Je hebt de tool aangeschaft. Je hebt een kickoff gedaan. Misschien zelfs een externe partij ingevlogen voor een training. En drie maanden later gebruikt nog maar een handvol mensen het actief. De rest is teruggekeerd naar de oude manier van werken, en niemand vraagt er nog naar.
Herkenbaar? Je bent niet de enige. De meeste AI-projecten stranden niet doordat de technologie niet werkt. Ze stranden doordat de omgeving eromheen niet klopt: de doelen zijn vaag, het draagvlak ontbreekt, of de verwachtingen lagen van meet af aan te hoog. Bij CommonBase begeleiden we MKB-bedrijven die vastlopen in die tussenfase: na de pilot, voor de echte adoptie. We zien dezelfde patronen steeds terugkomen.
De tool is er, maar het doel niet
Het begint vaak met enthousiasme. Iemand heeft ChatGPT of Copilot uitgeprobeerd en is overtuigd. De licenties worden aangeschaft, en dan volgt de stille vraag: wat gaan we hier eigenlijk mee doen? Een tool zonder concreet doel is een investering zonder richting. Medewerkers weten niet waarvoor ze het moeten gebruiken, managers weten niet waarop ze moeten sturen, en na een paar weken ebben het enthousiasme en het gebruik weg.
Hoe je dit voorkomt: bepaal vóór de aanschaf wat je wil dat AI oplevert. Niet “efficiënter werken”, maar “offertebrieven in de helft van de tijd schrijven”. Hoe concreter het doel, hoe makkelijker je succes kunt meten.
Medewerkers zijn er niet bij betrokken
AI-adoptie wordt vaak van bovenaf besloten en van onderaf gevreesd. De directie ziet kansen, de medewerkers zien bedreigingen: wordt mijn functie overbodig? Die angst wordt zelden hardop uitgesproken, maar bepaalt wél het gedrag. Medewerkers die zich niet veilig voelen, experimenteren niet.
Hoe je dit voorkomt: betrek medewerkers vroeg. Vraag welke taken zij als tijdrovend of frustrerend ervaren en laat hen meebepalen waar AI wordt ingezet. Mensen steunen wat ze zelf mede hebben gebouwd.
Te groot beginnen
Een veelgemaakte fout: het volledige team tegelijk omschakelen. Nieuwe tools, nieuwe processen, nieuwe verwachtingen, allemaal tegelijk. De hoeveelheid verandering is te groot om te verteren. En als het misloopt, zijn de lessen diffuus: wat heeft er nu precies niet gewerkt?
Hoe je dit voorkomt: start klein en bewust. Eén team, één proces, één concrete toepassing. Meet het resultaat en gebruik dat bewijs voor de volgende stap. Gefaseerde uitrol is geen gebrek aan ambitie, maar de manier waarop adoptie werkelijk beklijft.
De techniek werkt, de gedragsverandering niet
De valkuil die de meeste directeuren verrast. De tool is geïmplementeerd, de training is gegeven, en toch verandert er weinig. Dat komt doordat AI een andere manier van werken vraagt, en mensen van nature vasthouden aan vertrouwde routines. Een training van twee uur plant een zaadje, maar verandert geen werkgewoonte. Daarvoor is herhaling nodig, ruimte om te oefenen, en een omgeving die het nieuwe gedrag beloont.
Hoe je dit voorkomt: plan opvolging in. Een check-in na twee weken, een gedeelde plek voor ervaringen, een interne ambassadeur die vragen beantwoordt. De eerste training is het begin van het veranderproces, niet het eindpunt.
Zonder interne eigenaar stopt het
AI-trajecten die slagen hebben altijd één ding gemeen: iemand in de organisatie voelt zich eigenaar. Iemand die vragen beantwoordt, successen deelt, knelpunten signaleert en het onderwerp levend houdt. Als dat ontbreekt, verslapt de aandacht snel: de externe partij is klaar, de kick-off is geweest, en het dagelijks leven neemt het over.
Hoe je dit voorkomt: wijs vanaf het begin één persoon aan als intern aanspreekpunt. Geen technisch expert nodig, wel iemand die zichtbaar is voor collega’s en de ruimte krijgt om er tijd in te steken.
Succes wordt niet gemeten
Veel AI-trajecten starten zonder nulmeting. Er is geen beeld van hoe lang iets nu kost of hoeveel tijd er verloren gaat aan taken die AI zou kunnen overnemen. Na de implementatie is er dus ook geen manier om aan te tonen wat er is veranderd. Dat is een dubbel probleem: je weet niet of het werkt, én je verliest intern draagvlak voor verdere investering.
Hoe je dit voorkomt: stel vóór de start een simpele baseline vast. Hoeveel tijd kost taak X nu per week? De cijfers hoeven niet perfect te zijn. Ze geven je een startpunt om na drie maanden iets zinnigs te kunnen zeggen.
Van mislukking naar adoptie die beklijft
De technologie is zelden het probleem. Het zijn de randvoorwaarden die bepalen of een AI-project daadwerkelijk iets verandert: een helder doel, betrokken mensen, een gefaseerde aanpak, iemand die eigenaarschap voelt, en de discipline om bij te houden wat het oplevert.
Bij CommonBase helpen we MKB-bedrijven om die randvoorwaarden op orde te krijgen, zodat AI niet blijft hangen in een pilot maar doorgroeit naar een manier van werken die blijft. Plan een gratis kennismakingsgesprek.
Of lees verder: Kosten AI-adoptie: hoeveel budget heb je nodig als MKB?
Dit artikel is onderdeel van onze complete gids: AI-adoptie in het MKB, van gereedheid tot meetbaar resultaat.