Waarom de AI-demo altijd werkt (en de praktijk vaak niet)

Je kent de meeting. De leverancier deelt zijn scherm, de AI leest moeiteloos een factuur in, schrijft een keurige mail, beantwoordt een klantvraag alsof hij er jaren werkt. Iemand zegt "wow". Er wordt getekend.

En een half jaar later gebruikt niemand het.

Dat is geen pech, en meestal ook geen bedrog. Het is de aard van demo's: een demo kán bijna niet mislukken, en dat is precies waarom hij zo weinig bewijst. Dit stuk legt uit waarom elke demo slaagt, wat de cijfers zeggen over het gat tussen proef en praktijk, en welke vijf vragen dat gat zichtbaar maken vóór je tekent.

In het kort

• Een demo draait op schone voorbeelddata, het verwachte scenario en nul onderhoud. Precies de vier dingen die in jouw praktijk anders zijn.
• Het gat is gemeten: slechts een kwart van de bedrijven krijgt meer dan 40% van zijn AI-proefprojecten de praktijk in (Deloitte). Maar het gat sluit zich ook: IDC zag het aandeel proeven dat productie haalt in één jaar stijgen van ruwweg 1 op 8 naar bijna de helft.
• De oorzaak, en het verschil tussen die twee groepen, is zelden de techniek. Het is gereedheid: data, processen en eigenaarschap.
• Er bestaat al een Nederlands woord voor het gevolg: pilotmoeheid.
• De oplossing is niet minder demo's kijken, maar betere vragen stellen. De vijf vragen staan hieronder; de belangrijkste is "mag hij draaien op ónze data?"

Waarom elke demo slaagt

Een demo is geen leugen. Een demo is een omgeving waarin vier lastige dingen tijdelijk niet bestaan.

De data is schoon. De voorbeeldfactuur is perfect leesbaar, de klantvraag is helder geformuleerd, alle velden zijn ingevuld. Jouw werkelijkheid: scheve scans, mails van drie regels zonder onderwerp, en dat ene veld dat de helft van je klanten leeg laat.

Het scenario is het verwachte scenario. De demo toont het geval waarvoor het systeem gebouwd is. Jouw werkelijkheid bestaat voor tachtig procent uit dat geval, en voor twintig procent uit uitzonderingen. En die twintig procent bepaalt of je team het systeem vertrouwt.

Er is niks gekoppeld. In de demo leeft alles in de omgeving van de leverancier. In jouw praktijk moet het praten met je mail, je boekhouding, je systeem van tien jaar oud. Daar zit het echte werk, en dat zie je in geen enkele demo.

Niemand hoeft het te onderhouden. Een demo duurt een uur. Productie duurt jaren, en in die jaren verandert je proces, je team en je software. De demo laat het product zien; nooit het onderhoud.

En de expert zit zelf achter de knoppen. In de demo bedient de leverancier zijn eigen systeem: iemand die elke instelling kent, elke vraag precies goed formuleert en feilloos om de zwakke plekken heen stuurt. In jouw praktijk zit daar je eigen team, dat het systeem voor het eerst ziet en gewoon typt zoals het typt. Het verschil tussen die twee gebruikers is vaak groter dan het verschil tussen twee tools.

Tel het op en de conclusie is nuchter: een demo bewijst dat de techniek bestaat. Meer niet. En de techniek was zelden het probleem.

Het gat, in cijfers

Hoe groot is het verschil tussen enthousiast tekenen en werkend in de praktijk? Daar wordt inmiddels serieus aan gemeten, en de uitkomsten wijzen allemaal dezelfde kant op. Kanttekening vooraf: deze onderzoeken gaan over grotere organisaties wereldwijd, niet specifiek over het Nederlandse MKB. Maar de mechanismen eronder zijn dezelfde.

Deloitte vroeg ruim drieduizend leidinggevenden naar hun AI-proefprojecten: slechts een kwart van de bedrijven kreeg minstens 40% van die proeven daadwerkelijk de praktijk in. McKinsey's wereldwijde peiling van eind 2025 sluit daarop aan: 88% van de organisaties gebruikt AI inmiddels érgens, maar slechts 39% ziet er een meetbaar effect van op het resultaat, en pas een derde is serieus aan het opschalen (volledig geschaald: 7%).

Het scherpste beeld komt van IDC, dat dit twee jaar op rij mat in het CIO Playbook met Lenovo. Begin 2025: van elke 33 gestarte AI-proeven gingen er gemiddeld 4 door naar productie. Een jaar later, in de 2026-editie van hetzelfde onderzoek, was het beeld gekanteld: bijna de helft van de proeven (46%) draaide inmiddels in productie. Eerlijk is eerlijk: het gat sluit zich dus, en snel.

Maar kijk naar IDC's verklaring, want die ís dit stuk. Waar proeven eerst strandden op gereedheid (data, processen, eigenaarschap; proeven die uit bestuurskamer-haast ontstonden, zonder som eronder en zonder eigenaar), zitten de worstelingen volgens IDC nu in integratie, betrouwbaarheid, beveiliging en onderhoudbaarheid. Niet in de slimheid van de modellen. Oftewel: de bedrijven die het gat overstaken, deden dat niet met betere AI, maar met beter huiswerk. Precies de vier dingen die je in geen enkele demo ziet.

Er bestaat in Nederland inmiddels zelfs een woord voor de achterblijvers-kant: pilotmoeheid. Dat woord zou niet bestaan als dit een randverschijnsel was.

Wat er tussen de demo en maandagochtend zit

Het verschil tussen de demo en jouw praktijk is samen te vatten in één zin: je koopt geen demo, je koopt maandagochtend week veertig.

Week veertig is het moment waarop de nieuwigheid eraf is. De AI heeft inmiddels drie keer iets geks gedaan met een uitzondering die niemand had voorzien. De collega die het project trok, heeft het druk met iets anders. Je boekhoudpakket kreeg een update en één koppeling doet raar. Dít is het moment waarvoor je eigenlijk kocht, en er is geen demo die het laat zien.

Wat er in die weken tussen zit, zijn vier dingen: jouw data-rommel die opgeruimd of opgevangen moet worden, de uitzonderingen waar regels of een mens voor nodig zijn, een eigenaar die het systeem als zijn taak ziet, en onderhoud als er iets verandert. Wie die vier regelt, heeft aan bijna elke fatsoenlijke tool genoeg. Wie ze niet regelt, koopt het beste product van de markt en gebruikt het over een half jaar niet meer.

Het is dezelfde les die we trokken in zelf doen, iemand aannemen of uitbesteden: de duurste keuze is niet de verkeerde tool, het is half committeren. De demo-meeting is waar dat halve committeren meestal begint, met de handtekening als enige concrete stap.

De vijf vragen die je bij elke demo stelt

Je hoeft geen techneut te zijn om een demo te doorprikken. Deze vijf vragen zijn genoeg, en aan de reactie heb je vaak meer dan aan het antwoord.

1. "Kan hij dit ook met ónze data?" De belangrijkste vraag van de vijf. Vraag of de demo herhaald kan worden met jullie eigen facturen, mails of aanvragen van vorige week, rommel en al. Een leverancier die dat aandurft, heeft iets. Een leverancier die het afhoudt, vertelt je ook iets.

2. "Wat doet hij bij een geval dat niet in het script past?" Laat iemand van je team een rare vraag stellen, een halve mail sturen, een scheve scan aanleveren. Je wil niet zien dat het altijd goed gaat; je wil zien wat er gebeurt als het misgaat. Netjes doorgeven aan een mens is een prima antwoord. Zelfverzekerd iets verzinnen niet.

3. "Wie onderhoudt dit straks, en wat kost dat per maand?" Niet de licentie; het onderhoud. Wie past het aan als ons proces verandert? Wat gebeurt er bij een update van onze andere software? Als het antwoord "dat gaat vanzelf" is, ben je klaar met dit gesprek.

4. "Wat moet er bij óns geregeld zijn voor dit live kan?" Een eerlijke leverancier komt met een lijstje: toegang tot systemen, iemand die uitzonderingen beoordeelt, een proefperiode op echte data. Geen lijstje betekent dat jij het lijstje bent.

5. "Mogen we een klant spreken die hier langer dan een half jaar mee draait?" Niet de referentie van de lancering; de referentie van week veertig. Die klant weet wat onderhoud kost, waar het schuurt en of het team het nog gebruikt.

Je zult merken: goede partijen worden enthousiast van deze vragen, want ze krijgen ze te weinig. Dat enthousiasme is zelf ook een signaal.

Hoe wij demo's doen

Voor de duidelijkheid over waar wij staan: wij houden van een goede demo, en we geven ze zelf ook. Maar het liefst pas ná een korte audit, en op jouw eigen gegevens, want een gelukkige route op voorbeelddata bewijst niks en dat weten wij ook.

Die audit is er niet voor de vorm: hij bepaalt wát er überhaupt te demonstreren valt. Welk proces kost nu de meeste tijd, waar zit de data, wie gaat ermee werken, en welke uitzonderingen moeten we meenemen. Pas als dat scherp is, heeft laten zien zin; anders demonstreer je een oplossing voor een probleem dat je nog niet kent.

Wat je bij ons in een demo ziet, is daarom eerder saai dan spectaculair: jouw eigen documenten, inclusief de scheve gevallen, en een eerlijk verhaal over wat er daarna nog moet gebeuren voor het maandagochtend week veertig overleeft. Het verschil tussen een demo en een werkend systeem is precies wat je bij ons inkoopt; dat verschil ís ons vak.

Veelgestelde vragen

Is een indrukwekkende demo een slecht teken?

Nee, gewoon geen bewijs. Elke serieuze partij kan tegenwoordig een indrukwekkende demo geven; de techniek is er goed genoeg voor. Beoordeel de demo dus niet op de wow, maar op wat er gebeurt bij jouw data, jouw uitzonderingen en de onderhoudsvraag.

Waarom mislukken er dan zoveel AI-proeven?

Zelden door de techniek. IDC wijst op gereedheid (data, processen, eigenaarschap) en op proeven die uit haast geboren worden, zonder duidelijke som en zonder eigenaar. Een proef zonder eigenaar is geen proef; het is uitstel met een licentie.

Hoe test ik zelf zonder in het proeven-kerkhof te belanden?

Klein beginnen, maar wel écht: één bestaand proces, echte data, een echte eigenaar, en vooraf afspreken wat "het werkt" betekent (bijvoorbeeld: acht van de tien gevallen goed, de rest netjes naar een mens). En durf de uitkomst "dit hoeft niet" te accepteren; dat is een geslaagde proef, geen mislukte.

Wat als de leverancier geen demo op onze eigen data wil doen?

Dan heb je je antwoord. Er kan een nette reden zijn (privacy, voorbereiding kost tijd), en die mag je horen. Maar een partij die er structureel omheen praat, verkoopt je de gelukkige route.

Hoe lang moet een goede proefperiode duren?

Dat laat zich niet in weken uitdrukken, en wantrouw iedereen die dat wel doet. Een goede proef is klaar als hij genoeg échte gevallen heeft gezien, inclusief de rare, en als je weet wie het systeem daarna onderhoudt. Spreek dus geen einddatum af maar een eindcriterium: zoveel gevallen verwerkt, zo vaak goed, en dit gebeurt er met de rest.

Tot slot

De demo werkt altijd. Onthoud dat niet als cynisme maar als natuurkunde: schone data, het verwachte scenario, geen koppelingen, geen onderhoud. Zo gedraagt élk systeem zich als een droom.

De cijfers laten twee dingen tegelijk zien. Het gat tussen proef en praktijk is echt; het woord pilotmoeheid heeft de Nederlandse taal niet voor niks bereikt. En het gat is geen natuurwet: in één jaar tijd zag IDC het aandeel proeven dat productie haalt stijgen naar bijna de helft. Het verschil tussen de twee groepen was niet betere techniek. Het was het werk tussen demo en maandagochtend, dat bij de ene groep wél iemands taak was.

Stel dus de vijf vragen. En wil je een demo die begint waar de meeste ophouden, op jouw eigen data, met het eerlijke verhaal erbij? Plan een gesprek; dan kijken we eerst wat er bij jou te winnen valt, en laten we daarna pas iets zien.

Bronnen

• Deloitte, State of AI in the Enterprise 2026 (Nederlands persbericht, januari 2026), https://www.deloitte.com/nl/nl/about/press-room/state-of-ai-in-the-enterprise-2026.html · slechts 25% van de bedrijven bracht ten minste 40% van de AI-pilots naar productie (n=3.235 leidinggevenden, 24 landen).
• IDC / Lenovo, CIO Playbook 2025, via CIO.com, https://www.cio.com/article/3850763/88-of-ai-pilots-fail-to-reach-production-but-thats-not-all-on-it.html · meting begin 2025: van 33 gestarte POC's gingen er gemiddeld 4 naar productie (88% niet); oorzaak volgens IDC: lage gereedheid op data, processen en IT, onduidelijke ROI, gebrek aan expertise.
• Lenovo / IDC, CIO Playbook 2026 (persbericht 27 januari 2026, n=800 IT- en business-beslissers wereldwijd), https://news.lenovo.com/pressroom/press-releases/research-reveals-ai-is-paying-off-cios-arent-ready/ · 46% van de AI-proof-of-concepts inmiddels in productie; 60% van organisaties in late adoptiefase; resterende worstelingen: integratie, betrouwbaarheid, beveiliging, governance en onderhoudbaarheid, "not with model intelligence".
• McKinsey, The State of AI 2025: Agents, innovation, and transformation (5 november 2025, n=1.993, 105 landen), https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai · 88% gebruikt AI in minstens één functie, 39% ziet meetbaar effect op het resultaat; ~een derde is aan het opschalen, 7% volledig geschaald.
• Dutch IT Channel, "De kloof tussen pilot en productie overbruggen" (21 januari 2026), https://www.dutchitchannel.nl/news/722983/de-kloof-tussen-pilot-en-productie-overbruggen · gebruikt letterlijk de term "pilotmoeheid"; bespreekt de Deloitte-cijfers in het Nederlands.