Weet vooraf of je data, systemen en mensen klaar zijn voor AI

Iemand in het managementteam heeft een demo gezien en wil ook iets met AI. Een leverancier belooft dat het in een maand kan. Maar niemand weet precies waar de data staat, of die klopt, en wie erbij mag. Zes maanden later draait er een pilot op één laptop en ligt er een rapport in een la. Dat ligt zelden aan de techniek. Het ligt aan wat er niet klaar was voordat iemand begon te bouwen.

Waarom de meeste AI-pilots stranden voordat ze beginnen

Het model is het makkelijkste deel. Wat het lastig maakt, zit eromheen. De orderhistorie staat in een ERP waar de leverancier geen export uit wil geven. De klantgegevens zitten in drie mailboxen en een Excel-bestand. Niemand kan zeggen of het is toegestaan om die gegevens aan een model te voeren, dus doet iemand het stiekem, of doet niemand het. En de medewerkers die ermee moeten gaan werken, horen er pas iets over als het klaar is.

De AI-readiness scan brengt precies dat in kaart, voordat er een euro naar bouwen gaat. Niet om je te vertellen dat je nog niet klaar bent, maar om te zorgen dat je het wel bent op het moment dat je begint. Wat je nu regelt, kost een paar weken. Wat je halverwege een project ontdekt, kost het project.

Wat we bekijken: data, systemen, beveiliging en mensen

We kijken naar vier onderdelen. Data: waar staat het, hoe volledig is het, wie is de eigenaar en hoe ver gaat de historie terug. Een model dat moet voorspellen hoeveel je volgende maand verkoopt, heeft een paar jaar aan cijfers nodig die niet elk kwartaal anders geregistreerd zijn. Systemen: kunnen we bij die data zonder handwerk, via een API of een koppeling, en is er een server waar het mag draaien. Beveiliging en regels: wat mag er met persoonsgegevens volgens de AVG, en valt jouw toepassing onder de EU AI Act. Een chatbot die openingstijden beantwoordt valt daar anders onder dan een systeem dat sollicitanten beoordeelt. Mensen: wie gaat ermee werken, wie beslist, en is er iemand die zich er verantwoordelijk voor voelt.

Per onderdeel geven we een score van één tot vijf, met in gewone taal waarom. Een drie voor data betekent bijvoorbeeld: de cijfers zijn er, maar de productcodes zijn twee keer veranderd en dat moet eerst rechtgetrokken worden. Een twee voor mensen betekent dat er wel enthousiasme is, maar nog niemand die het straks in beheer neemt.

Een eerlijk rapport in twee weken

We beginnen met een gratis intake. Daarin horen we wat je wilt bereiken, en dat levert vaak al de eerste vraag op: is AI hiervoor het juiste gereedschap, of is een gewone koppeling of rapportage genoeg. Daarna spreken we de mensen die dagelijks met de systemen werken, een uur per persoon, en krijgen we leestoegang tot de data. We kijken zelf, we vragen niet alleen. Een datadump zegt meer dan een presentatie erover.

Na twee weken presenteren we de uitkomst. Geen dik rapport, maar een paar pagina's die je aan je directie kunt laten zien: dit staat er, dit kan al, dit moet eerst, en dit kun je beter laten. Als de conclusie is dat je organisatie er nog niet klaar voor is, vertellen we je dat direct. Dat is geen slecht nieuws. Het is de reden dat je de scan deed.

En daarna: bouwen wat zin heeft

De scan eindigt met een lijst in volgorde. Eerst de dingen die je zelf kunt regelen, zoals een eigenaar aanwijzen voor de klantdata of een export aanvragen bij je leverancier. Dan de dingen waar je hulp bij nodig hebt. Wil je ook weten in welke processen de uren precies weglekken, dan combineren we de scan met de AI & Processcan. Is de basis op orde, dan gaat het verder als AI-implementatie: één specifiek proces, een prototype in tien werkdagen, op een server binnen de EU.

Het rapport is van jou, net als de data die we bekeken hebben. We slaan daar niets van op, en de toegang die je ons gaf, trek je na de scan weer in. Je bent vrij om er met een andere partij mee verder te gaan. Groeit het later uit tot iets waar je verantwoording over moet afleggen, dan sluit de scan aan op AI-governance & audits, met dezelfde vier onderdelen als vertrekpunt.