In 1999 lanceerde Iridium een netwerk van 66 satellieten voor wereldwijde mobiele telefonie. Technologisch een meesterwerk. Commercieel een catastrofe. Het bedrijf ging failliet een jaar na lancering. De technologie werkte perfect. Er was alleen geen markt voor een telefoon van drieduizend dollar die niet binnenshuis werkte.
Iridium bewees dat iets kon. Ze bewezen nooit dat iemand het wilde.
Dat onderscheid, tussen "het werkt" en "het is het waard", is de kern van elk AI-project dat van experiment naar productie moet.
Het momentum-probleem
Een succesvolle AI-demo is gevaarlijk. Het creëert momentum. De stuurgroep is enthousiast. Het team wil doorpakken. De leverancier ruikt een groter contract. Iedereen wil schalen.
En dat is precies het moment waarop de meeste organisaties de duurste fout maken in AI-adoptie: ze schalen iets dat ze nog niet bewezen hebben.
"Bewezen" is hier het sleutelwoord. Een demo bewijst dat de technologie werkt. Een pilot bewijst dat het technisch kan. Maar schalen vereist een ander soort bewijs. Bewijs dat echte mensen het vrijwillig gebruiken. Bewijs dat de kwaliteit standhoudt onder dagelijks gebruik. Bewijs dat de kosten beheersbaar blijven als je van tien naar duizend gebruikers gaat. Bewijs dat het werk er daadwerkelijk beter van wordt.
Dat bewijs is er bijna nooit op het moment dat de druk om te schalen het grootst is.
De zeven vragen
Tussen experiment en schaal zit een beslismoment. Zeven vragen die je eerlijk moet beantwoorden.
Is de waarde bewezen? Harde data, gemeten tegen criteria die je vooraf hebt vastgesteld. De overtuiging van de sponsor is geen bewijs. Het bewijsdossier is bewijs.
Is er een eigenaar? Iemand die over zes maanden nog steeds verantwoordelijk is als er iets misgaat. Niet het AI-team. Niet de consultant. Een permanente eigenaar in de business.
Is het werk beter geworden? Sneller is makkelijk te meten. Beter is moeilijker. Vinden de mensen die ermee werken hun werk zinvoller dan daarvoor? Als het antwoord nee is, schaal je onvrede.
Is het gebruik echt? Kijken mensen op het dashboard, of gebruiken ze het systeem echt? De logboeken vertellen de waarheid. Enthousiasme in een stuurgroep is geen gebruik op de werkvloer.
Is het veilig op schaal? Wat bij tien gebruikers werkt, kan bij duizend gebruikers een risico worden. Data die bij een experiment acceptabel is, kan bij schaal een privacyprobleem worden. Kosten die bij een pilot beheersbaar zijn, kunnen bij schaal exploderen.
Is het bewijs compleet? Zijn de tests gedaan, de metrics verzameld, de feedback gehoord? Een groen licht op basis van onderbuikgevoel is een rood licht.
Kun je drift detecteren? Alles degradeert. Modellen worden minder accuraat. Gebruikers worden minder kritisch. Kosten kruipen omhoog. Heb je een systeem om dat op te merken voordat het een probleem wordt?
Als een van deze vragen een helder "nee" oplevert, schaal je niet. Je gaat terug naar het experiment. Dat klinkt als een stap terug. Het is de meest waardevolle stap die je kunt zetten. Je hebt ook governance nodig die dit ritme ondersteunt: korte lijnen, heldere principes, en het vertrouwen om te stoppen als het bewijs er niet is.
Waarom stoppen waarde heeft
De meeste organisaties hebben moeite met stoppen. Stoppen voelt als falen. Geld verspild. Tijd verloren.
Maar een experiment dat stopt met duidelijke redenen levert meer op dan een pilot die doormoddert. Je weet wat werkt en wat niet. Je weet welke aannames klopten en welke niet. Je hebt beslisdata. Dat is precies waarvoor je het experiment deed.
De duurste AI-projecten zijn de projecten die niemand durft te stoppen. Zombie Pilots: die kwartaal na kwartaal doorlopen met de belofte dat het "bijna" werkt. Die langzaam budget, energie en vertrouwen opeten tot er niets meer over is.
Proof before scale is geen rem op innovatie. Het is bescherming tegen de illusie van vooruitgang.
Iridium besteedde vijf miljard dollar om te bewijzen dat satelliettelefonie technisch mogelijk was. Ze besteedden bijna niets om te testen of iemand het wilde kopen. De technologie overleefde. Het bedrijf niet.
De les is dezelfde als bij elk AI-project: bewijs de waarde voordat je de investering vergroot. Het experiment is goedkoop. De schaalfout is duur.