Hoe bepaal je de ROI van AI?

Organisaties besteden grote bedragen aan de ontwikkeling en implementatie van AI in hun productieprocessen. Volgens een recent rapport van Deloitte besteedt de helft van de organisaties tussen de 21 en 50 procent van hun digitaliseringsbudget aan AI. Daarmee loopt de druk op om aan te tonen dat die investeringen ook daadwerkelijk leiden tot waardevermeerdering.

Succes meten kan echter pas echt nadat oplossingen getest zijn én robuust in productie draaien. Die opschaling is voor de meeste bedrijven nog een uitdaging. De vraag is of het strikte denken in termen van ROI, zoals nu vaak gebeurt, wel reëel is. In een artikel bij CIO Dive gaan verschillende bestuurders in op dit vraagstuk. Mihai Strusievici, oprichter van adviesbureau Axsion Digital Evolution, zegt bijvoorbeeld relativerend: “Is ooit berekend wat de ROI is van een tekstverwerker of een spreadsheet?”

Uitvinden wat werkt

Niet elke AI-implementatie hoeft een kwantificeerbare ROI te hebben. De waarde zit ook in minder frictie, tijdwinst, tevreden medewerkers en loyalere klanten. “Je hoeft niet altijd een getal in een spreadsheet te zetten en aan te geven dat je uit een initiatief 12 miljoen dollar gaat halen”, stelt Sridhar Nallani, CTO bij fintech-bedrijf Prog Holdings. Bovendien, zo zegt Jason James, CIO van retail technologiebedrijf Aptos Retail, zitten organisaties wat betreft AI nog in een R&D-fase. “We moeten nog uitvinden wat werkt. Dat houdt in dat we geld investeren in zaken waarbij we tot de conclusie komen dat het niet werkt en het resultaat dus een lage waarde heeft.”

Het pad naar waardecreatie is zelden lineair, blijkt uit het verhaal van Doug Saunders, CIO bij Arctic Glacier Premium Ice. Dit bedrijf startte met een agentic AI-systeem, gebaseerd op Microsoft Copilot, dat klanten helpt bij het plaatsen van bestellingen en vragen beantwoordt over de bestelstatus. Dat leverde uiteindelijk een besparing van tientallen miljoenen op het callcenter en de logistiek. Dit resultaat was echter de uitkomst van een trial-and-error-traject, inclusief de overstap naar een ander platform. Pas daarna was het systeem robuust genoeg om het in productie te nemen. “Je start met een kleine vraag uit de business en je bewijst dat het werkt. Daar kun je een goede ROI op laten zien. Vervolgens onderzoek je verschillende manieren om dat succes uit te bouwen”, vertelt Saunders.

Verwachtingen zijn vaak overspannen

Dat gaatniet altijd even goed. Uit het Deloitte-onderzoek blijkt dat slechts een kwart van de ondervraagden zegt dat hun organisatie meer dan 40 procent van de experimenten met AI daadwerkelijk in productie heeft genomen. Dat staat in schril contrast met de verwachting van meer dan de helft van de bedrijven dat pilots binnen enkele maanden in productie komen. Wie de implementatie van AI alleen langs de ROI-meetlat legt, mist dus vaak de echte winst: die zit juist in stap voor stap frictie wegnemen, leren wat werkt en daarna durven opschalen.