Waarom de meeste AI-implementaties in e-commerce mislukken.

In de afgelopen anderhalf jaar zag ik tientallen e-commerce founders en marketingteams beginnen aan een AI-chatbot, een agent of een automation-pijplijn. Ruwweg drie van de tien projecten leveren wat ze beloven. De rest blijft hangen, wordt stilletjes uitgezet, of, het meest treurige scenario, blijft draaien terwijl niemand er nog naar omkijkt. Het probleem zit zelden in het model, de tool of de developer. Het zit in de framing.

Het patroon dat we te vaak zien

Eén cijfer om de schaal te zetten: BCG kwam in 2024 tot de conclusie dat zeventig procent van AI-implementaties geen meetbare waarde oplevert. Andere onderzoekers (Gartner, McKinsey) zitten in dezelfde orde van grootte. Dat is veel. En het ligt niet aan de modellen, die doen in 2026 wat ze beloven. Het zit in de manier waarop teams ze inzetten.

Technologie als doel

De zin "we willen een AI-chatbot" is geen project, het is een hulpmiddel zonder uitkomst. Een werkbaar project klinkt anders. "We willen vijftig procent minder Zendesk-tickets in zes weken zonder dat onze NPS daalt." Of: "we willen onze customer-service kosten van veertien euro per ticket terugbrengen naar drie." Of: "we willen 24/7 bereikbaar zijn voor maatadvies."

Dat zijn doelen die je kunt afvinken. "Een AI-chatbot bouwen" is dat niet. Het is een feature, geen resultaat. En zodra de eerste versie online staat zonder dat vooraf is vastgelegd wanneer hij goed genoeg is, gaat hij langzaam dood.

Wij beginnen elk traject met dezelfde vraag aan de founder: wat moet er minder zijn over zes weken, en hoe meten we dat? Geen blueprint, geen Figma, geen prompts. Eerst die vraag. Is het antwoord vaag, dan zijn de KPI's ook vaag, en dan ontkomt geen enkele AI-implementatie aan de moeras-fase.

Geen baseline

Hoe weet je dat je AI-chatbot vijftig procent van je tickets afhandelt als je niet weet hoeveel tickets je hebt? Hoe weet je dat je email-automation drie procent extra omzet oplevert als de attribution-baseline niet eens vastligt?

Negen van de tien teams die we ontmoeten hebben deze cijfers niet. Ze hebben Zendesk- of Gorgias-data, maar die is nooit ge-aggregeerd. Ze hebben een Klaviyo-account, maar de revenue-attribution per flow staat uit. Ze meten "het loopt" op gevoel.

Een baseline van twee weken voor go-live is geen luxe. Het is de enige manier om achteraf eerlijk te zijn over wat de AI heeft gedaan. Wij pakken het zo aan: één week voordat de bot live gaat, exporteren we tickets per categorie, gemiddelde response-tijd, en first-contact resolution rate. Dat is je nul-meting. Alles wat erna verandert, kun je daartegen afzetten. Zonder baseline geen ROI-claim achteraf, hoe goed de bot ook werkt.

Generieke AI op alle pagina's tegelijk

Een fout die we keer op keer zien: de AI-chatbot wordt op elke pagina geplaatst, hij beantwoordt elke vraag, en daarmee niets goed. De beste AI-implementaties zijn juist smal. Eén use case, één soort vraag, één pagina als test-omgeving.

Een voorbeeld dat blijft hangen. Een fashion-shop die we begeleidden zette de chatbot eerst alleen op productdetail-pagina's, met als enig doel maatadvies geven op basis van de maattabel. Geen retouren, geen verzendvragen, geen koppeling met Shopify-orders. Alleen maatadvies. Resultaat: zesenveertig procent minder maat-gerelateerde tickets in vier weken. Pas daarna hebben we het uitgebreid naar retouren, voorraad-vragen, order-tracking. In stappen, met een meetpunt per uitbreiding.

Dit gaat tegen elke instinct in: meer features lijkt beter. Bij AI-implementaties is het bijna altijd andersom. Begin met één scherp afgebakende vraag, bewijs dat hij die kan, breid daarna pas uit.

Een chatbot zonder eigen data

Een chatbot zonder eigen data is een Wikipedia-zoekmachine met een knappe interface. Hij kan generieke antwoorden geven, maar mist alles wat jou onderscheidt: je eigen FAQ, je productinformatie, je tone of voice, je retourbeleid, je betaalmethoden, je verzending naar België.

Wat ons elke keer opnieuw opvalt is hoe weinig founders investeren in deze kennisbank voordat ze de AI live zetten. Twee uur input, en je verwacht twee jaar uitstraling. Zo werkt het niet.

Onze regel: minimaal vijfentwintig veelgestelde vragen handmatig uitgeschreven, plus de hele productcatalogus, plus een tone-document van een halve A4. Daaronder werkt het niet. Daarboven begint het pas écht te werken. Een goed getrainde AI antwoordt zoals jij, niet zoals een generieke chatbot.

Niemand verantwoordelijk na launch

Misschien wel de stilste killer. De AI gaat live, het team is opgelucht, iedereen gaat door met andere projecten. Drie weken later komt er een nieuw product op de site dat niet in de kennisbank staat. Vijf weken later veranderen de retourvoorwaarden. Acht weken later weet de bot het niet meer.

AI-implementaties zijn geen software-projecten met een afronding. Ze zijn meer als een tuin: zonder dagelijkse aandacht verstoffen ze. Bij ons hoort daar een maandelijks rapport bij waarin we de gesprekken doorspitten op nieuwe vraagcategorieën, escalatie-patronen en kennisbank-gaten. Dat is geen luxe maar onderhoud. Zonder dat verliest een chatbot binnen drie tot zes maanden veertig tot zestig procent van zijn effectiviteit.

Vier vragen voor je iemand belt

Denk je nu na over AI-implementatie in je e-commerce? Beantwoord eerst deze vier vragen voor jezelf, voordat je ook maar één leverancier benadert.

Wat is het concrete probleem dat ik wil oplossen, gemeten in een getal dat ik over zes weken kan controleren? Heb ik vandaag al een baseline, of moet ik die eerst opzetten? Kan ik dit smal beginnen, op één pagina, met één type vraag? En wie is verantwoordelijk voor het maandelijks bijhouden van de kennisbank na launch?

Geen antwoord op die vier? Doe dat eerst. Wel antwoord? Dan ben je verder dan de meeste teams in die zeventig procent waar BCG over schreef.

Wil je dit voor je eigen shop laten doorrekenen? Een korte strategy call van dertig minuten. We kijken samen naar je tickets, je productdata, en waar AI economisch zin heeft. Geen pitch-deck, geen verkooppraatje. Plan via de knop linksboven of mail info@dalvora.nl.