Van AI-pilot naar dagelijks gebruik. Heb je de basis op orde?

Veel AI-trajecten beginnen bij de zichtbare kant. Een model, chatbot of agent wordt gekozen en een team start een pilot. Pas daarna blijkt dat de data niet vindbaar, actueel of eenduidig zijn. Een krachtiger model maakt die bronnen niet vanzelf compleet of betrouwbaar.

Het Data and AI Trust Gap Report 2026 van Veeam laat zien hoe groot die uitdaging is. Slechts 7 procent van de onderzochte organisaties voldoet aan Veeams criteria voor AI-readiness. Zij hebben ambitie, zicht op data en governance tegelijk op orde. Tegelijk zegt 95 procent dat dataproblemen de voortgang met AI in het afgelopen jaar hebben vertraagd.

Een pilot met zorgvuldig geselecteerde documenten kan goed werken. Bij dagelijks gebruik komen daar verschillende versies, toegangsrechten en uitzonderingen bij. Juist dan blijkt of de organisatie klaar is om de toepassing breder in te zetten.

Vier blokkades vóór het model

De eerste blokkade is dat organisaties niet volledig weten welke data ze hebben en waar die staan. Informatie is verspreid over SharePoint, Exchange, fileshares, applicaties en persoonlijke mappen. Denk aan een serviceassistent die de algemene handleiding vindt, maar de afwijkende klantafspraken in het CRM mist. Het antwoord kan technisch kloppen en toch onbruikbaar zijn voor die klant. Bepaal daarom per taak welke bronnen samen nodig zijn om een volledig antwoord te geven.

De tweede blokkade is kwaliteit. Dubbele documenten, verouderde versies en tegenstrijdige registraties verdwijnen niet door AI. Een offerteassistent die een oude prijslijst gebruikt, kan dezelfde fout in meerdere offertes herhalen voordat iemand ingrijpt. Datakwaliteit vraagt daarom om eigenaarschap. Wie bepaalt welke prijslijst leidend is? Wie verwerkt wijzigingen? En hoe zorg je dat vervallen informatie buiten de gebruikte bronnen blijft? Die afspraken bepalen mede hoe betrouwbaar de uitkomst wordt.

De derde blokkade is toegang. Een medewerker heeft niet automatisch recht op alle informatie die technisch beschikbaar is. Hetzelfde geldt voor een AI-assistent of agent. Staat een map met beoordelingsgesprekken te breed gedeeld, dan kan een AI-assistent die informatie gemakkelijker vindbaar maken voor medewerkers die al toegang hadden. Het overnemen van bestaande rechten lost te ruime toegang dus niet op. Controleer vóór het koppelen of die rechten nog passen bij iemands functie.

Bij een agent die ook gegevens mag wijzigen, komt daar een vraag bij. Welke handelingen mag hij zelfstandig uitvoeren en wanneer moet een medewerker akkoord geven?

De vierde blokkade is het ontbreken van een meetbaar procesdoel. Een chatbot die binnen seconden een samenvatting maakt, bewijst nog niet dat medewerkers tijd besparen. Hoeveel tijd kost het om die samenvatting te controleren en te corrigeren? Kies daarom een taak met een duidelijke eigenaar en een nulmeting. Meet bijvoorbeeld de totale afhandeltijd van een servicedeskticket, inclusief controle en herstelwerk. Zo wordt zichtbaar of AI het proces daadwerkelijk verbetert.

Een praktische start

Breng eerst één proces en de bijbehorende data in kaart. Welke bronnen zijn nodig? Wie houdt ze actueel? Welke informatie is gevoelig? Welke rechten gelden? En welk resultaat wil je binnen de pilot meten?

Maak dat proces beheersbaar en test met echte praktijksituaties, inclusief uitzonderingen en verschillende gebruikersrechten. Zo toets je of de toepassing bruikbaar is in het dagelijkse werk.

Met de AI Readiness Scan van Comex krijg je in vier minuten een eerste beeld van het datafundament, de controle, de menselijke toepassing en de meetbaarheid van waarde binnen jouw organisatie.