De grootste ERP-uitdagingen zijn niet veranderd.

AI verandert de uitvoering van transformatieprogramma's in hoog tempo. En dus draait de discussie al snel om twee vragen: hoeveel sneller kan het en hoeveel goedkoper wordt het?

Dat zijn logische vragen, maar ze laten maar een deel van de werkelijke impact van AI zien. Want uiteindelijk gaat het niet om hoeveel sneller of goedkoper je implementeert, maar om wat de transformatie de organisatie oplevert.

Ik werk inmiddels meer dan twintig jaar aan bedrijfstransformaties, vrijwel altijd binnen het Microsoft-ecosysteem. Ik begon als functioneel consultant en projectmanager, leidde vanuit New York internationale Dynamics AX-implementaties en zat later zelf aan de klantzijde als senior programmamanager voor ERP en CRM bij een retailer. Daarna werkte ik bijna vijf jaar bij Microsoft. De afgelopen vijf jaar leidde ik binnen HSO onze internationale Retail & Distribution-business.

In al die verschillende rollen hield ik me uiteindelijk steeds met hetzelfde bezig: hoe zorg je dat een transformatie ook daadwerkelijk resultaat oplevert?

Als mensen mij vragen wat AI verandert aan transformatieprojecten, is mijn antwoord daarom misschien verrassend. Ja, de manier waarop we implementeren verandert snel. De technologie biedt meer mogelijkheden dan ooit. Maar het verschil tussen een succesvolle en een mislukte transformatie wordt nog steeds grotendeels door dezelfde factoren bepaald. De mensen die het programma leiden, de kennis die zij meebrengen en het platform waarop je bouwt.

In een wereld waarin AI de snelheid verhoogt, worden juist die keuzes belangrijker.

Waar het ooit begon

In mijn eerste tien jaar begonnen veel ERP-programma's met een projectcharter waarin duidelijk stond wat de organisatie wilde bereiken. De productie verhogen. Minder voorraad verspillen. De maandafsluiting versnellen. Na go-live keek je terug: hebben we bereikt wat we vooraf hadden afgesproken? Is er daadwerkelijk minder verspilling? Werkt de organisatie efficiënter? Zijn de bedrijfsdoelen gehaald?

Dat was niet altijd eenvoudig meetbaar. Niet alles wat binnen een organisatie gebeurt, wordt immers door één project bepaald. Maar het uitgangspunt was duidelijk: een ERP-transformatie moest aantoonbaar resultaat opleveren.

In het daaropvolgende decennium raakte dat uitgangspunt steeds meer op de achtergrond. Modernisering werd een doel op zichzelf. Een systeem liep uit support en moest worden vervangen. De organisatie wilde naar een SaaS-model in de cloud. Allemaal geldige redenen om te investeren. Maar de businesscase verschoof van "dit resultaat willen we bereiken" naar "we moeten moderniseren". En daarmee werd ook succes anders gemeten: is het project op tijd en binnen budget opgeleverd? Is het systeem volgens planning live gegaan? Niet: wat heeft de organisatie er daadwerkelijk mee bereikt?

Op tijd. Binnen budget. En toch niet het gewenste resultaat.

Zelfs langs die beperktere meetlat zijn veel programma's niet succesvol. Gartner voorspelt dat in 2027 meer dan 70% van de recent geïmplementeerde ERP-initiatieven de oorspronkelijke bedrijfsdoelstellingen niet haalt. Een deel daarvan heeft historische oorzaken. ERP-landschappen werden groot en complex, keuzes pakten verkeerd uit en specialistisch talent verdween uit projecten die steeds problematischer werden.

Uiteindelijk kom je steeds weer bij dezelfde factor uit: de mensen die naast je staan wanneer de belangrijkste beslissingen moeten worden genomen.

Birmingham City Councel  is een extreem voorbeeld. De organisatie wilde ERP grotendeels standaard implementeren, maar bouwde vervolgens maatwerk rond processen waarvan al bekend was dat ze problematisch waren. Uiteindelijk kon de gemeente geen controleerbare jaarrekening produceren, werd fraudedetectie meer dan achttien maanden uitgeschakeld en werd £2 miljard aan transacties in het verkeerde boekjaar geboekt. Een programma dat aanvankelijk op circa £19 miljoen was begroot, wordt inmiddels richting £144 miljoen geraamd.

Hier maakt menselijk inzicht het verschil. Een clean core betekent niet dat je nooit maatwerk toepast. Het betekent dat je weet welk maatwerk waarde toevoegt, welk maatwerk technische schuld veroorzaakt en waar uitbreidingen thuishoren.

Datzelfde geldt voor agents en andere AI-mogelijkheden. De technologie kan steeds meer. Maar je hebt nog altijd ervaren mensen nodig om te bepalen waar maatwerk zinvol is, waar risico's ontstaan en welke keuzes de organisatie op langere termijn verder helpen.

Technologie alleen bepaalt het resultaat niet

ERP-platforms ondersteunen al decennia de kernprocessen van organisaties: een inkooporder maken, een factuur boeken, de maand afsluiten. Microsoft onderscheidt zich doordat ERP, CRM, data en inmiddels AI binnen één verbonden technologiestack samenkomen. Ook de businesscase daarvan is sterk. Onafhankelijke Forrester-onderzoeken projecteren voor ondernemingen meer dan 100% ROI over drie jaar voor Dynamics 365 ERP en voor middelgrote organisaties een terugverdientijd van 16 maanden. Maar ook het beste platform garandeert geen succesvolle transformatie.

Dezelfde Dynamics 365-technologie kan de basis vormen voor een organisatie die vooruitloopt én voor een organisatie die van implementatie tot adoptie blijft worstelen.

Het verschil zit in de mensen die je begeleiden. In hun kennis van je sector. En in de oplossingen en ervaring die ze meebrengen. Sterke programma's combineren leiderschap, adoptie en change management met een deliveryteam dat vertrouwen opbouwt. Daarom kiest HSO bewust voor mensen met ervaring in de sectoren waarin onze klanten actief zijn. Zij begrijpen niet alleen de technologie, maar ook de processen en afwegingen waarmee klanten dagelijks te maken hebben.

Wat verandert AI dan wél aan ERP-implementaties? 

Heel veel. De manier waarop projecten worden uitgevoerd verandert sneller dan ik in mijn carrière heb meegemaakt. Agents kunnen inmiddels repetitieve werkzaamheden overnemen die vroeger een groot deel van een projectplanning vulden. Denk aan het vastleggen van workshops, het genereren van functionele en technische specificaties, configuratie, development, testing en datamigratie. En die lijst zal verder groeien.

Op basis van ons werk met AI-native delivery schat ik dat doorlooptijden met 20% tot 30% kunnen worden teruggebracht, mogelijk nog verder naarmate de technologie zich ontwikkelt. Daarbij is wel een belangrijke voorwaarde: ook de klantorganisatie moet het hogere tempo aankunnen. De beschikbare capaciteit, datakwaliteit en bereidheid om AI onderdeel te maken van de implementatie spelen allemaal een rol.

Snelheid doet er dus zeker toe. Maar de belangrijkste vraag is niet hoeveel sneller je kunt implementeren.

De vraag is: Sneller naar wat? Want sneller transformeren is niet genoeg.