Van pilot naar productie
Waarom de meeste pilots niet landen, en wat een team moet regelen voordat iets dagelijks draait.
Van pilot naar productie is een halve dag voor het team dat een proef heeft gedaan en wil weten waarom die niet blijft. Het team leert de vier redenen waarom pilots stranden, bepaalt wat een pilot moet bewijzen voordat hij opschaalt, en legt eigenaarschap, meting en onderhoud vast. De uitkomst is een go/no-go-kader dat het team zelf kan gebruiken.
- 01Het team noemt de vier redenen waarom pilots stranden, en toetst de eigen pilot daarop
- 02Het team schrijft het bewijs op dat een pilot moet leveren voordat hij opschaalt, met een drempelwaarde
- 03Elke productie-AI heeft een naam bij de eigenaar, een meting en een onderhoudsafspraak
- 04Het team gebruikt een go/no-go-kader dat het na de module zelf toepast
01
Waarom pilots stranden
Vier patronen: geen eigenaar, geen meting, een demo die niet in het werk past, en een bouw die niemand beheert. We herkennen ze in de eigen pilot.
02
Het bewijs
Wat moet een pilot aantonen? We schrijven de drempelwaarden op voordat we kijken naar de resultaten, zodat de beslissing niet achteraf wordt gekleurd.
03
Eigenaarschap en onderhoud
Wie beslist, wie bewaakt, wie repareert en wie het stopt. Met een afspraak over kosten per maand en over wat er gebeurt als het model verandert.
04
Het go/no-go-kader
Een pagina met de vragen, de drempels en de beslisser. Het team past het toe op de eigen pilot, en besluit dan.
De pilot is het makkelijke deel
Een pilot is klein, beheersbaar en vaak enthousiast gestart. Iemand bouwt iets in een hoek van de organisatie, het werkt bij een paar testgevallen, en de presentatie is goed. Het moeilijke deel begint daarna: het systeem moet elke dag draaien, de uitzonderingen moeten worden afgehandeld, en iemand moet zich verantwoordelijk voelen voor de fouten. Dat deel is niet in de pilot gebouwd, en daarom strandt de pilot.
De MIT NANDA-studie uit 2025 vond dat een grote meerderheid van de onderzochte organisaties geen meetbaar rendement zag van hun generatieve-AI-initiatieven. De studie wijst niet op de modellen als oorzaak, maar op de koppeling met het dagelijkse werk en op de vraag wie het systeem daarna beheert. Dat is de reden dat deze module begint bij de organisatie, niet bij de techniek.
Vier redenen waarom pilots stranden
Ten eerste ontbreekt een eigenaar. De pilot heeft een maker, maar niemand die beslist wat er met de uitkomst gebeurt. Ten tweede ontbreekt een meting: de pilot laat zien dat het werkt, maar niet hoeveel het oplevert ten opzichte van vandaag. Ten derde past de demo niet in het werk: de testgevallen zijn schoon en het echte werk is rommelig. Ten vierde is er geen onderhoud. Modellen veranderen, leveranciers wijzigen hun prijzen en voorwaarden, en een koppeling breekt als een systeem een update krijgt.
In de module toetst het team de eigen pilot op deze vier. Dat gebeurt met een korte vragenlijst, en de antwoorden zijn vaak ongemakkelijk. Dat is nuttig: een pilot die op drie van de vier scoort, is nog geen productie, en dat is een besluit dat het team kan nemen zonder het project te schande te maken.
Het bewijs schrijven voordat u kijkt
De grootste fout bij een pilot is kijken naar het resultaat en daarna bepalen wat goed genoeg is. Dan wordt elk resultaat een succes, of elk resultaat een mislukking, afhankelijk van wie er in de kamer zit. De module vraagt het team daarom om vooraf drie dingen op te schrijven: welke taak het systeem moet overnemen, welke kwaliteit daarvoor nodig is, en welk getal dat vertaalt naar uren of kosten.
Een voorbeeld: een systeem dat orders uit pdf’s overneemt, moet een vaste fout-ratio halen op de controlesteekproef, en het team moet afspreken hoeveel handmatige correcties per week acceptabel zijn. Die twee getallen bepalen de beslissing, niet de indruk die de demo maakte.
Eigenaarschap, meting en onderhoud
Een productiesysteem heeft drie namen. Een eigenaar die beslist over wat het doet en wat het mag. Een beheerder die het bewaakt en meldingen oppakt. En een afspraak over onderhoud: wie repareert er als een koppeling breekt, hoe snel, en wat kost dat per maand. Die drie zijn in de meeste pilots niet vastgelegd, en dat is het moment waarop een pilot weer wordt losgelaten.
Meting hoort daarbij. Elke productie-AI krijgt een kleine set cijfers die het team elke maand bekijkt: hoeveel taken, hoeveel handmatige correcties, en hoeveel tijd het team er nu aan kwijt is. Als die cijfers niet worden bekeken, weet niemand wanneer het systeem stopt met werken.
Het go/no-go-kader
De module sluit af met een pagina met vier vragen. Is de drempel van het bewijs gehaald? Is er een eigenaar met de tijd om het te doen? Is er een meting die het team elke maand gebruikt? En is er een onderhoudsafspraak met een kostenpost? Een ja op alle vier is een go. Een nee op één of twee is vaak een uitstel met een duidelijke opdracht. Een nee op meer dan twee is een besluit om te stoppen, en dat is een goed besluit.
Veelgestelde vragen
Wat als de pilot wel werkt, maar niemand het gebruikt?
Dat is een adoptieprobleem, geen techniekprobleem. Het team kijkt dan naar het werk eromheen: is het systeem op de plek waar het werk binnenkomt, en is de werkinstructie bijgewerkt? Dat komt in het adoptieprogramma terug.
Hoe lang duurt het voordat een pilot productie is?
Dat hangt af van de bouw en de toegang tot de systemen, niet van de module. De module zorgt dat u weet wat er eerst moet gebeuren, en wat u mag laten liggen.
Is dit een vervanging voor een blueprint?
Nee. Een blueprint beschrijft de architectuur en de opbrengst van een specifiek systeem. Deze module beslist of u door moet, en wat u dan regelt.
Module 1
AI-basis voor teams
Wat een taalmodel doet, waar het fout gaat, en wat er in mag. Voor het hele team, niet alleen voor de techneuten.
Module 2
Werken met ChatGPT, Copilot en Claude
Prompten die werken, eigen assistenten met uw eigen documenten, en veilig gebruik in de zakelijke versie.
Module 3
Processen vinden die AI waard zijn
Procesmapping, opbrengst rekenen en de keuze van het ene proces dat het eerst een systeem wordt.
Module 4
Automatiseren met n8n, Make en Power Automate
Triggers, acties en voorwaarden. Welk platform bij welk werk past, en hoe een automatisering de week overleeft.
Module 5
AI-beleid, AVG en AI Act
Een werkbaar beleid, de AI-geletterdheid die de verordening van organisaties vraagt, en de AVG-vragen die bij elke tool horen.
Module 7
De AI-native organisatie: leiderschap en rollen
Wat er in rollen, beslissingen en het operating model verandert als AI het dagelijkse werk draagt.
Module 8
Agents bouwen voor operations
Een agent die een taak in meerdere stappen afmaakt, met grenzen, controle en een mens aan het eind.
Welk team heeft deze module nodig?
Voor halve dag €2.450 excl. btw. In het gesprek zeggen we of de module past, of dat een bouwdag of het adoptieprogramma beter is.