Hoe lang duurt een gemiddeld AI-automatiseringsproject?

Jaap de Roos · 30 Jul 2026

Een AI-automatiseringsproject duurt gemiddeld drie tot negen maanden, afhankelijk van de complexiteit van het proces, de kwaliteit van de beschikbare data en de mate van organisatorische voorbereiding. Eenvoudige automatiseringen met schone data en gedocumenteerde processen kunnen in acht tot twaalf weken live gaan. Complexere trajecten waarbij meerdere systemen, compliance-eisen en organisatieverandering samenkomen, lopen al snel op tot een jaar of langer. De vragen hieronder helpen je inschatten waar jouw project in dat spectrum valt en hoe je de planning realistisch houdt.

Welke factoren bepalen de doorlooptijd van een AI-project?

De doorlooptijd van een AI-automatiseringsproject wordt het sterkst bepaald door de kwaliteit van je data, de volwassenheid van je processen en de mate waarin de organisatie klaar is voor verandering. Technologie is zelden de vertragende factor. Het zijn de fundamenten eronder die bepalen hoe snel je verantwoord kunt opschalen.

Concreet zijn dit de factoren die de meeste impact hebben op je planning:

Datakwaliteit en datagovernance: Ontbreekt er een semantische laag, zijn eigenaarschap en definities niet vastgelegd, of is de brondata inconsistent, dan kost het opschonen en structureren weken tot maanden extra tijd.
Procesvolwassenheid: Een AI-agent kan alleen herhaalbaar werk automatiseren. Werk dat afhankelijk is van impliciete kennis bij individuele medewerkers, is niet automatiseerbaar zonder dat je het eerst documenteert en standaardiseert.
Security en identity: Agents hebben authenticatie en autorisatie nodig, net als menselijke gebruikers. Als dat fundament er nog niet ligt, moet het alsnog worden gebouwd voordat je live kunt gaan.
Compliance: De AVG en de EU AI Act stellen eisen aan documentatie, audit trails en aantoonbare zorgvuldigheid. Raadpleeg hiervoor altijd je eigen juridisch adviseur, want de impact op je planning verschilt per sector en toepassingsgebied.
Organisatorische veranderbereidheid: Medewerkers die begrijpen wat een agent wel en niet kan, en die hun werkwijze durven aanpassen, versnellen de implementatie aanzienlijk. Weerstand of onduidelijkheid over rollen en beslissingsbevoegdheden vertraagt juist.

Kortom: hoe meer van deze fundamenten al op orde zijn, hoe korter het traject. Wie pas na de eerste tegenslagen begint met het leggen van deze basis, betaalt dat terug in vertraging en herwerk.

Wat is een realistische tijdlijn per type AI-automatisering?

De tijdlijn varieert sterk per type AI-automatisering. Een afgebakende procesautomatisering met schone data en een gedocumenteerd werkproces is indicatief in acht tot twaalf weken realiseerbaar. Een end-to-end AI-agent die meerdere systemen aanstuurt en beslissingen neemt, vraagt realistisch gezien zes tot twaalf maanden. Dit zijn indicatieve bandbreedtes, geen garanties.

Eenvoudige procesautomatisering (acht tot twaalf weken)

Dit type project richt zich op een afgebakend, herhaalbaar proces: denk aan het automatisch classificeren van inkomende documenten, het routeren van meldingen of het samenvatten van gestructureerde data. De randvoorwaarden zijn relatief beperkt: de data is beschikbaar en schoon, het proces is gedocumenteerd en er is een heldere waardehypothese. Welk probleem lost de automatisering op, voor wie, en hoe ziet succes eruit? Zonder die helderheid schuift zelfs een eenvoudig project.

Complexe AI-agent met systeemintegraties (zes tot twaalf maanden)

Zodra een agent zelfstandig acties uitvoert in meerdere systemen, neemt de complexiteit fors toe. De agent moet worden behandeld als een nieuwe identiteitsklasse met eigen authenticatie en autorisatie. Observability moet worden ingericht zodat je kunt zien welke data de agent opvraagt en welke acties hij uitvoert. Escalatiepaden moeten zijn vastgelegd: wanneer beslist de agent zelfstandig, wanneer controleert een mens en wanneer is menselijke goedkeuring verplicht? Al die fundamenten kosten tijd, maar ze zijn geen optie. Ze bepalen of het project na livegang ook betrouwbaar blijft.

Welke projectfase duurt het langst en waarom?

In de meeste AI-automatiseringsprojecten duurt de voorbereidingsfase het langst: het in kaart brengen en op orde brengen van data, processen en compliance-vereisten. Niet de bouw van het model of de technische integratie, maar de onderliggende fundamenten zijn de tijdrovende factor. Dit is ook de fase die organisaties het vaakst onderschatten of overslaan.

Het patroon is herkenbaar: het technische deel van het project loopt voorspoedig, maar tijdens de eerste tests blijkt dat de agent werkt met tegenstrijdige definities van hetzelfde begrip, of dat hij data opvraagt waartoe hij geen gecontroleerde toegang had mogen hebben. Dat zijn geen technische bugs. Dat zijn symptomen van fundamenten die niet op orde waren voordat de bouw begon.

De reparatiekosten in een latere fase zijn altijd hoger dan de investering in voorbereiding. Hallucinaties, data-incidenten en verlies van gebruikersvertrouwen zijn de voorspelbare gevolgen van het overslaan van die voorbereiding. En wanneer gebruikers eenmaal het vertrouwen in een agent verliezen, is dat moeilijk te herstellen.

Hoe versnelt een gestructureerde aanpak de implementatie?

Een gestructureerde aanpak versnelt de implementatie van AI-automatisering door je te dwingen klein te beginnen met een scherpe waardehypothese, en alleen die fundamenten op te bouwen die je nodig hebt om die eerste agent verantwoord live te laten gaan. Dit principe heet parallelle volwassenheid: je wacht niet tot alles perfect is, je bouwt fundamenten op in de maat van je ambities.

Concreet betekent dit: begin met fundament negen, de strategische intentie. Welk probleem lost de agent op, voor wie, en hoe ziet succes eruit? Kies daarna één agent met beperkte impact en bouw uitsluitend de fundamenten op die nodig zijn om die agent verantwoord te laten draaien. Met elke volgende agent groeit de fundamentenlaag mee volgens het AI Foundationsmodel voor AI-automatisering.

Dit is bewust anders dan een tweejarige fundamentenoperatie voordat de eerste agent wordt opgeleverd. Dat werkt niet in de praktijk. Maar het is ook anders dan direct groot inzetten zonder voorbereiding. De versnelling zit in de discipline om het juiste te bouwen op het juiste moment, niet in het overslaan van stappen.

Wanneer is een AI-automatiseringsproject te ambitieus gepland?

Een AI-automatiseringsproject is te ambitieus gepland wanneer de tijdlijn geen ruimte laat voor het op orde brengen van data en processen, wanneer meerdere systemen tegelijk worden geïntegreerd zonder bewezen fundament, of wanneer de organisatorische verandering als vanzelfsprekend wordt aangenomen. De technologie is zelden het probleem. De planning is te ambitieus als ze dat negeert.

Signalen dat een planning te krap is opgezet:

Er is geen expliciete fase voor datavalidatie en het vastleggen van definities.
Security en identity voor agents staan niet op de agenda, of worden gezien als “dat regelen we later”.
Er is geen plan voor AI-literacy bij de medewerkers die met de agent gaan werken.
De waardehypothese is vaag: het doel is “AI implementeren” in plaats van een specifiek probleem oplossen voor een specifieke gebruikersgroep.
Er zijn geen escalatiepaden vastgelegd: wie beslist wanneer de agent een fout maakt of een situatie tegenkomt die buiten zijn kaders valt?

Ambitieus plannen is geen probleem op zichzelf. Te ambitieus plannen zonder de fundamenten te respecteren leidt tot projecten die technisch worden opgeleverd, maar operationeel niet landen.

Hoe houd je als organisatie regie over planning en voortgang?

Je houdt regie over een AI-automatiseringsproject door per fundament een eigenaar te benoemen, heldere escalatiepaden vast te leggen en de voortgang te meten op basis van concrete mijlpalen per laag. Regie is niet hetzelfde als controle over elke technische beslissing. Het betekent dat je als organisatie weet wat er gebeurt, wie verantwoordelijk is en wanneer je moet ingrijpen.

Praktisch gezien helpt het om de drie lagen van het project afzonderlijk te bewaken: de waarheidslaag (data), de werkingslaag (processen, security, observability) en de waardelaag (mensen, regels, doelen). Elke laag heeft zijn eigen kwetsbaarheid en zijn eigen eigenaar. Een IT-manager bewaakt de data en de technische integraties. Een operationeel directeur bewaakt de procesvolwassenheid en de escalatiepaden. De directie of business owner bewaakt de strategische intentie en het organisatorisch draagvlak.

Voortgang meten op basis van volwassenheid per fundament, niet alleen op basis van technische deliverables, geeft je een eerlijker beeld van waar het project staat. Een agent die technisch klaar is, maar draait op onbetrouwbare data, is niet klaar. Die nuance verdwijnt als je alleen kijkt naar de mijlpalen op de technische planning.

Hoe wij helpen bij AI-automatisering

Bij AIConnected zien we dagelijks hoe organisaties vastlopen op dezelfde vragen: hoe lang duurt dit, waar beginnen we en hoe houden we grip? Onze aanpak is erop gericht die vragen concreet te beantwoorden voordat het project begint.

Wat we doen:

We starten met een Foundation Scan: drie gerichte gesprekken van elk circa 45 minuten met de juiste mensen in jouw organisatie. Output is een score per fundament op alle negen onderdelen van het AI Foundationsmodel voor AI-automatisering, zodat je precies weet waar je staat en wat je moet aanpakken voordat je kunt beginnen.
We helpen je de waardehypothese scherp te formuleren: welk probleem los je op, voor wie, en hoe ziet succes eruit? Dat is het vertrekpunt van elk traject.
Via onze Connect & Build-aanpak koppelen we per fundament de specialist die er het sterkst in is. Jij hebt één aanspreekpunt en één plan. Wij zorgen dat de specialismen op elkaar aansluiten en dat de fundamenten in de juiste volgorde worden gebouwd.
We werken met parallelle volwassenheid: klein beginnen, snel leren en op het juiste moment doorpakken. Geen tweejarige voorbereiding, maar ook geen shortcuts die je later duur komen te staan.

Wil je weten waar jouw organisatie staat op de negen fundamenten en wat een realistisch tijdpad is voor jullie eerste AI-automatisering? Neem contact op en we plannen een Foundation Scan in.