AI rendeert pas als je datafundament en werkontwerp kloppen

Niet het model, maar het fundament

In veel organisaties is de AI-discussie nog steeds verrassend oppervlakkig. Welk model kiezen we? Welke copilots moeten we testen? Welke prompttraining geven we het team?

De meest interessante zakelijke les van 2026 is inmiddels een andere: bedrijven lopen met AI minder vaak vast op de tool zelf dan op hun eigen fundament. Data is versnipperd, verantwoordelijkheden zijn onduidelijk, processen zijn niet herontworpen en governance blijft steken in losse richtlijnen.

Juist daarom boeken veel organisaties wel lokaal resultaat met AI, maar nog geen brede bedrijfswinst. De pilot werkt. De demo oogt slim. De echte opschaling blijft uit.

Adoptie groeit hard, maar opschaling blijft achter

De OECD meldde op 28 januari 2026 dat 20,2% van de bedrijven in 2025 AI gebruikte, tegenover 14,2% in 2024. Grote bedrijven lopen daarbij ver voor op kleinere: 52,0% versus 17,4%.

Maar groei in gebruik is nog geen bewijs van volwassen waardecreatie. McKinsey liet zien dat bijna negen op de tien respondenten zeggen dat hun organisatie AI in ten minste een bedrijfsfunctie gebruikt, terwijl ongeveer twee derde nog niet op enterprise-schaal werkt. Slechts 39% rapporteert enige EBIT-impact op organisatieniveau.

Veel bedrijven hebben inmiddels AI-activiteit, maar nog geen AI-systeem dat echt meedraait in de bedrijfsvoering.

Het echte knelpunt is steeds vaker data, niet het model

McKinsey formuleerde op 23 juni 2026 dat data nu de bottleneck wordt voor organisaties die AI uit de pilotfase willen halen. Slechts 7% van de bedrijven heeft AI volledig opgeschaald over de organisatie.

Een AI-toepassing knipt informatie op, verrijkt die, combineert context uit meerdere systemen en produceert nieuwe afgeleide artefacten. Als die keten niet traceerbaar, herbruikbaar en consistent is, ontstaan er verschillende antwoorden op basis van dezelfde bron.

• onvoorspelbare output
• oplopende kosten
• verschillende waarheden per team
• zwakke controle op gevoelige informatie
• afnemend vertrouwen bij medewerkers en klanten

Werkontwerp bepaalt meer dan individuele AI-skills

Microsofts 2026 Work Trend Index maakt zichtbaar dat organisatorische factoren zoals cultuur, managementsteun en talentpraktijken meer dan twee keer zoveel invloed hebben op AI-impact als individuele factoren: 67% tegenover 32%.

Veel leiders investeren eerst in trainingen voor medewerkers en pas later in procesherontwerp, mandaten en KPI's. Als de organisatie medewerkers nog steeds afrekent op oud werk, blijft AI een productiviteitslaag bovenop een verouderd systeem.

65% van de AI-gebruikers vreest achter te raken, maar 45% voelt het veiliger om op bestaande doelen te sturen dan werk echt opnieuw te ontwerpen. Slechts 13% voelt zich beloond voor herontwerp.

Agents maken het managementprobleem nog groter

AI wordt autonomer. Het vraagstuk verschuift van "welke tool gebruiken we?" naar "welke beslissingen durven we aan software toe te vertrouwen?"

BCG en MIT Sloan Management Review lieten zien dat 35% van de organisaties al met agentic AI werkt en nog eens 44% dat snel van plan is, terwijl weinig organisaties workflows, governance en talentaanpak al hebben heringericht.

Zodra agents taken plannen, uitvoeren en doorzetten in workflows, worden escalatieregels, controlepunten, logging, rechten en eindverantwoordelijkheid operationele ontwerpkeuzes.

Verantwoord gebruik is geen rem, maar een voorwaarde voor rendement

Veel organisaties hebben inmiddels beleid, principes en een basistraining. Dat is nodig, maar niet voldoende.

BCG schreef dat organisaties met volwassen responsible-AI-aanpakken twee keer zo vaak zakelijke voordelen realiseren. Zonder duidelijke validatie, transparantie en risicobeheersing durven organisaties AI niet diep genoeg in processen te verankeren.

Wat dit concreet betekent voor bedrijven

• Welke data worden door meerdere AI-toepassingen hergebruikt, en zijn die betrouwbaar genoeg?
• Waar ontstaan verschillende antwoorden uit dezelfde bron?
• Welke processen verdienen fundamenteel herontwerp in plaats van een extra AI-stap?
• Op welke punten moet een mens altijd valideren, overrulen of escaleren?
• Welke managers worden nu echt afgerekend op AI-adoptie die verder gaat dan experimenteren?

Vijf acties die je deze zomer kunt nemen

• Kies een kernproces, geen tien losse use-cases — offertevoorbereiding, klantservice, kennisontsluiting of compliancecontrole.
• Maak dataherkomst en eigenaarschap zichtbaar per AI-stroom.
• Herontwerp KPI's samen met lijnmanagement — voeg kwaliteitscontrole en leersnelheid toe.
• Bouw governance in de workflow, niet erbuiten — validatiestappen, escalatieregels en logging.
• Beoordeel AI niet alleen op tijdswinst — kijk ook naar foutreductie, besluitvorming en kennisoverdracht.

De nieuwe scheidslijn loopt niet tussen bedrijven met en zonder AI

Die fase zijn we grotendeels voorbij. De nieuwe scheidslijn loopt tussen bedrijven die AI als los gereedschap behandelen en bedrijven die hun datafundament, governance en werkontwerp durven aanpassen.

De eerste groep blijft druk met pilots, trainingen en toolvergelijkingen. De tweede groep bouwt aan een organisatie waarin AI betrouwbaar kan meedraaien, managers weten waar menselijke controle hoort en teams sneller leren van hun eigen werk.

Het echte concurrentievoordeel ontstaat niet in de slimste prompt, maar in de best ontworpen organisatie.