De data achter onze these.

De AI-omslag heeft veel activiteit opgeleverd, maar tot nu toe weinig financieel resultaat voor de meeste bedrijven. McKinsey concludeert dat het echte AI-voordeel ontstaat door te herontwerpen hoe werk wordt gedaan en hoe beslissingen tot stand komen, niet door AI toe te voegen aan de bestaande structuur. Succes hangt uiteindelijk af van mensen en operating models die door technologie worden ondersteund, niet andersom. De organisaties die dit goed doen richten hun structuur opnieuw in rond de vraag welke beslissingen sneller of beter genomen kunnen worden, en bouwen daar pas daarna de technologie omheen.

De kernboodschap: AI is geen los stuk gereedschap maar een teamgenoot. Waar leiders AI eerst beschreven als een persoonlijke productiviteitshulp, spreken ze inmiddels over agents met eigen naam, taken en verantwoordelijkheden die dag en nacht doorwerken. Het patroon is dat functies opnieuw worden ingericht als samenwerking tussen mensen en AI, waarbij werk wordt herverdeeld zodat teams meer aandurven. Een voorbeeld uit het onderzoek: een team dat vroeger 50 zaken tegelijk kon behandelen, behandelt er nu 3.000, niet door 60 keer zoveel mensen aan te nemen maar door AI het routinewerk te geven en mensen de gesprekken die er echt toe doen. McKinsey benadrukt dat dit geen efficiencyslag is maar een fundamenteel ander verdienmodel.

McKinsey’s onderzoek onder duizenden bestuurders wijst verandermanagement en verkokerde manieren van werken aan als de grootste obstakels voor het opschalen van AI, nog v\u00f3\u00f3r technische infrastructuur. Traditioneel verandermanagement, eenmalige trainingen en top-down uitrol scheppen wel bewustzijn maar bouwen niet het vertrouwen en de gewoontes die nodig zijn om nieuwe manieren van werken vast te houden. Vier angsten blijken telkens terug te komen bij medewerkers: bang zijn om achter te lopen, angst voor verantwoordelijkheid zonder controle, onzekerheid over waar het heen gaat, en angst om professionele meerwaarde te verliezen. Leiders die deze angsten benoemen en er expliciet op ontwerpen, komen verder dan leiders die ze als hindernis behandelen.

Bijna 90 procent van de bedrijven gebruikt AI inmiddels regelmatig, maar slechts 37 procent van de respondenten schrijft daadwerkelijke EBIT‑impact toe aan AI. De kloof tussen koplopers en de rest groeit: 60 procent van de marktleiders rapporteert dubbelcijferige omzetgroei, tegenover 21 procent van de achterblijvers. Organisaties die het verst komen zijn drie keer zo vaak bereid om individuele werkprocessen fundamenteel te herontwerpen in plaats van AI toe te voegen aan wat er al is. Een voorbeeld: Reckitt zette AI-gestuurde scenarioplanning in voor prijsstelling en assortimentskeuzes en ontsloot daarmee meer dan 500 miljoen dollar aan nieuwe omzet. De conclusie van McKinsey is dat leiders die alleen bovengemiddelde groeidoelen stellen, niet ambitieus genoeg zijn: met AI als vertrekpunt is bijna drie keer zoveel waarde haalbaar als de meeste bedrijven voor mogelijk houden.

McKinsey signaleert een reële uitdaging: de werkzaamheden waarmee starters vroeger het vak leerden, verdwijnen of veranderen sterk door AI. Tegelijkertijd groeit de onzekerheid onder starters snel: het aandeel afstuderende studenten dat pessimistisch is over hun carrierestart steeg in twee jaar van 46 naar 62 procent. Hoeveel van deze verschuiving echt aan AI ligt, is nog niet volledig vast te stellen, ook thuiswerken en andere factoren spelen mee. Voor organisaties is de vraag niet meer hoeveel starters ze aannemen, maar waar die functies voor bedoeld zijn. McKinsey schetst een aanpak in vier delen: kennismanagement, functieontwerp, leren tijdens het werk zelf, en actieve begeleiding, zodat starters leren AI-systemen te ontwerpen en aan te sturen in plaats van er alleen mee te werken.

BCG’s vierde jaarlijkse onderzoek laat zien dat organisaties die werkprocessen volledig herontwerpen beter scoren op zowel gerealiseerde waarde als werkplezier dan organisaties die alleen tools uitrollen, en dat verschil wordt ieder jaar groter. 72 procent van de respondenten zegt dat de verwachte vaardigheden zijn veranderd, maar slechts 36 procent voelt zich voldoende getraind. Slechts 33 procent vindt dat leiderschap helder communiceert over AI. BCG noemt dit expliciet geen technisch vraagstuk meer maar een organisatorisch en leidinggevend vraagstuk: de bedrijven die het beste scoren op waarde zijn ook de bedrijven waar medewerkers het meest werkplezier ervaren. Dat zijn geen tegengestelde uitkomsten, ze worden door dezelfde keuzes gedreven.

TNO nam 17 interviews af bij medewerkers en werkgevers rond vier uiteenlopende AI-toepassingen. Bij HelloPrint leidde grootschalige automatisering van klantcontact tot een sterke personeelsreductie in de klantenservice. Bij de Douane, waar een AI-toepassing medewerkers helpt te zoeken in de Douanehandboeken, zagen pilotdeelnemers duidelijke tijdwinst en betere vindbaarheid van informatie, maar TNO benadrukt dat harde productiviteitscijfers nog ontbreken: veel hangt af van hoe de vrijgekomen tijd wordt ingezet. Bij a.s.r. bleek het meten van AI-impact op klantinzicht lastiger dan verwacht. De rode draad door alle vier de cases: AI-toepassingen kunnen processen merkbaar efficiënter maken, maar de uitkomst hangt sterk af van hoe het werk daaromheen opnieuw wordt ingericht, niet van de technologie alleen.

Deloitte’s jaarlijkse onderzoek naar human capital trends laat zien dat de meeste organisaties (59 procent) nog steeds technologiegericht te werk gaan bij AI: eerst de tool, dan pas het werk eromheen. Dat werkt averechts. Technologie is inmiddels overal beschikbaar en dus steeds minder onderscheidend, concludeert Deloitte, terwijl menselijk aanpassingsvermogen, creativiteit en oordeelsvermogen dat juist wel blijven. Concurrentievoordeel ontstaat niet meer primair uit technologiekeuze maar uit hoe goed een organisatie mensen en machines in elkaars verlengde laat werken. Deloitte noemt drie kantelpunten die 2026 anders maken dan voorgaande jaren: de druk op organisaties stapelt zich tegelijk op, waardoor de klassieke groeicurve van geleidelijke opbouw naar piek steeds sneller verloopt en organisaties vaker en sneller moeten overspringen naar een nieuwe curve.

Bijna negen op de tien organisaties gebruiken inmiddels regelmatig AI, een enorme stijging ten opzichte van eerdere jaren. Toch blijft de voortgang ongelijk verdeeld: bijna twee derde van de organisaties is nog niet begonnen met het opschalen van AI door de hele organisatie heen. 64 procent ziet AI als aanjager van innovatie, maar slechts 39 procent rapporteert daadwerkelijke EBIT‑impact op organisatieniveau. De organisaties die er wel in slagen, denken verder dan efficiency alleen: ze zetten AI in om workflows opnieuw te ontwerpen en innovatie te versnellen, met groei en innovatie als expliciete doelen naast kostenbesparing. Dat is precies het verschil tussen organisaties die AI toevoegen aan bestaand werk en organisaties die het werk zelf herontwerpen.

Het onderzoek van Everest Group plaatst enterprises op drie niveaus: beginnende verkenners, gestructureerde experimenteerders, en strategische schaalvergroters. De meeste organisaties bevinden zich nog in de eerste twee categorieën. Meer dan 90 procent verwacht meetbare prestatieverbetering van agentic AI, maar het rapport is helder over wat daarvoor nodig is: succes hangt niet af van de technologie alleen, maar van de combinatie van bestuurlijke betrokkenheid, financieringsmodellen, governance en voorbereiding van de eigen mensen. Organisaties die agentic AI behandelen als een langetermijntransformatie in plaats van een reeks losse pilots, zijn degenen die vroege experimenten weten om te zetten in blijvend concurrentievoordeel. Het komende jaar tot anderhalf jaar wordt volgens Everest Group bepalend voor de vraag of enterprises blijven hangen in gecontroleerde experimenten of doorgroeien naar een echt geschaalde, beheerste vorm van samenwerking tussen mensen en AI.

Celonis' derde jaarlijkse Process Optimization Report laat zien dat 85 procent van de organisaties binnen twee tot drie jaar een "agentic enterprise" wil zijn, terwijl vandaag pas 19 procent daadwerkelijk multi-agent-systemen gebruikt. Meer dan drie kwart van de bedrijven zegt het momenteel te moeten doen met suboptimale processen. Het grootste knelpunt is niet weerstand tegen verandering, slechts 6 procent noemt dat als belangrijkste hindernis, maar operationele gereedheid: gebrek aan expertise, verkokerde afdelingen, en moeite om AI de bedrijfscontext te laten begrijpen. 89 procent van de leiders zegt dat AI alleen rendement oplevert als het de regels, KPI's en structuur van de organisatie daadwerkelijk begrijpt. De conclusie van Celonis is direct: zonder scherp zicht op hoe processen echt lopen, gokken AI-agents in plaats van dat ze bijdragen.

BCG ontwikkelde een onafhankelijke maatstaf voor AI-adoptie, los van wat bedrijven zelf claimen in persberichten of enquetes. Slechts 6 procent van de onderzochte bedrijven kwalificeert als echte koploper, maar die groep laat opvallende resultaten zien: een sectorgecorrigeerd aandeelhoudersrendement van 9,3 procentpunt boven het gemiddelde, gedreven door omzetgroei en marge, niet door hogere waarderingen. Opvallend genoeg groeit het personeelsbestand van deze koplopers 3 procentpunt sneller dan het gemiddelde bedrijf. Het weerlegt het beeld dat AI-koplopers vooral inkrimpen: bij de bedrijven die het echt goed doen, is groei de dominante route naar waarde, niet efficiency. Waarde ontstaat bovendien niet geleidelijk maar in een sprong: bedrijven net onder de top laten nauwelijks extra rendement zien, de winst concentreert zich echt bij de bovenste laag.

Een jaar na de doorbraak van agentic AI trekt McKinsey een nuchtere conclusie: het goed laten werken vraagt echt inspanning, en sommige organisaties nemen zelfs mensen terug in dienst nadat agents niet aan de verwachtingen voldeden. De belangrijkste les is dat bedrijven te veel focussen op hoe indrukwekkend een agent oogt, en te weinig op de workflow eromheen, met als resultaat mooi ogende agents die de algehele doorlooptijd niet echt verbeteren. Organisaties die wel waarde realiseren, ontwerpen de hele workflow opnieuw, mensen, processen en technologie samen, in plaats van alleen een taak te automatiseren. Een andere les: agents trainen en onboarden verdient net zoveel aandacht als het inwerken van een nieuwe medewerker, inclusief duidelijke taakomschrijving en doorlopende feedback. Zonder die investering ontstaat al snel wat McKinsey "AI slop" noemt: matige output die het vertrouwen van gebruikers snel ondermijnt.

Microsoft's "Frontier Playbook" beschrijft de eigen methodiek voor AI-transformatie langs vijf elementen: bedrijfsambitie verankeren, een schaalbaar AI-operating-model bouwen, wat het bedrijf onderscheidt vastleggen in systemen, blijvend investeren in mensen, en governance toepassen op elke actie van een agent voordat er wordt opgeschaald. Het document is expliciet terughoudend: het weerspiegelt Microsoft's huidige ervaring en perspectief, niet een garantie voor resultaat bij anderen. Terugkerende strategische vragen die in elke boardroom opduiken: hoe veranker je AI aan echte bedrijfswaarde, hoe ga je snel zonder te verliezen wat het bedrijf onderscheidend maakt, en hoe neem je mensen mee in het herontwerp van hun eigen werk? Het benadrukt dat AI-transformatie evenveel over mensen en governance gaat als over technologie.

Het onderzoek construeert een dynamische maatstaf voor hoeveel een vacature is blootgesteld aan generatieve AI, en ontleedt hoe die blootstelling verandert. Twee mechanismen blijken samen te spelen: herverdeling van waar bedrijven aannemen (52 procent van de verandering) en herontwerp van taken binnen bestaande functies (39,5 procent). Senior functies passen zich eerder aan en vooral via herverdeling, terwijl functies voor starters via een combinatie van beide mechanismen veranderen. De onderzoekers concluderen dat aanpassing aan generatieve AI vooral een proces van organisatorische herinrichting is, bedrijven vormen zowel wie ze aannemen als wat een functie inhoudt opnieuw, niet simpelweg een kwestie van banen die verdwijnen.

Het Nederlandse IT-bedrijf Team Rockstars IT onderzocht hoe AI het werk van de eigen kenniswerkers verandert. AI beslaat inmiddels meer dan 30 procent van de werkweek, een verdubbeling ten opzichte van een jaar eerder, en meer dan 9 op de 10 medewerkers ziet de technologie eerder als kans dan als bedreiging. Tegelijk klinkt een duidelijke waarschuwing, kort nadat ook TNO voor hetzelfde patroon waarschuwde: tijdwinst wordt pas echte productiviteit en kwaliteit als organisaties het werk daar bewust op herinrichten. Zonder dat herontwerp ligt het risico van "domme productiviteit" op de loer, sneller werken zonder dat de kwaliteit of de waarde meegroeit. Hoe verweven AI inmiddels is met het dagelijkse werk bleek toen een tijdelijke storing in Copilot voor merkbare onrust zorgde onder medewerkers.