Veel organisaties gaan ervan uit dat ze eerst hun legacy-systemen moeten moderniseren voordat ze serieus met AI aan de slag kunnen. Die gedachte is begrijpelijk. Legacy-systemen zijn vaak complex, lastig te koppelen en worden al jarenlang meegedragen als onderdeel van het IT-landschap. Daardoor ontstaat al snel het idee dat modernisering een noodzakelijke eerste stap is.

Toch blijkt in de praktijk vaak het tegenovergestelde waar. Organisaties met veel legacy hebben vaak juist de grootste kansen om waarde uit AI te halen.

Waarom legacy vaak als een blokkade wordt gezien

Enterprise organisaties werken meestal met systemen die in de loop van vele jaren zijn uitgebreid, gekoppeld en aangepast aan veranderende processen. Dat leidt vaak tot een omgeving waarin handmatige werkzaamheden, dubbele invoer, beperkte flexibiliteit en moeizame communicatie tussen systemen een dagelijkse realiteit zijn.

De logische reactie is dan om eerst het IT-landschap te vernieuwen en daarna pas te kijken naar automatisering of AI. Maar een volledige vervanging van legacy-systemen is vaak kostbaar, tijdrovend en risicovol. Organisaties die deze route kiezen, besteden soms jaren aan modernisering voordat ze überhaupt kunnen beginnen met het realiseren van AI-waarde.

Een andere manier om naar legacy te kijken

Legacy brengt uitdagingen met zich mee, maar vertegenwoordigt ook iets waardevols. Organisaties met een lange historie beschikken over grote hoeveelheden operationele data, diepgaande domeinkennis en processen die jarenlang zijn verfijnd en geoptimaliseerd. Juist die combinatie maakt veel legacy-omgevingen interessant voor AI.

Complexe processen, versnipperde systemen en handmatige werkzaamheden bieden vaak veel mogelijkheden voor automatisering. Daar kan AI direct waarde toevoegen door informatie slimmer te verbinden, processen te versnellen en repetitieve werkzaamheden te verminderen.

Veel succesvolle AI-toepassingen ontstaan daarom niet bij organisaties die al volledig gedigitaliseerd zijn, maar juist bij organisaties die dagelijks te maken hebben met de beperkingen van hun bestaande systemen.

AI vraagt niet om een volledig nieuw IT-landschap

Een veelvoorkomend misverstand is dat succesvolle AI-adoptie alleen mogelijk is wanneer een organisatie opnieuw begint met een schone lei. In werkelijkheid beschikken veel organisaties al over alles wat nodig is: data, processen, systemen en kennis van hun vakgebied.

De uitdaging ligt meestal niet in het ontbreken van die informatie, maar in het toegankelijk maken ervan. Daarom spelen integratie, automatisering en applicatieontwikkeling een belangrijke rol. Het gaat niet om het vervangen van bestaande systemen, maar om het slimmer verbinden van wat er al aanwezig is.

Veel AI-waarde ontstaat niet door opnieuw te beginnen, maar door bestaande processen en systemen beter met elkaar te laten samenwerken.

De valkuil van AI zonder fundament

Dat legacy kansen biedt, betekent niet dat de implementatie eenvoudig is. Binnen complexe enterprise omgevingen kan AI juist nieuwe problemen veroorzaken wanneer oplossingen worden toegevoegd zonder duidelijke strategie. Soms wordt AI als een losse laag bovenop bestaande processen geplaatst, zonder voldoende aandacht voor integraties, security, governance, schaalbaarheid en beheer.

Het gevolg is dat nieuwe eilandoplossingen ontstaan die de complexiteit verder vergroten in plaats van verkleinen. Daarom vraagt modernisering met AI om een solide architectuur. Niet door het bestaande fundament te vervangen, maar door daarop voort te bouwen met de juiste technische keuzes.

Hoe Agentic Application Development dit mogelijk maakt

Agentic Application Development (AAD) is de aanpak van Ciphix voor organisaties die AI structureel willen inzetten binnen complexe omgevingen met veel bestaande systemen. De aanpak combineert AI, automatisering, integratie en applicatieontwikkeling in één geheel.

Binnen AAD bouwen AI-agents nieuwe functionaliteit op de Ciphix Base, een enterprise-fundament waarin toegangsbeheer, integraties, beveiliging en kwaliteitscontroles al zijn opgenomen.Bestaande systemen blijven daarbij behouden. De focus ligt op het slim verbinden van die systemen, zodat processen efficiënter kunnen verlopen.

Het resultaat is dat organisaties sneller kunnen automatiseren, betrouwbaarder kunnen werken en meer waarde uit hun bestaande IT-landschap halen, zonder eerst een langdurig moderniseringstraject te doorlopen.

Wat dit betekent in de praktijk: Mental Care Group

Mental Care Group (MCG) is een van de grootste aanbieders van geestelijke gezondheidszorg in Nederland. De organisatie werkte met meerdere systemen die onvoldoende op elkaar aansloten, waardoor de operationele druk hoog bleef en administratieve processen veel tijd kostten. In plaats van te kiezen voor een volledige systeemvervanging werd een nieuw aanmeld-, cliënten- en behandelarenportaal ontwikkeld dat integreert met de bestaande systemen. Daardoor konden processen worden geautomatiseerd, administratieve lasten worden verminderd en de kwaliteit van dienstverlening verder worden verbeterd.

Deze aanpak heeft MCG geholpen om een voortrekkersrol te vervullen op het gebied van digitalisering binnen de geestelijke gezondheidszorg. De grootste vooruitgang ontstaat niet altijd door bestaande systemen te vervangen, maar door ze slimmer samen te laten werken.

Conclusie

Legacy hoeft geen belemmering te zijn voor AI-initiatieven. In veel gevallen vormt het juist de basis voor waardevolle toepassingen. Organisaties die beschikken over veel processen, data en opgebouwde kennis hebben vaak meer mogelijkheden om AI succesvol in te zetten dan zij zelf denken.

De belangrijkste vraag is daarom niet of AI mogelijk is binnen een legacy-omgeving, maar hoe bestaande systemen, processen en kennis zo kunnen worden verbonden dat er structureel meer waarde ontstaat. Dat begint niet met vervanging, maar met inzicht in waar de grootste kansen liggen en welke aanpak nodig is om die kansen te benutten.