Een projectleider die drie systemen opent om te achterhalen of een project nog binnen budget loopt. Een werkvoorbereider die dezelfde offertegegevens twee keer overtypt. Een directeur die de marge pas bij de eindafrekening ziet weglekken. Voor dat soort problemen wordt AI in projectorganisaties inmiddels serieus overwogen, en terecht.
Het probleem is niet dat AI te weinig oplevert. Het probleem is dat de meeste organisaties die ermee beginnen, er financieel vrijwel niets van terugzien. Onderzoek van MIT laat zien dat slechts een klein deel, naar schatting rond de 5 procent, aantoonbaar resultaat boekt (MIT Project NANDA, 2025, gerapporteerd door Fortune). Niet omdat de technologie tekortschiet, maar omdat AI zonder een scherp gekozen probleem en een solide datafundament al snel een los experiment blijft.
Dit artikel laat zien hoe dat wel werkt: begin bij een concreet bedrijfsprobleem, zorg dat de onderliggende data op orde is, en bouw van daaruit gericht op in plaats van breed uit te proberen. De Saak begeleidt projectorganisaties precies bij die vertaalslag, van interesse in AI naar een werkende toepassing die aansluit op hoe de organisatie al werkt.
Het ongemakkelijke cijfer dat elke directie zou moeten kennen
Dat percentage van MIT Project NANDA verdient een korte toelichting, want het is gebaseerd op serieus onderzoek: ruim 300 AI-implementaties bij bedrijven wereldwijd, onderzocht op meetbaar financieel resultaat. Niet een laag rendement bij het merendeel. Geen rendement.
Dat cijfer is geen reden om niet te beginnen. Het is een reden om anders te beginnen.
Ook McKinsey ziet dit patroon terug op grotere schaal. Inmiddels gebruikt 78 procent van de organisaties AI in minstens één bedrijfsfunctie, maar het merendeel bevindt zich nog in de experimenteer- of pilotfase. Ongeveer een derde is daadwerkelijk aan het opschalen (McKinsey, 2025). De kloof tussen uitproberen en waarde creëren is dus niet uitzonderlijk. Het is de norm. De vraag is niet of jouw organisatie die kloof overbrugt, maar of je dat bewust doet of aan het toeval overlaat.
AI is geen doel op zich
AI wordt vaak besproken alsof het een doel is. Alsof je als organisatie “iets met AI” moet doen om niet achter te blijven.
Dat is niet de juiste start, en de cijfers hierboven laten zien wat er gebeurt als organisaties die start wel kiezen.
De verkeerde vraag is: welke AI-tool kunnen we gebruiken? De juiste vraag is: waar verliezen we nu tijd, grip, kwaliteit of inzicht?
Voor projectorganisaties liggen daar meestal duidelijke aanknopingspunten. Projectleiders die veel tijd kwijt zijn aan het bijeenzoeken van informatie. Werkvoorbereiders die gegevens uit verschillende systemen moeten halen. Financeafdelingen die handmatig controleren of uren, materialen en facturen compleet zijn. Directies die pas laat zien waar projecten afwijken op planning, kosten of marge.
Op die plekken kan AI waardevol worden. Niet omdat AI het werk overneemt, maar omdat het informatie sneller kan verwerken, patronen zichtbaar maakt en mensen beter ondersteunt in wat zij al doen.
Waarom projectorganisaties veel te winnen hebben, en veel te verliezen
Projectorganisaties werken met veel informatie, verspreid over veel plekken: ERP-systemen, Excel-bestanden, e-mails, tekeningen, offertes, werkbonnen, projectmappen, planningen en rapportages.
Elke overdracht tussen calculatie, werkvoorbereiding, uitvoering, projectleiding en finance brengt risico met zich mee. Informatie ontbreekt, is verouderd of wordt anders geïnterpreteerd. Zo ontstaan fouten, vertraging, dubbel werk en discussies achteraf, precies de kosten die in de meeste projectadministraties nooit apart worden geboekt maar wel het resultaat drukken.
In die informatie-intensieve omgeving kan AI in projectorganisaties concreet betekenen:
- Documenten sneller doorzoeken en samenvatten;
- Afwijkingen in uren, kosten of planning signaleren voordat ze escaleren;
- Terugkerende administratieve handelingen ondersteunen;
- E-mails en klantvragen structureren;
- Rapportages sneller voorbereiden;
- Historische projectdata bruikbaar maken voor toekomstige beslissingen.
De waarde zit niet primair in tijdsbesparing. De waarde zit in betere sturing. Wanneer informatie sneller, completer en betrouwbaarder beschikbaar komt, nemen mensen betere beslissingen. Projectleiders zien afwijkingen eerder. Finance controleert sneller. Management stuurt scherper op capaciteit, marge en voortgang.
Begin bij het probleem, niet bij de technologie
Een veelgemaakte fout: organisaties beginnen bij de technologie. Er wordt een tool getest, iemand probeert iets uit, er ontstaat kortstondig enthousiasme, en het blijft hangen bij een los experiment.
Dat is precies het patroon achter de cijfers uit de opening van dit artikel. Klein beginnen is verstandig. Willekeurig beginnen niet.
Een goede toepassing van AI in projectorganisaties begint met een scherp gekozen probleem:
- Waar wordt nu veel handmatig werk gedaan?
- Waar ontstaat regelmatig ruis in de overdracht tussen afdelingen?
- Waar ontbreekt realtime inzicht?
- Waar worden beslissingen genomen op basis van onvolledige informatie?
- Waar zit veel herhaling in administratieve of inhoudelijke werkzaamheden?
- Waar zou betere data direct tot betere projectsturing leiden?
Pas daarna kijk je welke AI-toepassing past. Een toepassing die goed werkt voor documentanalyse is niet automatisch geschikt voor projectplanning. Een toepassing die handig is voor tekstvoorstellen, lost geen margeprobleem op. AI is krachtig, maar alleen wanneer het juiste gereedschap wordt gekozen voor het juiste vraagstuk.
Data bepaalt het plafond van wat AI kan opleveren
Dit is het punt waarop de meeste trajecten met AI in projectorganisaties stranden, en het punt dat het meeste aandacht verdient.
AI staat of valt met de kwaliteit van de informatie waarop het wordt toegepast. Wanneer projectdata versnipperd, incompleet of onbetrouwbaar is, wordt AI beperkt in wat het kan opleveren. Je krijgt dan misschien sneller antwoord, maar niet per se een beter antwoord.
Dit is geen incidenteel risico. Gartner voorspelt dat organisaties tot en met 2026 zestig procent van de AI-projecten zonder AI-ready data zullen afbreken, en signaleert dat 63 procent van de organisaties niet zeker weet of het juiste datamanagement voor AI wel op orde is (Gartner, 2025). En uit het meest recente onderzoek van McKinsey blijkt dat organisaties die hun processen daadwerkelijk herontwerpen rond AI, veruit de grootste impact op resultaat realiseren, groter dan elke andere onderzochte factor (McKinsey, 2025).
Met andere woorden: de technologie is zelden het probleem. Het fundament eronder wel.
Voor projectorganisaties betekent een solide fundament onder meer:
- Duidelijke projectstructuren;
- Betrouwbare uren- en kostenregistratie;
- Eenduidige artikel-, klant- en projectdata;
- Goede vastlegging van afspraken;
- Heldere processtappen en verantwoordelijkheden;
- Systemen die logisch met elkaar samenwerken.
Zo’n fundament staat los van één specifiek systeem, al helpt een centraal ingericht ERP-systeem zoals Business Central voor projectorganisaties natuurlijk wel: het bundelt processen, data en sturing op één plek, wat het eenvoudiger maakt om AI daar gericht op aan te sluiten. Een overzicht van wat het systeem in de basis kan, vind je in de gids met Business Central-functionaliteiten. Maar de kern zit in procesoptimalisatie en datakwaliteit, niet in de keuze voor een specifiek systeem. Niet als losse laag naast de organisatie, maar als versterking van hoe je al werkt.
Van experiment naar praktische toepassing: vier vragen
De beste aanpak voor AI in projectorganisaties hoeft niet groot te beginnen. Sterker nog, het is vaak verstandiger om klein te starten, mits met een duidelijke keuze.
Een goede eerste stap beantwoordt vier vragen:
- Welk concreet probleem willen we oplossen?
- Welke informatie hebben we daarvoor nodig?
- Hoe meten we of de toepassing waarde oplevert?
- Hoe past dit in onze bestaande processen en systemen?
Zo voorkom je dat AI een speeltuin wordt zonder richting. Een goede pilot heeft een concreet doel: minder tijd kwijt aan het voorbereiden van projectrapportages, sneller afwijkingen herkennen in projectkosten, beter inzicht in openstaande acties, of documenten sneller kunnen doorzoeken en samenvatten.
Daarna meet je of het werkt. Bespaart het tijd? Verbetert het de kwaliteit? Geeft het sneller inzicht? Wordt het daadwerkelijk gebruikt? Past het in de dagelijkse praktijk? Pas als het antwoord positief is, schaal je gericht op.
Adoptie: de stap die het vaakst wordt overgeslagen
Technologie werkt pas wanneer mensen ermee kunnen en willen werken. Dat geldt zeker voor AI. Medewerkers moeten begrijpen wat een toepassing doet, waarvoor zij die wel en niet gebruiken, en wanneer menselijk oordeel nodig blijft. AI moet vertrouwen opbouwen, niet verwarring veroorzaken.
In projectorganisaties werken mensen vaak onder tijdsdruk. Projecten lopen door, klanten bellen, monteurs of uitvoerders hebben informatie nodig, en deadlines schuiven niet mee. Een nieuwe toepassing mag dan niet voelen als extra werk. Ze moet aansluiten op bestaande processen en direct merkbaar helpen.
Dat vraagt om begeleiding, niet alleen technisch maar ook organisatorisch. Welke werkwijze verandert er? Wie gebruikt de output? Wie controleert de kwaliteit? Wie is verantwoordelijk voor de data? En hoe zorg je dat de toepassing niet afhankelijk wordt van één enthousiaste medewerker die op enig moment vertrekt?
De rol van De Saak
Voor veel MKB-bedrijven zit de uitdaging niet in de vraag of AI interessant is. Die interesse is er meestal al. De echte uitdaging zit in de vertaalslag: waar kan AI binnen jouw organisatie concreet waarde toevoegen, welke processen zijn daarvoor geschikt, staat de data op orde, welke toepassing past bij het probleem, en hoe begin je klein zonder de grotere bedrijfsvoering uit het oog te verliezen?
De Saak helpt projectorganisaties bij precies die vertaalslag. Niet door AI als losse hype te benaderen, maar door te kijken naar processen, data, mensen en sturing, want daar ontstaat de werkelijke waarde. AI in projectorganisaties wordt pas krachtig wanneer het aansluit op hoe jouw organisatie werkt en waar zij beter wil worden.
Dat gesprek hoeft niet meteen over een groot systeemtraject te gaan. Vaak begint het compacter: een concrete AI-toepassing die snel merkbaar helpt, los van een uitgebreide ERP-discussie. Pas als dat relevant blijkt, komt vanzelf naar voren hoe processen en data via een systeem als Business Central beter samenkomen.
Dat begint doorgaans met een praktische analyse: welke processen nu veel tijd kosten, waar fouten of dubbel werk ontstaan, waar inzicht ontbreekt, welke data beschikbaar is, welke systemen worden gebruikt, welke AI-toepassingen realistisch zijn, en welke eerste pilot beheersbaar waarde kan opleveren.
Vanuit daar maak je gerichte keuzes. Niet alles tegelijk, niet technologie om de technologie, maar stap voor stap bouwen aan toepassingen die het werk slimmer maken, de sturing verbeteren en groei beter beheersbaar houden.
AI in projectorganisaties als versneller van betere bedrijfsvoering
AI gaat projectorganisaties niet vervangen. Het kan wel helpen slimmer te werken.
De grootste kans zit niet in spectaculaire toepassingen, maar in concrete verbeteringen dicht op de dagelijkse praktijk. Minder zoeken. Minder overtypen. Sneller controleren. Beter signaleren. Duidelijker rapporteren. Eerder bijsturen.
Het verschil tussen de vijf procent organisaties die wel resultaat boeken en het overgrote deel dat dat niet doet, zit zelden in de kracht van het AI-model. Het zit in de scherpte van het gekozen probleem, de kwaliteit van het datafundament en de manier waarop mensen de toepassing daadwerkelijk gaan gebruiken. Wie daar bewust in investeert, bouwt niet alleen aan digitale vernieuwing, maar aan een organisatie die sneller leert, scherper stuurt en beter kan groeien.
Wil je ontdekken waar AI in projectorganisaties binnen jouw bedrijf concreet waarde kan toevoegen? De Saak denkt graag mee over de eerste stap: van idee naar toepasbare use case, van onduidelijkheid naar richting, en van experiment naar praktische bedrijfswaarde. Neem contact op voor een vrijblijvende verkenning.
Veelgestelde vragen
Waar begin je het beste met AI in een projectorganisatie?
Niet bij een tool, maar bij een concreet probleem: een proces waar veel handmatig werk in zit, waar regelmatig ruis ontstaat tussen afdelingen, of waar beslissingen nu op onvolledige informatie worden genomen. Vanuit dat probleem bepaal je welke AI-toepassing daadwerkelijk past.
Waarom leveren zoveel AI-projecten geen resultaat op?
Onderzoek van MIT wijst uit dat het overgrote deel van de organisaties die generatieve AI invoeren geen meetbaar financieel rendement realiseert (MIT Project NANDA, 2025). De belangrijkste oorzaken zijn een onduidelijk gedefinieerd probleem, een datafundament dat niet op orde is, en onvoldoende aandacht voor adoptie door medewerkers.
Wat heeft AI met ons ERP-systeem of Business Central te maken?
Een ERP-systeem als Business Central vormt de operationele basis waarin projectdata, processen en sturing samenkomen. Wanneer die basis goed is ingericht, kan AI daarop worden toegepast en versterkt het jouw bestaande manier van werken, in plaats van dat het een losse, geïsoleerde toepassing wordt.
Hoeveel tijd of budget moet je vrijmaken voor een eerste AI-pilot?
Dat hangt af van het gekozen probleem, maar de aanpak zelf hoeft niet groot te zijn. Een beheersbare pilot met een duidelijk doel, een vooraf bepaalde meetlat en een beperkte scope levert doorgaans meer op dan een groot, ongericht traject.
