Wanneer is AI niet het antwoord?

Wij doen AI-implementatie en zeggen toch regelmatig "doe geen AI". Dat is geen marketing-truc, dat is gewoon de juiste tool voor het probleem kiezen.

1. Deterministische processen

Als de regels duidelijk zijn ("als A en B, dan C; anders D"), gebruik een rule-engine. AI gaat dezelfde regels uitvoeren met meer onzekerheid en hogere kosten. Voorbeelden: btw-berekening, kortingstoekenning, kredietlimiet-controle.

2. Een betere zoekfunctie

Veel "we willen iets met AI" ontstaat omdat een team niet kan vinden wat al bestaat. Een fatsoenlijke zoekfunctie (Elasticsearch, of zelfs een goed-geindexeerde SharePoint) is goedkoper en accurater dan een chatbot.

3. Formulier-aanpassing

Soms is het probleem niet "we moeten vragen begrijpen" maar "het formulier vraagt de verkeerde dingen". Een uur formulier-ontwerp kan tien uur AI-werk vervangen.

4. Klein, eenmalig, geen volume

Een proces dat een keer per kwartaal voorkomt en handmatig prima loopt: laat staan. AI-implementatie heeft een opzet-kost die zich niet terugverdient bij laag volume.

5. Hoge accuratesse-eisen zonder verificatie

Als een fout een groot probleem is en je hebt geen handhavingslaag tussen AI-output en eindresultaat, dan is AI risicovol. Bijvoorbeeld bij medische diagnoses, financiele afhandeling onder een grens-waarde, of juridische conclusies. Daar moet een mens tussen zitten, of het moet geen AI zijn.

Wat we wel doen

Als de use-case bij geen van bovenstaande past en de [readiness-criteria](/scan/ai-readiness) zijn op orde, dan past AI vaak goed. Voor onze volledige aanpak: [AI-hub](/ai).