In 1971 lanceerde de Sovjet-Unie Saljoet 1, het eerste ruimtestation. Het werkte. Kosmonauten vlogen erheen, voerden experimenten uit, bewezen dat langdurig verblijf in de ruimte mogelijk was. En toen kwam er niemand meer. Het station draaide drie jaar leeg rond de aarde tot het terugviel in de atmosfeer en verbrandde.
Technisch een succes. Strategisch een spookschip.
Veel organisaties hebben hun eigen Saljoet in de kast staan. Een AI-pilot die ooit met enthousiasme is gestart, die een mooie demo heeft opgeleverd, die technisch prima werkt. En die nu ergens draait waar drie mensen hem gebruiken en niemand de vraag stelt of het nog zin heeft.
Het tussengebied
We noemen ze Zombie Pilots. Te levend om te begraven, te zwak om op te schalen. Ze bestaan in een soort organisatorisch vagevuur waar niemand de verantwoordelijkheid neemt om een beslissing te forceren.
Het patroon is herkenbaar. Iemand had een goed idee. Er werd budget vrijgemaakt. Een team bouwde een prototype. De demo was indrukwekkend. De stuurgroep knikte. En toen... werd het stil.
Geen beslissing om op te schalen. Geen beslissing om te stoppen. De pilot blijft hangen in een staat van permanente evaluatie. "We kijken het nog even aan." Kwartaal na kwartaal.
Het kost meer dan je denkt. De directe kosten (licenties, compute, onderhoud) zijn zichtbaar. De indirecte kosten zijn groter. Het team dat de pilot beheert kan niet aan iets nieuws werken. De organisatie verliest vertrouwen in AI-projecten in het algemeen. En elke nieuwe pilot start met de onuitgesproken vraag: wordt dit de volgende zombie?
Waarom het gebeurt
Drie mechanismen houden zombies in leven.
Geen eigenaar. De meeste pilots worden gestart door een projectteam. Als het projectteam klaar is, is er niemand die zegt: dit is nu mijn verantwoordelijkheid. Zonder eigenaar is er niemand die de moeilijke beslissing neemt.
Verkeerde metrics. De pilot meet of de technologie werkt. Dat is het verkeerde bewijs. De vraag die ertoe doet: gebruiken echte mensen dit vrijwillig tijdens hun normale werkdag? Als je dreigt de tool uit te zetten en niemand protesteert, heb je je antwoord. Het helpt om ook de Meaning Test te stellen: is het werk er daadwerkelijk beter van geworden, of alleen sneller?
Stoppen voelt als falen. In de meeste organisaties is het makkelijker om een project te laten doormodderen dan om het expliciet te stoppen. Stoppen vereist dat iemand zegt: dit was de investering niet waard. Dat is politiek oncomfortabel. Doormodderen kost alleen geld.
Wat je eraan doet
De oplossing is een harde afspraak voordat je begint. Elke AI-pilot krijgt bij de start een einddatum en vier mogelijke uitkomsten: opschalen, aanpassen, een andere richting inslaan, of stoppen. Alle vier zijn goede uitkomsten. De enige slechte uitkomst is geen beslissing nemen. Een goed opgezet AI proof of concept dwingt die beslissing af binnen twee weken.
Twee weken is genoeg voor een eerste experiment. Aan het eind van die twee weken dwing je een keuze af. Met data. Hoeveel mensen hebben het gebruikt? Is de kwaliteit omhoog gegaan? Klagen ze als je dreigt het uit te zetten?
En als het antwoord "stoppen" is, vier dat. Documenteer wat je geleerd hebt. Een gestopt experiment dat inzichten oplevert is waardevoller dan een doormodderende pilot die niets bewijst.
Het gaat om discipline. De discipline om te beslissen op basis van bewijs. De discipline om te stoppen als het bewijs er niet is. De discipline om "we kijken het nog even aan" niet te accepteren als strategie. Proof before scale: bewijs de waarde voordat je de investering vergroot.
Saljoet 1 werd uiteindelijk vervangen door Saljoet 4, 6 en 7. Elk station bouwde voort op wat het vorige had geleerd. De Sovjet-Unie had iets cruciaal goed gedaan: ze hadden het durven laten vallen om iets beters te bouwen.
Hoeveel AI-pilots in jouw organisatie zouden beter af zijn met een eervolle begrafenis en een schone start?