De reflex: "we moeten iets met AI"
In vrijwel elk gesprek dat ik dit jaar met ondernemers en directeuren voer, valt binnen tien minuten het woord AI. Meestal niet als antwoord op een probleem, maar als opdracht: "de concurrent doet iets met AI, wij moeten ook." Dat is een begrijpelijke reflex, maar het is een gevaarlijke.
Want een groot deel van de AI-functies die nu worden gebouwd, lossen geen echt probleem op. Ze zijn er omdat een investeerder, een klant of het management erom vroeg. Het echte werk zit niet in AI toevoegen, maar in weten wanneer AI daadwerkelijk de beste oplossing is en wanneer het je alleen maar geld en focus kost.
Drie vragen voordat je AI aan je product toevoegt
Voordat je een euro in een AI-functie steekt, stel ik samen met het team altijd deze drie vragen:
- Welk concreet probleem lost dit op voor de gebruiker? Niet "het is slimmer", maar: welke taak wordt sneller, goedkoper of minder foutgevoelig? Als je dat niet in één zin kunt zeggen, is het nog geen probleem maar een wens.
- Is een simpelere oplossing echt uitgesloten? Veel dingen die als AI worden verkocht, kunnen met een goede zoekfunctie, een paar regels businesslogica of een betere workflow. Die zijn goedkoper, voorspelbaarder en beter uit te leggen aan je klant.
- Kun je met een fout van het model leven? AI produceert kansuitkomsten, geen zekerheden. Bij een schrijfassistent is een matige suggestie geen ramp. Bij een medische of financiële beslissing wel. Het antwoord bepaalt hoeveel controle je eromheen moet bouwen.
Wanneer AI wél de beste keuze is
AI verdient zijn plek als het probleem drie eigenschappen heeft: er is veel ongestructureerde input (tekst, spraak, beeld), de regels zijn te complex of te wisselend om vast te leggen, en een goede-genoeg-uitkomst levert al waarde. Denk aan het samenvatten van klantfeedback, het doorzoekbaar maken van jarenlange documentatie, of het opstellen van een eerste concept dat een mens daarna afmaakt.
In die gevallen is AI niet het glimmende laagje bovenop je product, maar de motor die iets mogelijk maakt wat daarvoor simpelweg te duur was.
Wanneer een simpele oplossing wint
Op het moment dat je exacte, herhaalbare uitkomsten nodig hebt, gaat de vlieger niet op. Een berekening, een goedkeuringsflow, een prijsregel: dat wil je deterministisch, controleerbaar en uitlegbaar. AI maakt zo'n proces niet beter, alleen troebeler. En elke AI-aanroep kost geld, terwijl een simpele regel dat niet doet. Voor een MKB-product dat zijn marges moet bewaken, telt dat op.
Ik heb ondernemers geld en maanden zien besparen door precies deze knip te maken: bouw de saaie, betrouwbare kern gewoon klassiek, en zet AI alleen in op de plek waar hij echt onvervangbaar is.
Begin klein en meetbaar
Als het antwoord "ja, AI past hier" is, bouw dan niet meteen de grote versie. Kies één use case, definieer vooraf hoe je succes meet (tijdwinst, minder support-tickets, hogere conversie) en zet een kleine test live bij echte gebruikers. Werkt het, dan breid je uit. Werkt het niet, dan heb je een goedkope les geleerd in plaats van een dure vergissing.
De ondernemers die het beste met AI omgaan, zijn niet degenen die het overal instoppen. Het zijn degenen die durven zeggen: hier niet.
Twijfel je of AI in jouw product thuishoort, of juist niet? Laten we een keer koffiedrinken en het samen scherpstellen. Je kunt ook een gratis productscan aanvragen, of meer lezen over mijn productstrategie voor MKB.