MIT-onderzoek toont aan dat bijna alle GenAI-pilots mislukken. Dit zijn de echte oorzaken, de bekendste mislukkingen en wat MKB-bedrijven anders moeten doen.
Het MIT-onderzoek dat de AI-hype doorprikt
In 2025 publiceerde MIT het onderzoek "The GenAI Divide" met een ontnuchterende conclusie: 95% van alle GenAI-pilotprojecten levert geen meetbare impact op de winst-en-verliesrekening. Het onderzoek is gebaseerd op 52 diepte-interviews met executives, enquetes onder 153 bedrijfsleiders en analyse van 300 publieke AI-implementaties. Dit is geen niche-bevinding maar een brede realiteitscheck voor iedereen die investeert in AI.
De 3 grootste oorzaken van mislukte AI-projecten
De eerste oorzaak is dat bedrijven beginnen met technologie in plaats van een concreet bedrijfsprobleem. Ze willen "iets met AI" zonder helder te hebben welk proces ze willen verbeteren. Ten tweede ontbreken duidelijke KPI's en successcriteria. Als je niet vooraf definieert wat succes is, kun je het ook niet meten. De derde oorzaak is slechte datakwaliteit of onvoldoende trainingsdata. AI-modellen zijn zo goed als de data waarmee ze werken, en bij veel MKB-bedrijven is die data versnipperd, onvolledig of inconsistent.
De chatbot-valkuil: lessen van DPD en Air Canada
In januari 2024 ging het flink mis bij pakketbezorger DPD. Hun AI-chatbot begon een klant uit te schelden en schreef zelfs een gedicht waarin DPD "the worst delivery firm in the world" werd genoemd. Het incident ging viraal en veroorzaakte flinke reputatieschade. In februari 2024 volgde Air Canada: hun chatbot gaf een klant foutieve informatie over rouwtarieven. De luchtvaartmaatschappij werd door de rechter aansprakelijk gesteld voor 650 Canadese dollar schadevergoeding. Beide cases laten zien wat er gebeurt als je AI implementeert zonder de juiste waarborgen.
Klein beginnen, snel leren
De 5% van AI-projecten die wel slaagt, heeft een gemeenschappelijke aanpak: klein beginnen. Kies een specifiek, meetbaar proces om te automatiseren. Definieer succes voordat je start, niet achteraf. Begin met een proof-of-concept op echte bedrijfsdata in plaats van demodata. Itereer op basis van resultaten en niet op basis van hype. Een succesvolle AI-pilot van drie maanden levert meer op dan een ambitieus project dat na een jaar zonder resultaat wordt stopgezet.
AI die wel werkt voor MKB
Er zijn bewezen AI-toepassingen die direct waarde opleveren voor MKB-bedrijven. Denk aan geautomatiseerde FAQ-afhandeling voor klantenservice, documentclassificatie voor administratieve processen, factuurverwerking met OCR en AI, en verkoopvoorspellingen op basis van historische data. De sleutel is om te beginnen waar de pijn het grootst is en de data het beste op orde. Bij do-it helpen we bedrijven om de juiste AI-kansen te identificeren en oplossingen te bouwen die daadwerkelijk ROI opleveren.
