Wat een AI-scan wel en niet oplevert

Een AI-scan levert een onderbouwd besluit op, geen werkend systeem. Na een AI Readiness Scan weet je waar je organisatie staat, welke vijf tot tien kansen er liggen, wat de drie beste opleveren op je eigen cijfers en in welke volgorde je ze aanpakt. Je hebt dan nog niets gebouwd, je data is nog net zo rommelig als ervoor, je mensen werken nog op dezelfde manier en niemand heeft je rendement gegarandeerd. Wie je iets anders vertelt, verkoopt je een verwachting die de scan niet kan waarmaken.

Dat tweede deel van het antwoord staat zelden op een verkooppagina. Toch is het het deel waar je als eigenaar of directeur het meeste aan hebt. Je beslist niet over een tool, je beslist over een stuk geld en een stuk aandacht van je organisatie. Dan wil je vooraf weten waar de grens ligt van wat je koopt.

Dit stuk loopt beide kanten langs, met de grens zo precies mogelijk getrokken.

Het korte antwoord in een tabel

De linkerkolom komt rechtstreeks van onze eigen pagina over de AI Readiness Scan. De rechterkolom staat daar niet, en daarom staat hij hier.

Vier mensen in een vergaderruimte. De scan eindigt met een besluit dat deze tafel nog moet nemen.

Waarom we eerst zeggen wat het niet is

Er is een eenvoudige reden om met de beperkingen te beginnen. Een aanbieder die eerlijk zegt wat iets niet doet, kun je geloven over wat het wel doet. Een aanbieder die alles belooft, kun je op niets controleren.

Voor een bedrijf van vijftig tot driehonderdvijftig mensen weegt dat zwaarder dan voor een concern. Een groot bedrijf kan een mislukte verkenning afschrijven en opnieuw beginnen. Bij jou staat er een naam op, die van jou, en de volgende keer dat je het woord AI in een managementoverleg laat vallen, kijkt iedereen naar wat de vorige keer heeft opgeleverd.

Een scan die meer belooft dan hij levert, kost je dus twee keer. Een keer het bedrag, en een keer het vertrouwen in de organisatie dat de volgende stap de moeite waard is. Dat tweede is lastiger terug te verdienen.

De verwachting vooraf goed zetten is daarom risicobeheer, en het is precies wat je van een kleine, omkeerbare eerste stap mag eisen.

Wat een AI Readiness Scan wel oplevert

Op de scan-pagina staan vier opbrengsten. We lopen ze een voor een langs, met erbij wat je er concreet mee doet.

Een: je positie. Een eerlijk beeld van waar je organisatie vandaag staat, ten opzichte van je peers en je ambitie. Het nut zit in het woord eerlijk. De meeste directies schatten hun eigen positie verkeerd in, in beide richtingen. Sommigen denken dat ze ver achterlopen terwijl ze al jaren data hebben liggen die bruikbaar is. Anderen denken dat ze goed bezig zijn omdat een paar medewerkers een chatbot gebruiken, terwijl er in de bedrijfsvoering niets is veranderd. Een positiebepaling haalt die schatting uit het onderbuikgevoel.

Twee: een prioriteitenmatrix. Vijf tot tien concrete kansen, gerangschikt op opbrengst tegenover haalbaarheid, zodat je weet waar je begint. Dit is voor de meeste directies het onderdeel dat het meeste tijd scheelt, omdat het een eindeloze lijst met ideeën terugbrengt tot een korte lijst met een volgorde. Hoe zo'n matrix werkt en waarom de haalbaarheid net zo zwaar weegt als de opbrengst, staat in de prioriteitenmatrix voor tien AI-kansen.

Drie: rendement op je eigen cijfers. Een berekening van het rendement op je top drie kansen, op basis van je echte cijfers en niet op benchmarks. Dat verschil is groter dan het klinkt. Een benchmark vertelt je wat een gemiddeld bedrijf zou kunnen besparen. Jij bent geen gemiddeld bedrijf. Een berekening op je eigen uren, je eigen tarieven en je eigen volumes is een getal waar je zelf op kunt doorrekenen, en dat je kunt verdedigen tegenover je accountant of je aandeelhouders. Hoe je die som zelf opzet, staat in AI-rendement berekenen op je eigen cijfers.

Vier: een roadmap voor de boardroom. Een onderbouwd plan dat je aan je board presenteert en het volgende kwartaal kunt gaan uitvoeren. Geen dik rapport, wel een volgorde van stappen met per stap wat het vraagt en wat het moet opleveren.

Daaromheen staan op de pagina een paar praktische feiten die je mag kennen voordat je begint. De scan duurt twee weken van start tot oplevering. Hij bestaat uit een digitale intake, gesprekken met een aantal sleutelmensen, een analyse en een oplevering die we live op je kantoor presenteren. Je IT hoeft er niet voor aangepast te worden: er wordt niets gemigreerd en je bestaande systemen blijven intact. En de roadmap blijft van jou, ook als je daarna niets meer met ons doet. Hoe die tien dagen er per dag uitzien, staat in van AI-Foto naar roadmap in tien dagen.

Wat een scan niet oplevert

Nu de rechterkolom, uitgeschreven. Dit zijn de grenzen die we zelf aan de scan stellen. Ze gelden overigens voor vrijwel elke scan in deze categorie, niet alleen voor de onze.

Hij bouwt niets. Na twee weken draait er geen nieuwe toepassing. Er is geen pilot, geen prototype, geen proef in productie. Dat is een bewuste keuze. Een diagnose en een bouw zijn twee verschillende activiteiten met een ander risicoprofiel, en wie ze door elkaar haalt, gaat bouwen voordat duidelijk is wat het waard is om te bouwen. Het bouwen gebeurt eventueel daarna, in een Capability Sprint op projectbasis, met je eigen mensen.

Hij neemt het besluit niet voor je. De matrix laat zien welke kans bovenaan staat en waarom. Of je daar ook mee begint, is een keuze die alleen jij kunt maken, omdat alleen jij weet wat er nog meer op je bord ligt. Misschien loopt er een ERP-vervanging, misschien staat er een overname op stapel, misschien heeft de afdeling die bovenaan staat net twee mensen verloren. Een scan weegt die dingen mee als je ze vertelt. Hij kan ze niet voor je afwegen.

Hij repareert je data niet. De scan laat zien waar je data een knelpunt is voor een bepaalde kans. Dat is nuttige informatie, want het verklaart vaak waarom een kans met een hoge opbrengst toch lager in de matrix staat. Maar na de scan betekent het woord klant in je ERP nog steeds iets anders dan in je CRM. Dat werk moet nog gebeuren, en het hoort bij de bouw. Wat daar precies bij komt kijken, staat in je data op orde voor AI-agents.

Hij garandeert geen rendement. De berekening op je top drie is een onderbouwde verwachting, gebaseerd op de cijfers die je aanlevert en de aannames die we samen maken. Ze is zo goed als die cijfers en die aannames. Wie je een gegarandeerd rendement belooft voordat er iets gebouwd is, weet iets wat niemand kan weten, of vertelt je iets wat niet klopt.

Hij leert je mensen niets. In de gesprekken worden mensen gevraagd naar hun werk, en dat zet soms iets in beweging. Maar een gesprek van een uur is geen training. Na de scan kan niemand in je organisatie iets wat hij daarvoor niet kon. Het vermogen om zelf met AI te werken bouw je op tijdens het bouwen, niet tijdens de diagnose. Daarom is een adviesrapport geen capability, en een roadmap ook niet.

Hij kijkt niet naar alles. Vijf tot tien kansen is een selectie. Er zijn processen in je bedrijf waar we niet naar kijken, omdat de gesprekken en de intake ze niet naar boven brengen of omdat ze te weinig volume hebben om de moeite te lonen. Dat is de prijs van een scan van twee weken. Een volledige doorlichting van elk proces kost maanden, en levert meestal een lijst op die te lang is om iets mee te doen.

Hij is geen juridische toets. De scan beoordeelt niet of een toepassing voldoet aan de AI Act of de AVG. Speelt dat bij een kans, dan heb je daar een aparte beoordeling voor nodig, door iemand die er juridisch voor verantwoordelijk is.

Een hand die in een notitieboek schrijft. Schrijf op wat een scan niet doet voordat je tekent, niet erna.

Waar de grens precies ligt: een voorbeeld

Een voorbeeld maakt de grens concreter. Het is verzonnen en dient alleen om de redenering te laten zien.

Stel: een groothandel met 120 medewerkers. In de intake en de gesprekken komt naar voren dat de afdeling inkoop veel tijd kwijt is aan het overtypen van orderbevestigingen van leveranciers in het ERP, en aan het nalopen van afwijkingen in prijs en levertijd. De binnendienst noemt iets vergelijkbaars voor inkomende klantorders per mail. De planner noemt de wekelijkse voorraadprognose, die hij uit zijn hoofd bijstelt.

De scan levert in dit voorbeeld drie dingen op over deze drie kansen. Een rangorde: de orderbevestigingen staan bovenaan, omdat het volume hoog is, de uitkomst goed te controleren is en de data er al ligt. De voorraadprognose staat lager, omdat de opbrengst misschien groter is maar de historische data onvolledig. Een berekening: uren per week maal het integrale uurtarief maal het deel dat redelijkerwijs te automatiseren is, uitgewerkt op de cijfers die de groothandel zelf aanlevert. En een volgorde: eerst de orderbevestigingen, dan de klantorders, en de prognose pas als de data op orde is.

Wat de scan in dit voorbeeld niet oplevert: een systeem dat de orderbevestigingen leest. Een besluit over wie bij inkoop verantwoordelijk wordt. Een opgeschoonde artikelstam. Een garantie dat de besparing ook gehaald wordt. En een inkoper die weet hoe hij een model controleert.

Dat laatste rijtje is geen tekortkoming van de scan. Het is de lijst met dingen die de groothandel daarna moet regelen, en het is beter om die lijst vooraf te kennen dan om hem halverwege de bouw te ontdekken.

Wat er na de scan nog van jou gevraagd wordt

Omdat de scan een besluit oplevert en geen systeem, ligt er na de oplevering werk bij jou. Dat werk is overzichtelijk, maar het is er wel.

Je moet kiezen. De roadmap geeft een volgorde, maar jij bepaalt of je die volgt, of je wacht, of je de eerste stap zelf zet. Er is geen verkeerd antwoord, zolang het een besluit is en geen uitstel zonder datum.

Je moet een eigenaar aanwijzen. Iemand in je organisatie die verantwoordelijk is voor de eerste kans, ook als er een externe partij bij komt. Kan niemand die rol nemen, dan is dat bruikbare informatie: dan is de eerste stap tijd vrijmaken, en de bouw komt later.

Je moet tijd vrijmaken. Elke kans die je oppakt vraagt uren van de mensen die het werk het beste kennen, en dat zijn bijna altijd je drukste mensen. De scan laat zien welke mensen dat zijn. Hij maakt hun agenda niet leeg.

En je moet bepalen hoe je over een halfjaar meet of het gewerkt heeft. De berekening uit de scan is daarvoor een goed begin, omdat hij op je eigen cijfers staat. Spreek vooraf af welk getal je over zes maanden terug wilt zien.

Hoe je een scan beoordeelt, van ons of van een ander

Er zijn meer partijen die een AI-scan aanbieden, en de inhoud verschilt sterk. Een paar vragen helpen om ze naast elkaar te leggen. Stel ze ook aan ons.

1. Wat krijg ik concreet op papier, en kan ik dat zonder jullie gebruiken?
2. Rekenen jullie op mijn eigen cijfers of op benchmarks uit de markt?
3. Wat bouwen jullie in de scan, en wat niet?
4. Wie in mijn bedrijf spreken jullie, en hoeveel tijd kost dat hen?
5. Wat zeggen jullie als de uitkomst is dat ik nog niet moet beginnen?

De laatste vraag is de scherpste. Een scan die nooit tot de conclusie kan komen dat je beter kunt wachten, is een verkoopgesprek met een rapport erbij. Een eerlijke uitkomst kan ook zijn dat de belangrijkste stap eerst iets anders is: een ERP-vervanging afronden, iemand vrijmaken, eerst de definities in je data gelijktrekken. Wie dat als mogelijke uitkomst durft te noemen, kun je geloven als de uitkomst wel is dat je moet beginnen.

Een tweede toets: vraag naar wie de scan eigenlijk is. Een scan die bij IT begint, levert een IT-plan op. Waarom dat bij de eigenaar hoort te beginnen, staat in waarom een AI-scan geen IT-project is. Dit stuk gaat over wat er uitkomt. Dat stuk gaat over wie aan tafel zit.

Een lang magazijnpad met stellingen. De kansen zitten in het dagelijkse werk, de scan zet ze alleen op volgorde.

Waarom een diagnose toch de moeite waard is

Na al die beperkingen is de vraag terecht: waarom zou je er dan aan beginnen? Het antwoord zit in wat er gebeurt als je de diagnose overslaat.

Het CBS meet dat in 2025 45 procent van de bedrijven met 50 tot 250 werkzame personen AI gebruikte, tegenover 66 procent bij bedrijven vanaf 250. Bij de middelgrote bedrijven was dat in 2023 nog 20 procent. Er wordt dus volop begonnen. De vraag is alleen waarmee.

Een veelbesproken rapport van MIT's Project NANDA uit 2025 kwam tot de conclusie dat ongeveer 95 procent van de onderzochte generatieve AI-pilots geen meetbaar effect op de winst- en verliesrekening had. Dat rapport is niet peer-reviewed en berust deels op interviews en enquêtes onder leidinggevenden, dus deels op zelfrapportage. Hang er geen beleid aan op. De richting is wel herkenbaar: er wordt veel geprobeerd en weinig vooraf doorgerekend.

Daar zit de waarde van een diagnose. Ze voorkomt niet dat je iets bouwt wat tegenvalt. Ze verkleint de kans dat je iets bouwt op de verkeerde plek, omdat je vooraf weet welke kans bovenaan staat en waarom. Voor een bedrijf dat voorzichtig is met geld en risico, is dat de goedkoopste verzekering die er is: een paar duizend euro om te voorkomen dat een veel grotere investering op een onderbuikgevoel rust.

Waar je begint

Wil je eerst zonder verplichting zien waar je staat, begin dan met de AI-Foto. Dat is een gratis zelfscan van twaalf vragen die tien minuten kost en je een eerste beeld geeft van je uitgangspositie. Wat de AI-Foto precies meet, staat op wat is een AI-Foto.

Wil je daarna een onderbouwd plan, dan is de AI Readiness Scan de volgende stap. Hij start vanaf 3.900 euro, afhankelijk van de omvang en modules, en levert in twee weken de vier opbrengsten op die hierboven staan. Niet meer, en ook niet minder. Een korte definitie staat op wat is een AI Readiness Scan, en wie eerst wil nagaan of de organisatie er al aan toe is, kan beginnen bij hoe weet je of je organisatie klaar is voor AI.

Over deze pagina

De vier opbrengsten, de doorlooptijd van twee weken, de opbouw in intake, gesprekken, analyse en oplevering en de prijs vanaf 3.900 euro komen van onze eigen AI Readiness Scan-pagina. De lijst met wat een scan niet oplevert is Radicals eigen positie. De cijfers over AI-gebruik naar bedrijfsgrootte komen van het CBS (voorlopige cijfers 2025). Het cijfer van 95 procent komt uit het rapport van MIT Project NANDA, dat niet peer-reviewed is en deels op zelfrapportage berust. Het voorbeeld van de groothandel is verzonnen ter illustratie; er is geen klantdata gebruikt. Dit is de stand van 5 oktober 2026.