Waarom 94% van de bedrijven geen waarde uit AI-investeringen haalt

Bijna negen op de tien bedrijven hebben AI inmiddels in minstens een bedrijfsfunctie ingezet. Toch rapporteert 94 procent van hen geen significante waarde uit die investering. Die kloof, tussen bijna universele adoptie en bijna universele teleurstelling, is op dit moment het belangrijkste feit in enterprise AI. En de meeste leiders trekken er precies de verkeerde conclusie uit.

De reflex is om aan te nemen dat de technologie tekortschoot, dat de verkeerde tool is gekozen, of dat het model simpelweg nog niet goed genoeg was. Het onderzoek zegt iets anders. De bedrijven die wel rendement zien, draaien geen betere modellen. Ze runnen hun organisatie anders. De kleine groep die wint, behandelt AI als een vraagstuk over het operating model, niet als een softwareaankoop.

Het 94 procent probleem is echt en gemeten

Volgens McKinsey's analyse over waar AI waarde creeert had eind 2025 bijna 90 procent van de organisaties AI in minstens een functie ingezet, maar kon slechts 39 procent er enige EBIT-impact aan toeschrijven. Van die groep zei het merendeel dat minder dan 5 procent van de winst aan AI-gebruik was gekoppeld. Reduceer je de cijfers, dan rapporteert ongeveer 6 procent van de bedrijven zowel significante waarde als betekenisvolle EBIT-impact uit AI. De rest geeft geld uit zonder aantoonbaar rendement.

Dit gaat niet over pilots die nog niet zijn uitgegaard. Adoptie is allang niet meer het knelpunt, en uitgaven evenmin. Deloitte's onderzoek naar de AI ROI-paradox stelde vast dat 85 procent van de organisaties het afgelopen jaar meer in AI investeerde en 91 procent dat opnieuw van plan is, terwijl slechts 6 procent binnen een jaar de investering terugverdiende. De typische use case heeft twee tot vier jaar nodig om zichzelf terug te verdienen, veel langer dan de zeven tot twaalf maanden die leiders van de meeste technologie-investeringen verwachten. Er stroomt sneller geld in dan er waarde uit komt.

Waarom het budget niet het verschil maakt

Als grotere budgetten en nieuwere modellen de winnaars van de verliezers scheidden, zou de kloof dichten naarmate de uitgaven stegen. Dat gebeurt niet. De bedrijven die vastzitten in de 94 procent geven vaak evenveel uit als de bedrijven in de 6 procent. Ze hebben toegang tot dezelfde frontier-modellen, dezelfde leveranciers, dezelfde cloud-credits. De variabele die impact echt voorspelt, ligt ergens anders.

McKinsey's data is daar onverbloemd over. High performers hebben bijna drie keer zo vaak hun workflows fundamenteel opnieuw ontworpen bij het inzetten van AI. In hun State of AI-onderzoek komt workflow-herontwerp naar voren als een van de sterkste voorspellers van impact op organisatieniveau, sterker dan de geavanceerdheid van het model, de omvang van het data-landschap of de hoogte van het technologiebudget. Wat correleert met rendement is niet wat je koopt. Het is wat je bereid bent te veranderen aan hoe het werk gebeurt.

Wat de 6 procent daadwerkelijk doet

De winnaars delen een herkenbaar patroon. Ze ontwerpen het werk opnieuw voordat ze het automatiseren. Ze investeren in mensen naast de technologie in plaats van personeel en tooling tegen elkaar uit te ruilen. Ze verankeren AI in kernprocessen in plaats van het er aan de zijkant op te schroeven. Ze volgen concrete KPI's per AI-oplossing zodat ze kunnen zien of het werkt. En ze hebben senior leiderschap dat zichtbaar verantwoordelijk is voor de uitkomst, niet alleen voor de aankoop.

Let op wat er ontbreekt in dat rijtje. Niets ervan gaat over het model. Niets ervan gaat over welke leverancier je tekende. Het hele voordeel komt voort uit organisatorische keuzes die de meeste bedrijven overslaan omdat ze traag, politiek en lastiger zijn dan een licentie kopen. Een workflow herontwerpen betekent vragen wie wat doet, in welke volgorde, en waarom. Dat is ongemakkelijk werk, dus wordt het uitgesteld, en de AI laat uiteindelijk een gebrekkig proces sneller draaien.

De investeringsmix vertelt hetzelfde verhaal. De organisaties die duurzame waarde pakken, geven betekenisvol uit aan de menselijke kant van de verandering: aan training, aan heringerichte rollen, aan de mensen die een proces eerlijk houden zodra software er een deel van doet. De bedrijven die AI zien als een manier om diezelfde menselijke laag te schrappen, zien de vroege efficiency vaak weer wegvloeien, omdat niemand eigenaar is van de rommelige randen waar het model fouten maakt. Waarde stapelt zich op waar mensen en technologie samen worden gefinancierd, niet waar het een voor het ander wordt ingeruild.

De valkuil van versnellen versus herontwerpen

Dit is de valkuil waar bijna iedereen in trapt. Je neemt een bestaand proces, zet er een AI-tool middenin, en het proces draait nu sneller. Het voelt als vooruitgang. Maar je hebt een workflow versneld die was ontworpen voor mensen die handmatige stappen uitvoeren, inclusief de overdrachten, goedkeuringen en herstelwerk die logisch waren voordat de technologie bestond. Je hebt de slechte versie versneld.

De berichtgeving over McKinsey's bevindingen in The Next Web verwoordde het goed: de productiviteitswinst van AI is echt, maar voorwaardelijk. De voorwaarde is herontwerp. Hetzelfde Deloitte-onderzoek wijst op dezelfde grondoorzaak en merkt op dat ROI ongrijpbaar is, niet omdat het model faalt maar omdat integratie en opschaling falen. Leiders onderschatten hoeveel verandermanagement, cross-functionele coordinatie en bestuurlijke afstemming er nodig is om een werkende pilot om te zetten in een programma dat de winst- en verliesrekening beweegt.

Het zijn niet alleen de beginjaren

Het meest gehoorde verweer voor de 94 procent is dat het simpelweg vroeg is. Geef het tijd, luidt het argument, en het rendement komt zodra de technologie volwassen wordt en organisaties de leercurve beklimmen. Daar zit een kern van waarheid in. De terugverdientijd van twee tot vier jaar die Deloitte beschrijft is reeel, en een meerjarige transformatie beoordelen op twaalf maanden data zou oneerlijk zijn.

Maar het beginjaren-verweer valt uiteen zodra je bedrijven met dezelfde startlijn vergelijkt. De 6 procent en de 94 procent begonnen ongeveer tegelijk, met dezelfde tools, vaak in dezelfde sectoren. Als tijd alleen de kloof zou dichten, zou je verwachten dat het verschil nu nog klein is. In plaats daarvan is het groot, en volgt het netjes het organisatorische gedrag. De high performers zijn niet verder op hetzelfde pad. Ze bewandelen een ander pad, en daar stapten ze bewust op door te herontwerpen voordat ze uitrolden.

Wat dit betekent voor je volgende AI-beslissing

Voordat je de volgende AI-tool goedkeurt, stel een vraag: welke workflow zijn we bereid hieromheen te herontwerpen? Als het eerlijke antwoord geen enkele is, koop je geen rendement. Je koopt een snellere versie van een proces dat je al hebt, en de data zegt dat dat je recht in de 94 procent plaatst. De tool is het goedkope deel. Het herontwerp is waar de waarde zit, en het is precies het deel dat de meeste bedrijven weigeren te financieren.

Voor een kleiner bedrijf is dit eigenlijk goed nieuws. Je hebt niet het grootste model of het grootste budget nodig om bij de 6 procent te horen. Je moet een proces kiezen dat je echt begrijpt, het herontwerpen rond wat de AI nu kan, en er een persoon met naam verantwoordelijk voor maken met een getal om te halen. Dat is een strategie die een bedrijf van tien man kan uitvoeren en een bedrijf van duizend man vaak niet, omdat het kleinere bedrijf minder lagen heeft tussen de beslissing en het werk.

Het kopcijfer wordt gelezen als bewijs dat AI overgewaardeerd is. Het tegendeel is waar. De 94 procent faalt niet omdat AI niet werkt. Ze falen omdat ze software kochten en het een strategie noemden. De 6 procent veranderde hoe ze werken, en de technologie deed de rest.