AI schaalt pas na scherpe keuzes

Inleiding

Bijna ieder managementteam kan inmiddels wel iets over AI laten zien. Er draaien copilots. Medewerkers testen tools. Er is een agentpilot in support, marketing of operations. En in veel organisaties is de toon daardoor optimistisch geworden: we zijn bezig, dus we liggen op koers.

Precies daar ontstaat nu een riskant misverstand.

De belangrijkste AI-vraag van 2026 is niet meer of bedrijven AI gebruiken. Die vraag is grotendeels beantwoord. De lastigere vraag is waarom zo weinig bedrijven er al aantoonbaar harder van groeien, structureel goedkoper van worden of sneller van leren dan hun concurrenten.

Nieuwe onderzoeken van BCG, McKinsey, de ECB, Deloitte, PwC, de OESO en Stanford wijzen in dezelfde richting. AI-adoptie verspreidt zich snel. Diepe waarde niet. De winnaars zijn niet de organisaties met de meeste pilots, maar de organisaties die durven kiezen waar AI echt thuishoort, waar het alleen een ondersteunende rol krijgt en waar ze beter helemaal stoppen.

Dat is voor ondernemers en bestuurders een nuttige correctie. Want veel bedrijven hebben geen tekort aan AI-ideeën meer. Ze hebben een tekort aan scherpte.

Breed gebruik is nog geen diepe inzet

Dat onderscheid zie je scherp terug in de Europese data. De ECB schreef op 24 juni 2026 over de SAFE-enquête onder ruim 5.000 bedrijven in het eurogebied: in het vierde kwartaal van 2025 rapporteerde meer dan 70 procent AI-gebruik en slechts 7 procent intensief gebruik. Juist dat intensieve gebruik is interessant, omdat de ECB het koppelt aan transformatiepotentieel. Bedrijven in de vroege fase noemen vooral kostenverlaging en operationele efficiëntie als motief. Intensieve gebruikers noemen juist vaker groei, innovatie, productontwikkeling en uitbreiding van diensten.

Dat verschil lijkt klein, maar is strategisch groot. Veel organisaties gebruiken AI al wel. Ze zetten het alleen nog niet diep genoeg in om de logica van hun business werkelijk te veranderen.

De Stanford-publicatie van februari 2026, gebaseerd op bijna 6.000 executives in vier landen, versterkt dat beeld. Ongeveer 70 procent van de bedrijven gebruikt AI actief. Tegelijk rapporteert meer dan 80 procent van de bedrijven over de afgelopen drie jaar geen merkbare impact op werkgelegenheid of productiviteit. Bestuurders verwachten wel degelijk toekomstige effecten, maar die zijn dus nog lang niet breed gerealiseerd.

Wie daar eerlijk naar kijkt, ziet geen mislukking van AI. Je ziet het verschil tussen gebruik en inbedding.

Waarde concentreert zich bij een kleine kopgroep

Het scherpste signaal komt misschien wel van BCG op 9 juli 2026. Hun analyse op basis van externe indicatoren van meer dan 600 Amerikaanse beursbedrijven concludeert dat slechts 6 procent als echte AI-leider kwalificeert. Die kleine groep presteert wel 9 procentpunt beter in voor sectorverschillen gecorrigeerde aandeelhoudersrendementen dan de mediaan. Volgens BCG komt die voorsprong bovendien niet primair uit hype, maar uit omzetgroei en margeverbetering.

Dat maakt dit onderwerp bestuurlijk relevanter dan veel losse AI-nieuwtjes.

De vraag is niet of AI ergens waarde kan opleveren. Dat kan het duidelijk. De vraag is waarom die waarde zo asymmetrisch verdeeld raakt. Waarom ontstaat bij de meeste bedrijven vooral activiteit, terwijl een kleine kopgroep productiviteitsvoordeel, snellere groei en sterkere marges weet te bouwen?

De analyse beschrijft een samenhang tussen AI-volwassenheid en bedrijfsresultaten; zij bewijst niet dat AI of een specifieke managementkeuze de rendementsvoorsprong veroorzaakt. Een bruikbare managementinterpretatie is om investeringen gericht te kiezen en de effecten daarvan in de eigen organisatie te toetsen.

De bottleneck heet geen model, maar bestuurlijke versnippering

BCG publiceerde op 22 juli 2026 een tweede sterk stuk dat precies die uitvoeringslaag blootlegt. Bijna negen op de tien CEO's zeggen inmiddels eerste kosten- of omzetvoordelen van AI te zien in gerichte toepassingen. Dat klinkt als goed nieuws, en dat is het ook. Alleen: tussen die eerste signalen en echte schaal zit een groot gat.

BCG laat zien dat veel leiders wel begrijpen dat AI aan de P&L gekoppeld moet worden, maar dat slechts 14 procent voor alle AI-initiatieven de P&L-impact expliciet definieert. Minder dan een derde financiert het herontwerp van processen en vaardigheden. Hoogpresteerders blijken juist veel vaker volledige werkprocessen opnieuw in te richten, hun beste mensen op AI-werk te zetten en financiering meerjarig te organiseren.

Daar zit de nieuwe managementles.

AI faalt in 2026 vaak niet omdat het model te zwak is. AI faalt omdat bedrijven drie klassieke fouten maken:

• ze verspreiden investeringen over te veel use cases tegelijk;
• ze meten activiteit in plaats van financiële uitkomst;
• ze plakken AI op bestaande processen zonder die processen opnieuw te ontwerpen.

Dan groeit de gereedschapskist sneller dan het concurrentievoordeel.

De organisatie loopt achter op de medewerker

McKinsey maakte die kloof op 8 juli 2026 concreter met een panel van 750 Engelstalige werknemers en leiders die al AI in hun werk gebruikten. Daarvan zei 70 procent persoonlijk klaar te zijn voor AI. Van de 608 leiders vond 27 procent de eigen organisatie klaar voor de benodigde veranderingen richting een meer agentische toekomst en plaatste 11 procent haar in de fase van heruitvinding van werk. Binnen die laatste groep rapporteerde 48 procent betekenisvolle enterprise value, tegenover 24 procent in de automation-fase en 13 procent in de enablement-fase. Dit zijn percepties uit een geselecteerd panel, geen representatieve bedrijfsmeting of bewijs dat herontwerp de gemelde waarde veroorzaakte.

Dat verschil is belangrijk.

Veel bestuurders denken nog dat de grote opgave adoptie is: medewerkers meekrijgen, toegang geven, training bieden. Natuurlijk is dat nodig. Maar de data suggereren iets anders: mensen bewegen inmiddels vaak sneller dan de organisatie. Medewerkers vinden hun weg naar tools, terwijl governance, besluitvorming, eigenaarschap, budgetlogica en workflowontwerp achterblijven.

Dan ontstaat een vreemd soort schijnvolwassenheid. Het bedrijf lijkt modern omdat veel mensen AI gebruiken, maar de organisatie is nog niet zo ingericht dat die inzet samen optelt tot meetbare bedrijfswaarde.

Ook mkb-bedrijven lopen tegen dezelfde muur aan

Dat is niet alleen een thema voor corporates. De OESO beschreef op 13 april 2026 groeiend AI-gebruik en veel gebruik van standaardproducten in een niet-representatieve steekproef van ruim 2.000 mkb-bedrijven uit twaalf OESO-landen. Tegelijk blijft strategische, gerichte en veilige integratie in de bedrijfsvoering ongelijk verdeeld. Tijdgebrek, onderhoudskosten, tekorten aan vaardigheden en cyberrisico's blijven duidelijke belemmeringen.

Voor mkb-ondernemers is dat misschien wel de belangrijkste les van dit moment. De verleiding is groot om AI te behandelen als een verzameling losse tools die medewerkers slim mogen inzetten. Dat levert vaak direct wat tijdwinst op. Maar zonder keuze over waar AI echt kernprocessen moet veranderen, blijft die winst meestal lokaal, tijdelijk en lastig schaalbaar.

Juist kleinere bedrijven hebben baat bij scherpte. Zij kunnen zich minder permitteren om tien halfslachtige experimenten tegelijk draaiend te houden. Een middelgroot bedrijf dat drie processen echt opnieuw ontwerpt, wint waarschijnlijk meer dan een groter bedrijf dat vijftig pilots laat rondzweven.

Waarom portfoliodenken nu noodzakelijk wordt

PwC verwoordde dat op 29 april 2026 bruikbaar met zijn lead-lag-exit-kader. Niet elk onderdeel van een bedrijf hoeft voorop te lopen in AI. Niet iedere workflow verdient diepe investeringen. En sommige initiatieven moet je niet opschalen, maar stopzetten.

Dat klinkt vanzelfsprekend, maar veel bedrijven handelen nog alsof breed experimenteren automatisch tot de juiste focus leidt. In de praktijk gebeurt vaak het omgekeerde. Experimenten krijgen intern hun eigen voorstanders, dashboards en politieke bescherming. Niemand wil te vroeg stoppen. Daardoor raken budget, talent en bestuurlijke aandacht versnipperd.

Portfoliodenken dwingt tot volwassenere vragen:

1. Waar kan AI echt een duurzaam voordeel bouwen in omzet, marge, snelheid of klantervaring?
2. Waar is AI vooral een hygiënefactor die we degelijk moeten volgen, maar niet hoeven te domineren?
3. Welke initiatieven leveren wel demo's op, maar geen strategische hefboom?

Zonder zulke keuzes verandert een AI-roadmap al snel in een verzameling sympathieke uitzonderingen.

De echte opschaling is organisatorisch

Deloitte vatte het op 29 juni 2026 scherp samen: veel executives zeggen dat zij AI al op schaal kunnen uitrollen en beheersen, maar bijna driekwart erkent tegelijk dat het operating model in de komende twaalf tot achttien maanden moet veranderen om vooruitgang vol te houden. Met andere woorden: de technologie kan vaak eerder vooruit dan de organisatie.

Dat is precies waarom het huidige AI-tijdperk minder op software-implementatie lijkt en meer op een bedrijfsverbouwing. Zodra AI dieper in pricing, service, planning, marketing, risk, finance of operations komt, moeten ook besluitrechten, teamgrenzen, budgetten, controlepunten en KPI's meeverschuiven.

Wie dat niet doet, krijgt een bekend patroon:

• medewerkers besparen tijd, maar niemand claimt de vrijgevallen capaciteit;
• teams bouwen eigen AI-oplossingen, maar standaarden en governance lopen uiteen;
• use cases tonen operationele winst, maar finance ziet geen harde doorwerking in marge of cashflow;
• leiders praten over schaal, terwijl de organisatie nog per project werkt.

Dan blijft AI een optelsom van lokale successen zonder centraal vliegwiel.

Wat leiders nu concreet anders moeten doen

Dit levert zeven praktische managementlessen op.

1. Kies eerst de paar workflows die echt de P&L raken. Niet de leukste demo wint, maar het proces waar AI aantoonbaar omzet, marge, cyclustijd of foutreductie kan verbeteren.

2. Definieer vooraf hoe waarde doorwerkt. Tijdwinst is geen bedrijfswaarde zolang niet duidelijk is hoe die zich vertaalt naar meer output, lagere kosten, betere conversie of hogere klantretentie.

3. Ontwerp AI niet per tool, maar per workflow. Een chatbot, agent of copiloot op een oud proces levert zelden de volle winst. Ontwerp het werk eromheen opnieuw.

4. Stop expliciet met zwakke initiatieven. Een organisatie die nooit AI-projecten stopt, bouwt geen portfolio maar ballast.

5. Zet je beste proceseigenaren op de zwaarste AI-domeinen. Niet alleen IT of innovatie, maar ook P&L-verantwoordelijken moeten eigenaar zijn.

6. Maak governance licht genoeg om snelheid niet te smoren, maar hard genoeg om wildgroei te voorkomen. Vooral in mkb-omgevingen is die balans cruciaal.

7. Meet intensiteit, niet alleen adoptie. Het relevante stuurgetal is niet hoeveel medewerkers AI openen, maar in hoeveel kernprocessen AI ingebed, gestuurd en financieel gevolgd wordt.

De volgende voorsprong zit in durven schrappen

Dat is misschien de minst sexy, maar belangrijkste conclusie van de zomer van 2026. De volgende AI-voorsprong komt niet uit meer activiteit. Ze komt uit meer selectie.

De eerste fase van AI draaide om ontdekken wat er mogelijk was. De tweede fase draait om kiezen wat bedrijfsmatig telt. In die overgang gaan veel organisaties de mist in, juist omdat zij succes nog verwarren met zichtbare drukte.

Voor leiders is de betere vraag daarom niet: "Doen wij genoeg met AI?"

De betere vraag is: "Op welke paar plekken zijn wij bereid om processen, budgetten, eigenaarschap en mensen echt te herschikken zodat AI daar meetbaar voordeel oplevert?"

Wie daar geen antwoord op heeft, krijgt waarschijnlijk wel adoptie.

Maar geen voorsprong.