In de ERP-wereld wordt AI een essen­tiële functi­o­na­li­teit. Volgens de EY AI Pulse Survey zal het aantal Ameri­kaanse senior managers dat 10 miljoen dollar of meer in AI inves­teert dan ook verdub­belen in 2025. Niet gek, aange­zien AI bijvoor­beeld grote hoeveel­heden gegevens analy­seert, real-time inzichten biedt en geauto­ma­ti­seerde workflows creëert. En AI-oplos­singen worden alleen nog maar branchespe­ci­fieker en geavan­ceerder. Maar het overmatig of verkeerd gebruik van AI binnen ERP-systemen kan risico’s met zich meebrengen:  dit wordt ook wel de ‘de AI-valkuil’  genoemd. Wie trapten al in deze valkuil? En hoe zorg je dat jouw organi­satie dat niet doet? Dat lees je in deze blog!

AI in de publieke sector

Er zijn talloze voorbeelden van bedrijven die de AI-valkuil niet wisten te ontwijken. In de publieke sector werden door AI onder­steunde ERP-systemen omarmd als dé oplos­sing voor het stroom­lijnen van overheids­pro­cessen. Dit leidde vaak tot overhaaste imple­men­ta­ties, zonder voldoende besef dat veel van deze systemen onvol­doende aansloten op de unieke en complexe eisen van overheidsinstellingen. 

Zo was er een overheids­in­stel­ling die een door AI onder­steund ERP-systeem imple­men­teerde dat eigen­lijk voor zakelijk gebruik was bestemd. Het gebrek aan onder­steu­ning voor bijvoor­beeld complexe mecha­nismen voor budget- en subsi­die­be­heer, maakten worka­rounds en schaduw-IT noodza­ke­lijk. Werkne­mers grepen steeds vaker terug op oude methoden, waarna de AI-oplos­sing uitein­de­lijk helemaal werd stopgezet. Het eindre­sul­taat? Niet alleen tijd- en geldver­spil­ling, maar ook een kostbare terug­keer naar een tradi­ti­o­neel, op maat ontwik­keld ERP-systeem. 

AI in non-profitorganisaties 

Dan is er het voorbeeld van een grote, inter­na­ti­o­nale non-profit­or­ga­ni­satie die een AI-tool imple­men­teerde om het donateur­be­heer te verbe­teren. Deze tool was ontwik­keld om het gedrag van donateurs te analy­seren, toekom­stige donaties te voorspellen en campagnes voor fondsen­wer­ving te optima­li­seren. Dit bleek echter een geval van overma­tige automa­ti­se­ring. Het algoritme legde de focus op donateurs met een hoge waarde en verwaar­loosde de kleinere donateurs. Boven­dien genereerde het systeem onper­soon­lijke boodschappen aan belang­rijke donateurs en vrijwil­li­gers. Als gevolg hiervan zag de non-profit­or­ga­ni­satie een terugval in donaties en besloot uitein­de­lijk het AI-systeem aanzien­lijk terug te schalen. 

AI in de zakelijke dienstverlening

Het laatste voorbeeld betreft een middel­groot advies­bu­reau dat AI in het ERP-systeem imple­men­teerde om het project­ma­na­ge­ment te optima­li­seren en de toewij­zing van consul­tants te verbe­teren. De AI-algoritmen leverden aanvan­ke­lijk veelbe­lo­vende inzichten en resul­taten op, maar bleken uitein­de­lijk te rigide voor de dynami­sche behoeften van het advies­bu­reau. Medewer­kers werden verkeerd ingezet, klanten waren ontevreden en voor cruciale beslis­singen moest alsnog mense­lijke exper­tise worden ingescha­keld. Dit toont wederom hoe een overam­bi­ti­euze AI-imple­men­tatie kan leiden tot een kostbaar en tijdro­vend proces, zonder de verwachte en gehoopte resul­taten te behalen.

Het vinden van balans

Boven­staande voorbeelden laten wel zien dat AI niet altijd de oplos­sing is. Automa­ti­se­ring kan zeker de produc­ti­vi­teit en effici­ëntie van een proces boosten, maar als de techno­logie niet is uitge­kozen op basis van haar vermogen om een speci­fiek probleem op te lossen, dan mis je je doel. Overweeg je om met AI aan de slag te gaan? Kijk dan eerst naar je bestaande processen en workflows en breng routi­ne­taken in kaart. Identi­fi­ceer vervol­gens wat daar misgaat en wat er beter kan. Dit leidt tot de data die je kunnen helpen om de processen te verbe­teren en kan de vraag beant­woorden of AI de juiste tool is. Vermijd daarbij wel de verlei­ding om alle mogelijke data te gebruiken, want sommige vraag­stukken kunnen nu eenmaal effici­ënter worden opgelost met kleinere datamodellen. 

Ga je daadwer­ke­lijk met AI aan de slag? Dan is effec­tieve data gover­nance cruciaal om ethisch verant­woord gebruik van AI in ERP-systemen te waarborgen. Ontwikkel hiervoor een uitge­breid AI-kader met richt­lijnen voor een verant­woorde ontwik­ke­ling en inzet van de tool. Zo’n kader kan bijvoor­beeld draaien om trans­pa­rantie over de inzet van AI, het beperken van onnodige inzet en het behouden van maatwerk. Daarnaast is het belang­rijk om een standaard evalu­a­tie­proces voor product­ont­wik­ke­ling te imple­men­teren. Daarmee worden AI-functi­o­na­li­teiten voort­du­rend getest op eerlijke en verant­woorde werking en worden risico’s tijdig geminimaliseerd.

De juiste ondersteuning 

Met een gedegen voorbe­rei­ding en strategie kunnen organi­sa­ties het volle­dige poten­tieel van AI ontdekken, zonder in de valkuil van overma­tige en overen­thou­si­aste automa­ti­se­ring te stappen. Definieer het probleem, kies de juiste AI-tool en laat je niet afleiden. Zo imple­men­teer jij AI