AI-systemen veroorzaken steeds vaker storingen die bedrijven geld kosten. Uit nieuw onderzoek van Splunk blijkt dat AI niet alleen helpt om uitval te voorkomen, maar zelf een bron van nieuwe, kostbare operationele problemen wordt.

Wat er aan de hand is

Onderzoek van Splunk, een bedrijf gespecialiseerd in data-analyse voor IT-operations, laat zien dat AI-systemen zelf steeds vaker de oorzaak zijn van uitval. Waar AI oorspronkelijk werd ingezet om storingen te voorspellen en te voorkomen, creëert het nu nieuwe risico’s. Denk aan foutieve beslissingen van AI-modellen, onverwachte stroompieken door rekenkracht, of afhankelijkheden van externe AI-diensten die tijdelijk niet beschikbaar zijn. Het onderzoek signaleert een verschuiving: bedrijven moeten niet alleen nadenken over hoe AI hen helpt, maar ook over wat er gebeurt als AI zelf hapert.

Wat dit betekent

Voor MKB’ers betekent dit dat de belofte van AI – meer efficiëntie, minder handwerk – een keerzijde heeft. Als je een AI-tool gebruikt voor klantenservice, voorraadbeheer of marketing, loop je het risico dat die tool onverwacht uitvalt of verkeerde output geeft. Dat kan directe gevolgen hebben: gemiste bestellingen, verkeerde prijzen op je website, of klanten die geen antwoord krijgen. Voor een klein bedrijf met beperkte IT-ondersteuning is het lastig om dit soort problemen snel op te lossen. Het onderzoek van Splunk benadrukt dat de impact van AI-uitval groter is dan veel ondernemers denken, omdat de systemen vaak diep in de bedrijfsprocessen zijn geïntegreerd.

Hoe je dit kunt toepassen

Als je een webshop runt met AI-gestuurde prijsaanpassingen, overweeg om een vaste vangnetprijs in te stellen. Stel dat je AI-tool tijdelijk geen data ontvangt of een fout maakt, dan kan die terugvallen op een vooraf bepaalde prijs. Je zou kunnen afspreken dat de AI alleen prijzen aanpast binnen een bandbreedte van bijvoorbeeld 10 procent. Zo voorkom je dat een storing leidt tot extreem lage of hoge prijzen op je site.

Als je een team aanstuurt dat afhankelijk is van AI-tools voor planning of rapportages, is het verstandig om een handmatige back-upprocedure te hebben. Bespreek met je team wat ze moeten doen als de AI-planner uitvalt. Een optie is om wekelijks een eenvoudige Excel-export te maken van de belangrijkste planningen, zodat je die tijdelijk kunt raadplegen. Dit kost weinig tijd, maar voorkomt dat een storing je hele dag lamlegt.

Als je AI gebruikt voor klantenservice, zoals chatbots, kun je een eenvoudige fallback instellen. Zorg dat de chatbot bij een storing automatisch een standaardbericht stuurt met een telefoonnummer of e-mailadres waar klanten terechtkunnen. Je zou ook kunnen overwegen om de chatbot alleen in te zetten voor eenvoudige vragen en complexe zaken direct door te verwijzen naar een medewerker. Zo beperk je de impact van een eventuele fout.

Als je AI inzet voor voorraadbeheer, is het verstandig om regelmatig een handmatige steekproef te doen. Vertrouw niet blind op de AI, maar controleer bijvoorbeeld één keer per week of de voorraadstanden kloppen. Een mogelijkheid is om een eenvoudige drempelwaarde in te stellen: als de AI aangeeft dat een product bijna op is, krijg je een melding en kun je zelf beslissen of je bijbestelt. Dit voorkomt dat een foutieve AI-voorspelling leidt tot lege schappen of overvolle magazijnen.

Bron: Fastcompany