AI-systemen, die bedrijven moesten beschermen tegen stilstand, veroorzaken nu zelf nieuwe en kostbare storingen. Uit recent onderzoek van Splunk blijkt dat AI-gerelateerde uitval een groeiend probleem is waar ook middelgrote bedrijven rekening mee moeten houden.

Wat er aan de hand is

Volgens een rapport van Splunk, een specialist in data-analyse en IT-monitoring, worden AI-systemen steeds vaker de bron van operationele storingen in plaats van de oplossing. Het onderzoek, waarvan de exacte cijfers niet in de openbare samenvatting staan, wijst op een trend: naarmate bedrijven meer vertrouwen op AI voor kritieke processen, neemt ook de kans op AI-gerelateerde uitval toe. Dit kan variëren van een vastgelopen chatbot tot een volledig haperend aanbevelingssysteem dat de verkoop stillegt. De kern van het probleem is dat AI-modellen onvoorspelbaar kunnen reageren op onverwachte input, wat leidt tot systeemfouten die traditionele monitoring niet altijd opvangt.

Wat dit betekent

Voor ondernemers in het MKB betekent dit dat de belofte van AI als ‘altijd-werkende’ oplossing niet zonder risico is. Waar je voorheen alleen rekening hield met serverstoringen of internetuitval, komt daar nu een nieuwe categorie bij: storingen die direct uit de AI-laag van je systemen komen. Dit kan gevolgen hebben voor klantenservice, orderverwerking, voorraadbeheer of marketingautomatisering. De impact is niet alleen technisch, maar ook financieel: een half uur durende storing in een AI-gestuurd verkoopsysteem kan honderden euro’s aan gemiste omzet kosten, afhankelijk van je bedrijfsomvang. Het rapport van Splunk benadrukt dat bedrijven hun risicobeheer moeten aanpassen aan deze nieuwe realiteit.

Hoe je dit kunt toepassen

Als je een webshop runt met AI-gestuurde productaanbevelingen, overweeg dan om een handmatige fallback in te bouwen. Als het AI-systeem uitvalt, kun je tijdelijk overschakelen op een vaste set bestsellers of categoriepagina’s. Een mogelijkheid is om een eenvoudig script te laten draaien dat dagelijks een back-uplijst met populaire producten genereert, zodat je niet volledig afhankelijk bent van realtime AI-berekeningen.

Als je een team aanstuurt dat werkt met AI-tools voor content of data-analyse, zou je kunnen afspreken dat kritieke taken altijd een menselijke controle krijgen. Een optie is om een ‘AI-storingsprotocol’ op te stellen: een korte checklist met wat je doet als een AI-tool onverwacht rare output geeft of helemaal niet reageert. Denk aan het tijdelijk overschakelen op handmatige processen of het raadplegen van een back-updocument.

Als je in de logistiek of voorraadbeheer werkt met AI-voorspellingen, is het verstandig om je traditionele voorraadberekeningen naast de AI-uitkomsten te blijven gebruiken. Een mogelijkheid is om wekelijks een eenvoudige spreadsheet met historische verkoopdata bij te werken, zodat je bij een AI-storing niet blind vaart. Overweeg om een melding in te stellen die je waarschuwt als de AI-voorspelling meer dan 20 procent afwijkt van de handmatige berekening.

Als je AI gebruikt voor klantenservice, zoals chatbots, zou je een noodscenario kunnen testen waarin de chatbot uitvalt en klanten direct worden doorgeschakeld naar een medewerker of een eenvoudig contactformulier. Een optie is om dit één keer per maand te oefenen met je team, zodat iedereen weet wat te doen. Het gaat erom dat je niet pas tijdens een echte storing ontdekt dat je geen plan hebt.

De praktische toepassing hangt af van jouw situatie, maar de kern is: bouw altijd een back-up in voor processen die afhankelijk zijn van AI, en test die back-up regelmatig.

Bron: Fastcompany (URL)