Iedereen doet iets met AI. Bijna niemand weet waarom

– door Erik Jan Koedijk

Iedereen stort zich op AI, bijna niemand heeft een plan. Ford laat zien wat de AI-goudkoorts kost.

Iedereen doet iets met AI. Bijna niemand weet waarom

Stel de vraag in een willekeurige bestuurskamer: wat doen jullie met AI? Het antwoord komt snel. Een pilot bij de klantenservice, een assistent voor de programmeurs, een experiment bij financiën. Stel dan de tweede vraag: welk probleem lost het op en hoe meten jullie dat? Dan wordt het stil.

Die stilte is het echte AI-vraagstuk van dit moment. Niet de technologie, maar het ontbreken van richting. Sinds eind juni heeft dat vraagstuk een gezicht. Het heet Ford.

De cijfers achter de goudkoorts

Eerst de context, want die is groter dan één autofabrikant. S&P Global Market Intelligence ondervroeg ruim duizend organisaties in Noord-Amerika en Europa. Het aandeel bedrijven dat het merendeel van zijn AI-initiatieven afblaast steeg in één jaar van 17 naar 42 procent. De gemiddelde organisatie schrapt bijna de helft van haar proefprojecten voordat er iets in productie gaat.

Gartner voorspelde medio 2024 dat minstens 30 procent van de generatieve AI-projecten na de proof of concept zou stranden, door slechte datakwaliteit, gebrekkige risicobeheersing, oplopende kosten of onduidelijke waarde voor de organisatie. De werkelijkheid bleek somberder. Begin dit jaar stelde Gartner vast dat het minstens 50 procent was geworden.

MIT’s Project NANDA

Het veelbesproken rapport van MIT’s Project NANDA telde in de zomer van 2025 nog harder. Van de onderzochte generatieve AI-pilots leverde 95 procent geen meetbaar effect op de winst-en-verliesrekening. Over de oorzaak waren de onderzoekers expliciet: het verschil zat niet in de kwaliteit van de modellen, maar in de aanpak.

Drie onderzoeken, drie methodes, één patroon. AI faalt zelden als technologie. AI faalt als aanpak. En de meest gekozen aanpak van dit moment heet meedoen.

Ford betaalde twee keer

Nu de casus. Ford worstelde jaren met hardnekkige kwaliteitsproblemen. In 2025 telde de Amerikaanse toezichthouder NHTSA 152 terugroepacties bij Ford, bijna het dubbele van het oude record van 77 dat General Motors in 2014 neerzette. Ford zegt zelf dat het hoge aantal deels een bewuste strategie weerspiegelt om fouten sneller te vinden en te herstellen. Het onderliggende beeld was hoe dan ook helder: de kwaliteit moest structureel omhoog.

Een van de reflexen was herkenbaar: technologie. In het najaar van 2025 meldde Ford beleggers dat het negenhonderd camera’s met AI-beeldherkenning uitrolde in zijn fabrieken. Tegelijk leunde het bedrijf volgens Bloomberg steeds zwaarder op geautomatiseerde kwaliteitssystemen. De aanname erachter was simpel: voer de ontwerpeisen in en de kwaliteit volgt vanzelf.

Het liep anders. Charles Poon, bij Ford verantwoordelijk voor de hardwareontwikkeling van voertuigen, was er achteraf opvallend eerlijk over. Het bedrijf dacht ten onrechte dat kunstmatige intelligentie plus de bestaande ontwerpeisen vanzelf een goed product zou opleveren. AI is een fantastisch gereedschap, aldus Poon, maar niet beter dan de informatie waarmee je het traint. En de informatie die Ford nodig had zat niet in een database. Die zat in de hoofden van ingenieurs die vele productcycli hadden meegemaakt. Een groot deel van hen was al vertrokken voordat iemand die kennis had vastgelegd.

Het binnenhalen van driehonderd ervaren ingenieurs

Dus betaalde Ford twee keer. Eerst voor de technologie, daarna voor het herstel. Het bedrijf haalde volgens zijn eigen persbericht zo’n driehonderd ervaren ingenieurs binnen, volgens Bloomberg deels oud-medewerkers die eerder waren vertrokken. Ford noemt ze zelf gray beards, grijze baarden. Daarnaast verving het ongeveer twee derde van de senior leiding van zijn industriële systeem en voerde het verplichte wekelijkse ontwerpreviews in. Op 25 juni volgde de beloning. Ford is volgens de J.D. Power 2026 Initial Quality Study voor het eerst sinds 2010 het beste mainstream automerk van Amerika, geklommen van plek vijftien in 2023 naar plek één. De garantiekosten daalden in 2025 en topman Jim Farley zegt dat de kwaliteitsslag inmiddels honderden miljoenen dollars scheelt.

Wie wil weten hoe dat destijds klonk, kan het nalezen. Het transcript van de beleggerscall van 23 oktober 2025 is een document om te bewaren. Operationeel topman Galhotra kondigt daarin aan dat Ford bezig is met, in zijn eigen woorden, ‘systemically deploying AI across the entire industrial system’, compleet met het aantal camera’s en CAD-laadtijden die onder de minuut doken. Minstens zo veelzeggend is wat er niet in staat. De veteranen die Ford volgens Bloomberg toen al enkele jaren aan het terughalen was, komen in het hele document niet voor. Acht maanden later zet Ford diezelfde mensen zelf in het middelpunt van zijn kwaliteitsverhaal. Lees beide stukken naast elkaar en trek je eigen conclusie. Het volledige transcript staat hier.

De ommekeer begon met een zin

Wat Ford daarna deed is interessanter dan wat er misging. De ommekeer begon namelijk niet met een beter algoritme. Operationeel topman Kumar Galhotra vat het in het persbericht zo samen:

• Het hele bedrijf is verzameld rond één heldere visie, kwaliteit eerst. Daarna pas volgden de keuzes.
• Wie leert de systemen? De teruggehaalde veteranen, die de AI-tools voeden met tientallen jaren ontwerpervaring.
• Wat blijft mensenwerk? De wekelijkse reviews waarin diezelfde veteranen op fouten jagen voordat een blauwdruk de fabriek bereikt.
• Hoe borg je kennis voordat ze vertrekt? Door veteranen te koppelen aan de volgende generatie ingenieurs.

Let op de volgorde. Visie, dan mensen, dan pas techniek. Ford schafte de camera’s niet af. Het gaf ze eindelijk iets om van te leren. De les is dus niet dat AI faalde. De les is dat AI zonder richting een leegte automatiseert. En een leegte automatiseren gaat verbluffend efficiënt.

Dezelfde film draait dichter bij huis

Dit is geen autoverhaal. Vervang de camera’s door een AI-securityplatform, de ontwerpeisen door detectieregels en de veteranen door je beste analisten. Je kijkt dan naar menig securityteam anno 2026. Het World Economic Forum meldt in de Global Cybersecurity Outlook 2026 dat 94 procent van de ondervraagde leiders AI ziet als de belangrijkste aanjager van verandering in cybersecurity dit jaar. Het aandeel organisaties dat AI-tools op veiligheid toetst voor ingebruikname verdubbelde bijna, van 37 naar 64 procent. Goed nieuws, tot je het omdraait. Ruim één op de drie organisaties koppelt AI aan haar processen zonder zo’n gestructureerde veiligheidstoets vooraf. Eerst aanzetten, dan nadenken. Het Ford-patroon, maar dan met jouw kroonjuwelen.

Wees eerlijk over wat er meestal gebeurt. De vraag op de bestuursagenda luidt zelden: welk probleem is het waard om op te lossen? De vraag luidt: wat doen wij met AI? Dat is geen strategie. Dat is een boodschappenlijstje met budget.

Pas op voor de ‘schoppenverkopers’

Terug in de tijd… Tijdens de goudkoorts van 1849 werden niet de gravers rijk, maar de verkopers van schoppen en pikhouwelen. Bij deze AI-goudkoorts is dat niet anders. Je tijdlijn staat er vol mee: zelfbenoemde AI-experts die beloven dat ze jouw processen wel even op orde brengen, tool onder de arm en contract in de hand. Sommigen zijn goed. Anderen verkopen vooral een schop. Vier vragen om het verschil te zien. 1. Begint het gesprek bij jouw probleem of bij hun tool? Wie binnen vijf minuten een oplossing heeft, heeft niet geluisterd. 2. Waar staat jouw data, wie kan erbij en wat gebeurt ermee na afloop? Vraag om het antwoord op papier, inclusief verwerkersovereenkomst. Komt dat er niet, dan komt de deal er ook niet. 3. Wat zouden ze bij jou juist niet automatiseren? Wie alles wil automatiseren heeft geen visie maar een omzetdoel. 4. Wie draagt de gevolgen als het misgaat? Jij. Onder de AVG blijf jij als organisatie verantwoordelijk voor persoonsgegevens waarvoor jij verwerkingsverantwoordelijke bent. Ook als een externe partij met een mooie AI-tool meekijkt, automatiseert of processen overneemt. Lekt het, dan is de verkoper drie klanten verder en sta jij bij de Autoriteit Persoonsgegevens.

De reset: vertragen om te versnellen

In 2017 schreef ik RESET!. De kern van dat boek past in twee zinnen. Als een computer of telefoon hapert, zet je hem uit en weer aan. Organisaties verdienen datzelfde moment van bewust stilstaan voordat ze verder rennen. De paradox die ik toen optekende geldt in het AI-tijdperk sterker dan ooit: je maakt meer snelheid door eerst te vertragen.

Als adviseur kwam ik destijds telkens bij bedrijven waar de technologie leidend was in plaats van de mens. Onderzoek waar ik in RESET! naar verwees becijferde toen al dat in de Nederlandse topsectoren 77 procent van het innovatiesucces werd bepaald door sociale innovatie: slimmer werken, flexibeler organiseren en beter samenwerken. Technologische innovatie bepaalde 23 procent. Negen jaar later is de technologie onherkenbaar veranderd. De verhouding niet. Ford investeerde in honderden camera’s en vond de doorbraak pas toen het de mens weer centraal zette.

De reset is dus geen stap terug. Het is de kortste weg vooruit. Ford deed er drie jaar, honderden ervaren krachten en twee derde van zijn industriële top over. Een bestuurstafel die vooraf durft te vertragen doet het in een paar goede vergaderingen.

Twee vragen die Ford te laat stelde

Waar begint dat vertragen? Bij twee vragen die in de Ford-casus alles bepaalden en die in mijn P-SEP-model elk een eigen letter hebben: People en Ethics.

De People-vraag: wiens kennis moet het systeem leren en is die kennis nog in huis? Ford ontdekte het antwoord pas nadat de kennis de deur uit was. Machine learning kan niet leren van ervaring die het gebouw al heeft verlaten. Vraag daarom door: als AI straks het routinewerk overneemt, waar bouwt jouw volgende generatie experts dan nog ervaring op? Niemand wordt senior door naar dashboards te kijken.

De Ethics-vraag: waarom doen we dit echt? Omdat iedereen het doet is een eerlijk antwoord, maar geen strategie. Wees ook eerlijk over de tegenvraag: durft er bij jou iemand hardop te zeggen dat de tool het fout heeft? Bij Ford waren dat uiteindelijk de grijze baarden. Een cultuur waarin niemand het algoritme durft tegen te spreken garandeert dat AI in stilte faalt.

Wie deze twee vragen schriftelijk beantwoordt en er vervolgens de Security-vraag en de Privacy-vraag uit hetzelfde model naast legt, heeft geen losse AI-projecten meer. Die heeft een fundament.

Vijf tips voor jou als leider

De twee vragen hierboven zijn de reflectie. Dit is de actie. In RESET! gold voor elke tip dezelfde regel: je moet haar morgen kunnen toepassen, zonder voorbereiding en zonder investering. Voor deze vijf geldt dat ook.

1. Vervang één agendapunt: haal ‘wat doen wij met AI’ van de bestuursagenda en zet er ‘welk probleem is het waard om op te lossen’ voor in de plaats. Dezelfde vergadering, een andere uitkomst: de eerste vraag levert tools op, de tweede levert richting.
2. Geef elk lopend AI-initiatief een eigenaar en een meetlat: vraag deze week per pilot welk probleem het oplost, wie eigenaar is van dat probleem en waaraan je over drie maanden ziet dat het werkt. Blijft het antwoord uit, pauzeer dan. Liever nu een eerlijke stop dan straks stilletjes bij die 42 procent horen.
3. Maak de kennisbalans op voordat je automatiseert: noteer per AI-toepassing wiens ervaring het systeem eigenlijk moet leren. Staat daar de naam van iemand die over twee jaar vertrokken kan zijn, dan is kennisborging je eerstvolgende project. Ford maakte die balans pas op toen de kennis al weg was.
4. Benoem het werk dat je bewust niet automatiseert: ergens moet je volgende generatie experts ervaring opdoen. Wijs dat werk expliciet aan als opleidingsplek en bescherm het tegen de efficiëntiereflex. Dat is geen inefficiëntie, dat is opvolgingsplanning.
5. Organiseer tegenspraak op het algoritme: geef iemand het mandaat om hardop te zeggen dat de tool het fout heeft en leg AI-conclusies periodiek naast de werkelijkheid, zoals Ford dat wekelijks doet in zijn ontwerpreviews. Een systeem zonder tegenspraak faalt niet minder vaak, het faalt alleen stiller.

Door de P-SEP-lens

People: de beslissende factor bij Ford was niet het algoritme maar de opgebouwde ervaring van mensen, dus borg die ervaring voordat ze vertrekt in plaats van erop te rekenen dat een systeem haar vanzelf oppikt.

Security: een AI-tool die jouw omgeving niet kent produceert zelfverzekerde ruis, dus veranker elke geautomatiseerde verdediging in de kennis van mensen die weten hoe jouw organisatie zich werkelijk gedraagt en blijf toetsen tegen de werkelijkheid.

Ethics: koop AI om een benoemd probleem op te lossen in plaats van om erbij te horen en bouw een cultuur waarin iemand veilig kan zeggen dat het systeem ernaast zit.

Privacy: kwaliteitscamera’s en securitytools kijken allebei naar werkende mensen, dus bepaal voor ingebruikname wat ze mogen zien, hoe lang je dat bewaart en wie de conclusies beoordeelt.

In je organisatie komt dit neer op één beweging: behandel de waaromvraag voortaan als verplicht onderdeel van elke AI-aankoop, net zoals je geen investering goedkeurt zonder businesscase.

Fundament eerst: schrijf voor de volgende AI-aankoop op welk probleem je oplost, welke beslissingen menselijk blijven en wiens kennis het systeem gaat leren.

Drie begrippen

Proof of concept (PoC): een kleinschalig proefproject dat aantoont dat een idee technisch kan werken. Zegt nog niets over waarde in de dagelijkse praktijk.

FOMO (fear of missing out): de angst om de boot te missen. In bestuurskamers een dure adviseur, want angst koopt tools, geen richting.

Ervaringskennis (tacit knowledge): kennis die in hoofden en handen zit, niet in documenten. Precies de kennis die AI-systemen nodig hebben en die als eerste verdwijnt wanneer mensen vertrekken.

Verder praten of zoek je een inspirerende spreker / dagvoorzitter?

 

In-house masterclasses RESET! the Workplace with AI & Cyber Resilience

Book now: choose your preferred date and request more information.

 

2) RESET! The Workplace with AI masterclass

Van overweldigd naar in regie. Een strategische, praktische en menselijke AI-masterclass van Erik Jan Koedijk, auteur van RESET!, samen met co-trainer Jort Koedijk. Geen technische achtergrond nodig.

AI gaat elke werkplek veranderen, maar transformatie zonder fundament wordt chaos. In één meeslepende in-house sessie houden je mensen op zich te laten overweldigen door AI en gaan ze het bewust inzetten: veilig, ethisch en effectief, met het unieke P-SEP-model (People, Security, Ethics, Privacy) als kompas.

Click for more info..

Iedereen werkt al met AI

Je mensen wachten niet op toestemming. Ze experimenteren al met AI-tools, ieder op zijn eigen manier, met alle gevolgen van dien. Daardoor is een gedeeld begrip essentieel: één gemeenschappelijke taal voor wat AI kan, waar de risico’s zitten en wat jouw organisatie wel en niet wil. En het gaat vaak net zozeer om afleren als om leren, want gewoontes die mensen zelf hebben ontwikkeld passen zelden bij wat veilig en slim is voor de organisatie.

Op maat nog voordat we beginnen

Elke masterclass begint met een grondig intakegesprek. Samen brengen we in kaart hoe jouw organisatie werkt, waar AI echt tijd kan besparen en welke risico’s als eerste aandacht verdienen. De cases en oefeningen in de masterclass bouwen we vervolgens op jouw dagelijkse werkelijkheid, niet op generieke voorbeelden. Deelnemers herkennen hun eigen werk in elke oefening. Tijdens de sessie gaan we praktisch met die use cases aan de slag en houden we ze stuk voor stuk tegen de P-SEP-bril voordat ze een plek in jullie manier van werken verdienen.

Bestuurservaring ontmoet de nieuwste AI-kennis

Wat gebeurt er als je diepgaande bestuurservaring combineert met de nieuwste academische inzichten in AI? Erik Jan brengt decennia aan leiderschap in cybersecurity en digitale transformatie. Co-trainer Jort Koedijk volgde zijn BSc en MSc in AI aan de Universiteit Utrecht en is daarnaast tweedegraads wiskundedocent, met een passie voor kennis overdragen. Hij kent niet alleen de theorie, maar ook de actuele ontwikkelingen in het vak en de integratie ervan en denkt graag mee over oplossingen en automatiseringen zonder dat ethiek of veiligheid in het geding komt. Met het perspectief van generatie Z brengt hij het nieuwste academische inzicht in de zaal. Strategie en kennis in één ruimte, vertaald naar wat je team morgen kan doen.

Je gaat naar huis met meer dan inspiratie

Samen bouwen we in 15 seconden een AI-assistent en daarna maak je je eigen assistent, zonder ook maar één regel code. Je leert wat een AI-agent wel en niet is, ziet de risico’s van agents live gedemonstreerd en ontdekt hoe je assistenten en agents veilig in je organisatie integreert. En iedereen gaat naar huis met een kant-en-klaar promptpakket, een of twee concrete acties voor het eigen werk, een certificaat en een boost aan energie.

Inbegrepen

✅ Intakegesprek, zodat de cases bij jouw organisatie passen

✅ Praktisch aan de slag met je eigen use cases, elk getoetst aan het unieke P-SEP-model

✅ Een AI-assistent gebouwd in 15 seconden, daarna bouw je je eigen, zonder code

✅ Wat een AI-agent wel en niet is, inclusief de risico’s en veilige integratie

✅ Kant-en-klaar promptpakket met praktische instructies

✅ Een of twee concrete acties per deelnemer, een certificaat en een boost aan energie

✅ Privé en in-house, in groepen tot 20 personen, geschikt voor iedereen

Onze populairste in-house masterclass, steevast hoog gewaardeerd door deelnemers.

Boek nu: kies je voorkeursdatum en vraag meer informatie aan.

Begin je met AI? Controleer eerst je fundament

Werken met AI versnelt een organisatie alleen als het cybersecurityfundament op orde is. En dat fundament gaat over meer dan techniek. Ook als je technische beveiliging goed geregeld is, vinden criminelen nog altijd een weg naar binnen via mensen, via social engineering. Daarom past deze masterclass natuurlijk samen met de in-house cyber resilience masterclass hieronder: eerst een stevig fundament, dan verantwoord versnellen met AI.