Het antwoord: AI inzetten zonder meetbaar resultaat is een dure hobby. Volgens een analyse van Fastcompany zijn veel bedrijven bezig met ‘trofee-AI’: ze adopteren kunstmatige intelligentie om het feit van adoptie zelf, zonder dat het bijdraagt aan concrete bedrijfsdoelen.

Wat er aan de hand is

Fastcompany waarschuwt voor een patroon dat zij ‘trophy-style AI adoption’ noemen. Bedrijven vieren dat ze AI gebruiken, maar verwarren activiteit met impact. Het gaat om situaties waarin een organisatie een AI-tool aanschaft, medewerkers er enthousiast mee experimenteren, maar niemand kan aangeven wat het heeft opgeleverd in termen van omzet, kostenbesparing of tijdwinst. De auteur stelt dat dit gedrag voortkomt uit een combinatie van FOMO (fear of missing out) en onduidelijke verantwoordelijkheid. In plaats van te vragen ‘wat levert dit op?’, vragen teams alleen ‘doen we dit al?’. Het nieuwsfeit is niet een specifieke aankondiging, maar een signaal uit de praktijk: de AI-hype begint een meetbaarheidsprobleem te krijgen.

Wat dit betekent

Voor ondernemers en professionals in het MKB betekent dit dat de valkuil van schijngebruik dichtbij ligt. Grotere bedrijven kunnen zich een AI-trofee veroorloven omdat ze budget over hebben. In het MKB is elke euro direct voelbaar in de marge. Als jij een AI-tool inzet voor klantenservice, contentproductie of data-analyse, maar niet kunt zeggen of je klanttevredenheid is gestegen, je productietijd is gedaald of je foutmarge is verkleind, dan ben je waarschijnlijk bezig met trofee-AI. Het gevolg is niet alleen verspild geld, maar ook een vertekend beeld van je concurrentiepositie. Je denkt dat je voorloopt, terwijl je eigenlijk stilstaat.

Hoe je dit kunt toepassen

Als je een webshop runt en AI gebruikt voor productbeschrijvingen, dan is een mogelijke aanpak om niet alleen te meten hoeveel beschrijvingen er per dag worden gegenereerd, maar ook of de conversie op die productpagina’s omhoog is gegaan. Je zou kunnen overwegen om een A/B-test op te zetten: de ene helft van de nieuwe producten schrijf je met AI, de andere helft handmatig of met een oude methode. Na twee weken vergelijk je de verkoopcijfers. Als de AI-pagina’s niet beter presteren, is het tijd om de tool of de prompt aan te passen.

Als je een team aanstuurt dat AI gebruikt voor interne rapportages, dan is het zinvol om een eenvoudige KPI te definiëren voordat je de tool uitrolt. Een optie is: ‘de tijd die nodig is om een weekrapport te maken daalt met 30 procent binnen een maand’. Meet de starttijd voordat je AI introduceert, en meet na een maand opnieuw. Als de tijd niet daalt, gebruik je de tool verkeerd of is hij niet geschikt voor jullie processen. Overweeg om een teamlid de verantwoordelijkheid te geven voor deze meting, niet voor het gebruik zelf.

Als je in de zorg of dienstverlening werkt en AI inzet voor het samenvatten van klantgesprekken, dan kun je een kwaliteits-KPI toevoegen. Bijvoorbeeld: ‘het aantal terugbelverzoeken vanwege onduidelijke samenvattingen daalt met de helft’. Vraag een paar medewerkers om steekproefsgewijs de AI-samenvattingen te controleren en te scoren op volledigheid. Als de score onder de 80 procent blijft, is de tool nog niet rijp voor gebruik. Het gaat er niet om of de samenvattingen er mooi uitzien, maar of ze het werk beter maken.

Als je een marketingbureau runt en AI gebruikt voor social media posts, dan is een concrete stap om per campagne vast te leggen welk deel van de content door AI is gegenereerd en welk deel handmatig. Vergelijk vervolgens de engagementratio’s. Je zou kunnen ontdekken dat AI-content wel snel gaat, maar minder oplevert. In dat geval kun je AI inzetten voor de bulk en handmatige optimalisatie voor de belangrijke posts. De les is: meet wat er gebeurt, niet wat je ervan verwacht.

Bron: Fastcompany