die u doorloopt. Bij Struon heet die methode Shadow Rebuild: u herbouwt de back-office als eigen software plus AI-agents, terwijl het oude systeem blijft draaien (de shadow), en u zet pas over als de nieuwe versie bewezen beter is. Geen big-bang, geen risico op stilstand.
- Diagnose. Waar zit het dubbele werk, en wat kost het per jaar.
- Kennisextractie. Vastleggen hoe het werk nu echt loopt, inclusief wat in hoofden zit.
- Herbouw. Eigen software plus AI-agents, op data die is opgeschoond.
- Schaduw-cutover. Het nieuwe draait naast het oude tot het bewezen beter is.
- Run. Het oude systeem gaat eruit.
Het resultaat heet Gestroomlijnd: een organisatie die rustiger en sneller draait, met 30 tot 50% minder kosten in de back-office. De kostenbesparing is niet het doel dat u nastreeft, het is het gevolg van een organisatie die niet meer vier keer hetzelfde overtypt.
Opgeplakte AI vs échte AI-transformatie
Het verschil op de assen die er in de praktijk toe doen:
| Dimensie | Opgeplakte AI (copilot erbovenop) | Échte AI-transformatie (Shadow Rebuild) |
|---|---|---|
| Waar de AI zit | Bovenop de bestaande organisatie, als laagje | Ingebouwd in een herbouwd proces, in het fundament |
| Data | De oude, rommelige data blijft zoals hij was | Data wordt eerst opgeschoond en geherstructureerd |
| Proces | Handmatige stappen blijven, AI doet er één sneller | Het proces wordt opnieuw ontworpen rond wat AI kan |
| Risico | Pilot stalt, 95% haalt geen P&L-resultaat | Schaduw-cutover: oude versie draait door tot de nieuwe bewezen beter is |
| Kosten | Extra licentie bovenop de bestaande stack | 30-50% uit de back-office, omdat dubbel werk verdwijnt |
| Resultaat | Een dure pilot, weinig meetbaar | Een gestroomlijnde organisatie die sneller schakelt |
| Wie is eigenaar | De softwareleverancier (nieuwe afhankelijkheid) | Het bedrijf zelf, los van half-gebruikte SaaS |
De korte versie van die tabel: opgeplakte AI maakt uw oude organisatie iets sneller en duurder. Échte transformatie maakt uw organisatie opnieuw.
Dit is ook waarom een copilot-abonnement niet uw concurrentievoordeel wordt: uw concurrent kan precies hetzelfde abonnement nemen. Wat hij niet zomaar kopieert is een back-office die opnieuw is gebouwd rond uw werk.
Het ligt niet aan de AI, het ligt aan waar u hem zet
De 95% die faalt heeft niet de verkeerde tools gekozen. Ze hebben de juiste tools op de verkeerde plek gezet: bovenop een organisatie die nog draait op overtypen en losse systemen. De 5% die wél resultaat haalt heeft het werk eronder opnieuw gebouwd. Dat is het hele verschil, en het is ook precies de keuze die nu open ligt voor elk MKB-bedrijf dat verder wil dan een pilot.
In een vrijblijvende call kijken we samen waar in uw organisatie de échte hefboom zit, voordat er ergens een tool op geplakt wordt. We brengen in kaart waar het dubbele werk en de stille kosten zitten, en wat een Cost-Stack X-ray daar concreet in euro's tegenover zet. Geen verplichting, gewoon een eerlijk beeld van waar u staat.
De kern
95% van de AI-pilots faalt niet door de AI, maar doordat 'ie bovenop een oude organisatie wordt geplakt. Échte transformatie herbouwt de organisatie eronder.
Veelgestelde vragen
Waarom mislukken AI-projecten in het MKB?
Omdat de AI bovenop een organisatie wordt geplakt die er niet voor is ingericht: rommelige data, handmatige processen, losse systemen. Het MIT NANDA-onderzoek (2025) vond dat 95% van de pilots geen meetbaar resultaat op de winst oplevert. De oorzaak is structureel, niet technisch. De AI werkt alleen zo goed als het fundament eronder.
Wat is het verschil tussen echte AI-transformatie en AI-tools erbovenop?
AI-tools erbovenop (opgeplakte AI) laten uw organisatie zoals hij is en leggen er intelligentie bovenop. Échte AI-transformatie herbouwt de organisatie zelf: data, processen en software opnieuw, met AI in het fundament. Het eerste geeft u een pilot, het tweede een gestroomlijnd bedrijf. McKinsey (2025) noemt het herontwerpen van workflows de sterkste voorspeller van winstimpact.
Is AI alleen voor grote bedrijven?
Nee, maar grote bedrijven lopen wel voor. CBS (2025) meet 66,2% AI-gebruik bij grote bedrijven tegen 29,8% in het MKB. Juist die achterstand maakt het moment relevant: het MKB dat nu de transformatie goed aanpakt bouwt voorsprong op terwijl de meeste concurrenten nog tools uitproberen.
Ligt het aan het AI-model dat projecten falen?
Bijna nooit. Het model is een commodity, iedereen kan bij dezelfde modellen. De hefboom zit in data en proces. Bedrijven die hun workflows fundamenteel herontwerpen zijn volgens McKinsey 3,6x vaker degenen die er echt winst uit halen.
Wat is een AI-transformatie precies?
De échte AI-transformatie is het opnieuw bouwen van de organisatie met AI in het fundament, niet het toevoegen van AI-tools aan de bestaande organisatie. Bij Struon gebeurt dat via Shadow Rebuild: diagnose, kennis extraheren, herbouwen als eigen software plus agents, schaduw-cutover, draaien. De uitkomst is een gestroomlijnde organisatie met 30-50% minder back-office-kosten.