AI-projecten leveren lang niet altijd op wat bedrijven ervan verwachtten. Roel Verbeeck, CEO van het Mechelense softwarebedrijf Ixor, distilleerde uit zijn praktijkervaring drie concrete lessen die bedrijven kunnen helpen werkelijk profijt te hebben van AI-investeringen.
95 procent van de AI-projecten mislukt of levert niet het gewenste resultaat. Roel Verbeeck, CEO van Ixor, herkent het patroon. Zijn Mechelse bedrijf werkt al meer dan twintig jaar aan digitale innovatie en heeft de voorbije jaren een duidelijk beeld gevormd van hoe AI-projecten slagen of stranden. Een gebrek aan pragmatisme en een te nauwe focus op de technologie in plaats van op het bedrijfsproces, zijn veelgehoorde problemen.
Bij Ixor kiezen ze bewust voor een andere aanpak. Samen met klanten worden zogenaamde ‘brownpaper sessies’ georganiseerd: letterlijk kaartjes plakken op de muur om het volledige proces in kaart te brengen. Wie geeft het werk door aan wie? Hoe verloopt de rapportage? Pas als die keten volledig zichtbaar is, wordt beslist waar AI een rol kan spelen. Die voorbereiding vormt de basis van drie lessen die Verbeeck deelt voor bedrijven die tot de vijf procent succesverhalen willen horen.
Les 1: Verbeter het volledige proces, niet een losse stap
De meest gemaakte fout is AI inzetten op één punt in een werkproces, zonder het hele plaatje te bekijken. Verbeeck pleit voor een end-to-end aanpak. Als voorbeeld neemt hij een bouwbedrijf: van de ontvangst van een bestek, over de voorbereiding van een werkorder, tot het rapport op de werf. In die volledige keten kan AI optreden als ‘procesbewaker’: een agent die bewaakt of elke stap correct is doorlopen. Is de werkorder verstuurd? Is het rapport ingevuld zoals verwacht? Zo worden kleine fouten in het proces vermeden zonder dat elke medewerker met AI in aanraking hoeft te komen.
Ixor paste dit toe bij bouwbedrijf Benotec, waar AI-agents de werfvoorbereiding en -opvolging ondersteunen. Voor de implementatie kwam het erop neer dat het bestaande proces stapsgewijs in kaart werd gebracht. Vervolgens bepaalde Ixor op welke onderdelen AI echt een meerwaarde kon bieden. AI binnenpompen in het volledige proces, zou een heel ander en minder gunstig resultaat hebben opgeleverd.
Volgens de AI-Barometer 2025 van VLAIO gebruikt 58,8 procent van de Vlaamse bedrijven al minstens één AI-technologie. Gebruik is één zaak, maar de strategische verankering en opschaling blijven beperkt onder Vlaamse bedrijven. Precies die verankering begint bij een grondige procesanalyse.
Les 2: Integreer AI in de tools die mensen al gebruiken
De tweede les klinkt eenvoudig, maar wordt regelmatig over het hoofd gezien: AI slaagt alleen als het naadloos aansluit bij de systemen waar medewerkers al dagelijks mee werken. Een werfleider die dagelijks WhatsApp gebruikt, gaat het veel lastiger vinden een nieuwe app gewoon te worden.
De AI-agent communiceert daarom het beste via het kanaal dat werknemers kennen. Ixor maakt daarvoor geen gebruik van kant-en-klare tools zoals Microsoft Copilot, maar bouwt agents die bestaande communicatiekanalen inzetten. Op kantoor is dat Microsoft Teams of SharePoint. “Als mensen nog iets anders moeten installeren, dan is dat al reden genoeg om te mislukken”, stelt Verbeeck.
Die integratie gaat verder dan gebruiksgemak. Medewerkers die de technologie niet bewust hoeven te gebruiken, ervaren minder weerstand. Bij Benotec werkt dit als volgt: de projectmanager laadt de offerte op, beantwoordt wat vragen via de interface en AI zorgt achterliggend voor structuur en opvolging van het werkorder.
Les 3: Vraag feedback en reageer er onmiddellijk op
De derde les is tegelijk de meest onderschatte. Als een AI-agent een fout maakt, dan willen medewerkers zien dat hun feedback effect heeft. Verbeeck legt het concreet uit: bij Benotec kunnen werfleiders feedback geven via een eenvoudige tekstinvoer, zoals “Feedback: isolatie altijd aan de buitenkant”. Achterliggend verwerkt Ixor die input en past het de werkorders of verslagen aan.
Maar de timing is cruciaal. “Als we de feedback niet binnen een dag of twee verwerken, krijgen we na een week geen feedback meer”, zegt Verbeeck. Dat verlies aan input is onomkeerbaar: de betrokkenheid verdwijnt, en met haar de kans om het systeem te verbeteren. In het begin cureren de Ixor-medewerkers de feedback nog grotendeels manueel, net om te voorkomen dat het systeem hallucineert of inconsistente instructies volgt. Na verloop van tijd neemt een geautomatiseerde loop een deel van dat werk over, maar de eerste maanden vraagt het om actieve opvolging.
Die drie lessen, procesdekking, toolintegratie en snelle feedbackverwerking, vormen de kern van elk succesvol AI-project dat Ixor heeft uitgevoerd. Verbeeck ziet 2026 als het jaar waarin experimenten plaatsmaken voor echte implementaties. Voor Ixor komen er dit jaar dus voldoende mogelijkheden om bedrijven te helpen. Verbeeck stelt: “Grote spelers beginnen nu pas de stap te zetten van verkennen naar bouwen. Dan moeten de fundamenten kloppen.”