Alle artikels

Eerst bewijzen, dan bouwen: de lean aanpak voor IT-projecten

Niels Stubbe Niels Stubbe · 16 maart 2026
Lean IT-projecten Proof of Concept
Eerst bewijzen, dan bouwen: de lean aanpak voor IT-projecten

Wanneer we beginnen aan een IT-traject, dan zie je vaak de gewoonte om te focussen op het eindresultaat. Er is lang nagedacht over hoe alles eruit moet zien en exact hoe alles moet werken.

Dat is de klassieke aanpak: we schrijven alles uit wat we nodig hebben. Het eindresultaat is duidelijk (denken we) en we kunnen beginnen aan de ontwikkeling ervan. Dit voelt veilig, want zo houden we heel goed overzicht en weten we exact waar we naartoe gaan. Maar het is net het omgekeerde: deze manier van werken verhoogt je risico gigantisch.

Vaak kom je aan de eindmeet van je project en merk je dat niemand het gebruikt of er de waarde van inziet. Resultaat? Weggesmeten geld en resources, een systeem dat staat stof te vergaren of erger nog: dat gebruikt moet worden maar eigenlijk geen meerwaarde levert.

De lean aanpak is er daarentegen eentje van experimenten en zo weinig mogelijk verspilde resources. Bij een lean traject gaan we eerst stilstaan bij het doel van het project en het minimale development werk doen om te valideren dat het doel haalbaar is én echt waardevol. We beginnen niet met een gigantisch boek aan analyses, maar wel met een duidelijke value proposition en een plan van aanpak hoe we die kunnen bewijzen.

Maar hoe ziet zo'n lean traject er dan precies uit? Dat schrijven we hieronder even voor je uit.

Een concrete case: kunnen we AI agents gebruiken om onze klantendienst te automatiseren?

Een groeiend bedrijf in de dienstensector wil graag hun klantenservice sneller en efficiënter doen werken. Hun vraag: kunnen we een deel van ons klantenservice werk versnellen met AI?

De klassieke aanpak

In een traditioneel traject zou dit er zo uitzien: we schrijven een uitgebreide analyse met alle mogelijke scenario's. Welke vragen komen er binnen? Hoeveel per dag? Via welke kanalen? Hoe ziet de ideale flow eruit? Welke systemen moeten gekoppeld worden? We tekenen het volledige plaatje uit, van chatbot tot escalatieproces, en beginnen dan te bouwen.

Drie tot zes maanden later heb je een volledig systeem. Kost een serieuze duit. En dan komt het moment van de waarheid: je zet het live en ontdekt dat klanten heel andere vragen stellen dan wat je had voorzien. Of dat de AI hallucineert bij net die ene productlijn waar je klanten het meest over bellen. Of, de klassieker, dat je team het systeem niet vertrouwt en alles manueel blijft dubbel checken.

De lean aanpak: stap voor stap

Hoe pakken wij zoiets aan? Door het op te breken in kleine, valideerbare stappen. Elke stap levert een concreet antwoord op, en pas als dat antwoord positief is, gaan we verder.

Stap 1: Het doel scherp stellen

We beginnen niet met technologie, maar met de business case. Samen met het bedrijf beantwoorden we één simpele vraag: wat is het concrete probleem dat we willen oplossen?

In dit geval: de klantendienst besteedt gemiddeld 4 uur per dag aan het beantwoorden van repetitieve vragen. Vragen waar het antwoord eigenlijk gewoon in de kennisbank of productdocumentatie staat. Dat is tijd die niet naar complexe klantcases gaat.

Het doel is dus niet "een AI chatbot bouwen." Het doel is: die 4 uur per dag terugwinnen voor werk dat écht menselijke aandacht nodig heeft.

Stap 2: De value proposition definiëren

Nu formuleren we een heldere hypothese: "Een AI agent kan minstens 60% van de repetitieve vragen correct en zelfstandig afhandelen, zonder dat de klanttevredenheid daalt."

Concreet en meetbaar. Geen vaag verhaal over "innovatie" of "digitale transformatie", maar een stelling die we kunnen bewijzen of ontkrachten.

Stap 3: De snelste weg naar bewijs

In plaats van het volledige systeem te bouwen, zoeken we de snelste en goedkoopste manier om onze hypothese te testen.

Concreet:

  • We nemen de 50 meest gestelde vragen van de afgelopen maanden
  • We bouwen een minimale AI agent die enkel die vragen kan beantwoorden, gevoed met de bestaande kennisbank
  • We laten het team die antwoorden beoordelen: klopt dit? Zou je dit durven sturen naar een klant?

Geen integratie met het ticketingsysteem. Geen mooie interface. Geen koppelingen met de CRM. Puur: kan de AI correcte antwoorden genereren op echte klantvragen?

Dit kost een fractie van wat het volledige systeem zou kosten. En het levert het belangrijkste inzicht op: werkt dit überhaupt?

Stap 4: Evalueren en beslissen

Na de proof of concept zitten we samen en kijken we nuchter naar de resultaten.

Scoort de AI 80% correct? Dan hebben we een sterke basis om verder te bouwen, met een eerste integratie in het ticketingsysteem als volgende milestone.

Scoort de AI 40% correct? Dan weten we ook al veel. Misschien is de kennisbank te rommelig en moet daar eerst aan gewerkt worden. Misschien zijn de vragen te complex voor de huidige generatie AI. Hoe dan ook: je hebt dit ontdekt na weken in plaats van maanden, en voor een fractie van het budget.

En soms is het antwoord gewoon: dit gaat niet werken. Liever een snelle "nee" dan zes maanden later met z'n allen rond de tafel zitten en je afvragen waar het budget naartoe is.

Stap 5: Incrementeel verder bouwen

Pas als de proof of concept positief is, beginnen we aan de volgende stap. En ook die houden we klein:

  • Eerst een integratie met het ticketingsysteem, zodat de AI suggesties kan geven aan medewerkers (nog niet rechtstreeks naar klanten)
  • Dan een testperiode met een klein deel van het inkomend verkeer
  • Dan pas uitbreiden naar meer kanalen en meer scenario's

Na elke stap kan je beslissen: gaan we verder, passen we aan, of stoppen we hier? Die vrijheid heb je, omdat je nooit meer hebt geïnvesteerd dan nodig.

Waarom dit beter werkt

De klassieke aanpak doet alsof je op voorhand alles kan weten. Zeker bij AI-toepassingen is dat wishful thinking. De resultaten hangen af van de kwaliteit van je data, de complexiteit van je use case, en hoe je team ermee omgaat. Dat voorspel je niet vanuit een analysedocument.

De lean aanpak erkent die onzekerheid. Je weet niet of het gaat werken? Oké, laten we het dan zo snel mogelijk uitzoeken met zo weinig mogelijk risico.

Pas op, even nuanceren: lean werken betekent niet dat je zomaar wat aanmoddert. Je hebt wél een duidelijk doel, een heldere hypothese en een doordacht plan. Maar dat plan draait rond leren en valideren, niet rond alles in één keer juist hebben.

De echte vraag

Bij elk IT-traject zou de eerste vraag niet moeten zijn: "Wat willen we bouwen?"

Maar wel: "Wat is de snelste manier om te bewijzen dat dit de moeite waard is?"

Klein beginnen. Snel valideren. Stap voor stap verder bouwen. Dat bespaart je niet alleen geld, het bespaart je ook die pijnlijke vergadering zes maanden later waar iedereen zich afvraagt waarom niemand het nieuwe systeem gebruikt.

Niels Stubbe

Geschreven door

Niels Stubbe

Niels startte zijn carrière als developer en groeide door tot solution architect en technisch leider. Onderweg ontdekte hij dat de grootste impact zit in het automatiseren van het werk dat teams dagelijks vertraagt. Daarom bouwde hij EveryBit: automatisering voor groeiende bedrijven die hun tijd liever in klanten en groei steken.

Beschikbaar voor nieuwe projecten

Benieuwd wat automatisering voor jouw bedrijf kan betekenen?

Plan een vrijblijvend gesprek en ontdek waar de grootste kansen liggen.

Of bel +32 (0)476 54 37 41 · mail info@everybit.be

Live
0
Taken geautomatiseerd
Deze maand
0 +
Uren bespaard
Actief
0
Workflows actief
Status
99.9 %
Uptime