In 2013 waren wij bij Coney Minds het eerste accountants- en advieskantoor in Nederland dat process mining actief inzette in zowel audit als consultancy. Het was nieuw, spannend, en vooral veelbelovend. We zagen hoe je met event logs uit ERP-systemen in één keer een röntgenfoto van een proces kon maken. Opeens zag je bottlenecks, loops, afwijkingen van het beleid — niet in theorie, maar op basis van de feitelijke data.
Maar ook in 2013 ontdekten we iets wat sindsdien niet veranderd is: de grootste uitdagingen zitten niet in de technologie, maar in de organisatie eromheen.
Fast forward naar juli 2025. KPMG publiceert het artikel “AI is de turbo voor process mining”. Het leest vlot, het klinkt ambitieus, en het suggereert dat we met deze combinatie nu echt op volle snelheid naar procesperfectie kunnen. Alleen… wie er in 2013 al mee werkte, weet beter. Een turbo doet helemaal niets als de motor hapert, de brandstof vervuild is en de bestuurder geen idee heeft waar hij heen wil.
De belofte: indrukwekkend, maar niet nieuw
AI kan in combinatie met process mining meer dan ooit:
– Patronen herkennen in gigantische datasets
– Voorspellend analyseren waar problemen gaan ontstaan
– Suggesties genereren voor procesoptimalisatie
Technisch gezien klopt het verhaal. Alleen: in 2013 konden we ook al op basis van process mining haarscherp aanwijzen waar de doorlooptijd te lang was, welke processtappen overbodig waren en waar het beleid werd overtreden. Het verschil is dat AI nu sneller patronen kan vinden en er in natuurlijke taal over kan rapporteren.
Maar snelheid is niet hetzelfde als effectiviteit.
De realiteit: dezelfde fundamentele problemen als toen
In 2013 liepen wij tegen drie structurele obstakels aan, en die zijn er anno 2025 nog steeds:
1. Datakwaliteit is alles
Process mining is net zo goed als de data die erin gaat. Als logging niet volledig is, events onjuist worden gecategoriseerd of systemen niet synchroon lopen, dan wordt AI vooral heel snel zeker van de verkeerde conclusie.
2. Doelloze inzichten helpen niemand
“We willen efficiënter werken” is een mooi voorwoord voor een beleidsnotitie, maar waardeloos als operationeel kompas. Zonder scherp gedefinieerde en bestuurlijk gedragen KPI’s blijft elk inzicht een theoretische constatering. In 2013 zagen we rapporten in bureaulades verdwijnen. In 2025 gebeurt dat nog steeds.
3. Verandermanagement is de harde grens
Process mining maakt pijnlijk zichtbaar waar het misgaat. Maar het vergt lef om daar ook naar te handelen. In 2013 zagen we managers die liever het dashboard uitzetten dan het gesprek aangaan. Vandaag de dag is dat niet anders — alleen is het excuus nu soms dat “het AI-model het zegt” zonder dat men de logica begrijpt.
De echte turbo zit in de uitvoering
Wil je dat AI + process mining echt verschil maakt, dan moet je eerst de motor op orde hebben:
– Schone, complete procesdata: log elk event, houd definities consistent, en leg een audit trail vast van de AI-analyses zelf.
– Glasheldere prestatiedoelen: meetbaar, concreet, en direct gekoppeld aan de organisatievisie.
– Eigenaarschap in de lijn: niet bij een projectgroep die na zes maanden oplost, maar bij de mensen die het proces dagelijks draaien.
– Menselijke context: vooral in publieke dienstverlening moet AI een adviseur blijven, geen beslisser.
Conclusie: marketing vs. realiteit
De KPMG-claim dat AI een turbo is voor process mining is niet onwaar — maar het is marketingtaal die voorbijgaat aan het echte werk. De combinatie kan krachtig zijn, maar alleen als de basis staat.
Bij Coney Minds leerden we in 2013 al dat process mining alles kan laten zien, maar dat je visie, lef en discipline nodig hebt om er echt iets mee te doen. AI verandert daar niets aan. Integendeel: zonder die basis vergroot het vooral de snelheid waarmee je ziet dat je er nog niet klaar voor bent.
Pieter de Kok RA
