AI wordt pas strategisch als stroom en compute directiethema worden

Inleiding

Veel organisaties praten nog over AI alsof het vooral een softwarekeuze is. Welk model kiezen we? Welke copilots geven we teams? Welke use-cases kunnen we versnellen? Die vragen blijven relevant, maar ze zijn niet meer voldoende. Een recente reeks gezaghebbende publicaties laat zien dat AI in hoog tempo ook een fysiek en financieel infrastructuurvraagstuk wordt.

Dat klinkt misschien als iets voor hyperscalers, energiebedrijven of datacenterinvesteerders. Toch raakt het inmiddels ook gewone directieteams. Zodra AI van losse experimenten naar schaal verschuift, komen nieuwe vragen op tafel. Welke workloads verdienen schaarse en dure compute? Hoe gevoelig wordt je kostenbasis voor tokenprijzen, energieprijzen en capaciteitsschaarste? In welke regio wil je draaien? Hoe afhankelijk wil je zijn van een klein aantal leveranciers, chips of locaties?

Voor ondernemers en bestuurders is dat een belangrijke verschuiving. De volgende AI-voorsprong komt waarschijnlijk niet alleen uit betere prompts of nog een extra tool. Die komt uit organisaties die begrijpen dat AI nu ook vraagt om kapitaaldiscipline, leveringszekerheid en bewuste keuzes over de infrastructuur eronder.

PwC laat zien dat AI-infrastructuur een kapitaalvraagstuk van formaat is

PwC zette op 2 september 2026 de toon met een opvallend cijfer: wereldwijd kan de investering in AI-infrastructuur oplopen tot 31,6 biljoen dollar richting 2050. Hun analyse is vooral interessant omdat zij AI-infrastructuur niet beschrijven als een eenmalige bouwgolf, maar als een langlopende investeringscyclus. Volgens PwC zal niet alleen de eerste uitrol veel kapitaal vragen; juist terugkerende chipvervangingen en technologische vernieuwing blijven de investeringsdruk opvoeren.

Nog belangrijker voor bestuurders is hun tweede punt: stroom wordt de doorslaggevende factor in waar AI-capaciteit daadwerkelijk landt. PwC noemt energie, naast connectiviteit, veiligheid, beleid en community consent, als de hardste randvoorwaarde. Daarmee verandert AI-infrastructuur van een technisch subthema in een bredere allocatievraag die technologie, energie, vastgoed, supply chain, regelgeving en financiering tegelijk raakt.

Voor bedrijven betekent dat iets heel praktisch. De vraag is niet meer alleen of AI nuttig genoeg is om in te investeren. De vraag wordt ook welke vorm van toegang duurzaam, betaalbaar en bestuurbaar blijft. Wie nu alleen rekent met functionaliteit en gebruikersadoptie, maar niet met onderliggende schaarste en leveringsrisico, maakt zijn AI-roadmap waarschijnlijk te licht.

McKinsey en Gartner maken duidelijk waarom dit nu al in enterprise-budgetten voelbaar wordt

McKinsey beschrijft op 25 augustus 2026 dat AI-gebruik weliswaar verdiept, maar dat de financiële impact achterblijft. Veertig procent van de respondenten bij organisaties met meer dan 1 miljard dollar jaaromzet zegt AI-agents al te schalen. In de totale enquête behoort ongeveer 6 procent tot de AI-high performers: respondenten die minstens 5 procent van de EBIT aan AI toeschrijven én de impact significant noemen. Een bredere groep, 37 procent, meldt enige positieve EBIT-impact. Tegelijk zegt ongeveer een op de vijf respondenten dat AI-gebruik al wordt begrensd door operationele kosten, inclusief tokens. Dat is een cruciale observatie: AI is niet langer alleen een innovatie- of adoptievraagstuk, maar begint direct te drukken op budgetdiscipline.

McKinsey laat bovendien zien dat bijna een derde van de organisaties inmiddels afziet van bepaalde softwareaankopen omdat functionaliteit intern met agentic coding tools kan worden gebouwd. Dat klinkt efficiënt, maar het verschuift investeringen ook. Kosten verdwijnen niet automatisch; ze bewegen van licenties naar compute, tooling, platformbeheer en specialistische capaciteit.

Gartner legt daar een fysieke laag onder. In zijn update van 10 juni 2026 voorspelt Gartner dat het elektriciteitsverbruik van datacenters in 2026 stijgt naar 565 terawattuur, 26 procent hoger dan een jaar eerder. Volgens Gartner zullen AI-geoptimaliseerde servers in 2026 al 31 procent van het wereldwijde datacenterverbruik vertegenwoordigen, en in 2027 meer stroom gebruiken dan conventionele servers. Hun managementboodschap is helder: stroomzekerheid wordt een nieuw strijdtoneel voor schaal en margebescherming.

Die combinatie is zakelijk relevant. Als AI-gebruik in de onderneming groeit terwijl de fysieke kostenlaag versnelt, dan wordt schaarste een managementvariabele. Niet elke use-case verdient dezelfde infrastructuur. Niet elk experiment hoeft op de duurste of snelste capaciteit te draaien. En niet elk bedrijf moet zich gedragen alsof onbeperkte compute vanzelf beschikbaar blijft.

BCG verschuift de discussie van datacenterbouw naar strategische ontwerpkeuzes

BCG voegt op 18 augustus 2026 een belangrijke nuance toe. In hun analyse over grid-positive datacenters stellen zij dat de AI-race ook een race is om datacenters snel genoeg te bouwen en van stroom te voorzien. Volgens BCG kan de wereldwijde computecapaciteit richting 2030 meer dan verdubbelen, terwijl aansluitwachtrijen in veel markten inmiddels oplopen tot vijf tot tien jaar.

Dat inzicht is groter dan alleen een energieverhaal. Het betekent dat locatie, flexibiliteit en verbindingssnelheid strategische voordelen worden. BCG beschrijft dat sommige workloads niet latency-gevoelig zijn en daarom kunnen verschuiven naar plekken waar stroom eerder of gunstiger beschikbaar is. Ook laten zij zien dat niet iedere partij moet wachten op een perfecte, vaste aansluiting. Door anders te ontwerpen, flexibel te draaien en extra lokale energie- of opslagcapaciteit te organiseren, kunnen datacenters in sommige gevallen jaren eerder live komen.

Voor bestuurders buiten de datacentersector zit daar een bruikbare les in. AI-strategie draait niet alleen om wat je wilt bouwen, maar ook om welke architectuurkeuzes je bewegingsruimte geven als capaciteit schaars wordt. Organisaties die alles ontwerpen voor een enkel platform, een enkele regio of een enkele dure capaciteitslaag maken zichzelf kwetsbaar. Organisaties die workloads slim verdelen en optionaliteit inbouwen, houden meer ruimte om kosten, prestaties en risico's te balanceren.

De Wereldbank herinnert eraan dat toegang tot AI alleen niet genoeg is

Het World Development Report 2026 van de Wereldbank trekt die les nog breder. Het rapport stelt dat een klein aantal bedrijven en landen de meest geavanceerde modellen, chips en datacenters controleert. Tegelijk benadrukt de Wereldbank dat toegang tot AI-capaciteiten op zichzelf onvoldoende is. Productiviteitswinst materialiseert pas wanneer de juiste aanvullingen aanwezig zijn: betrouwbare infrastructuur, goede data, vaardigheden en instellingen.

Voor ondernemingen is dat een nuchtere correctie op het idee dat modeltoegang alleen al concurrentievoordeel oplevert. Toegang is steeds vaker een basisvoorwaarde. Het verschil ontstaat in de manier waarop organisaties AI inpassen in hun eigen context: met een passende kostenstructuur, voldoende datakwaliteit, duidelijke prioriteiten en een infrastructuurkeuze die past bij hun risicoprofiel.

Die redenering sluit ook aan op de dagelijkse praktijk. Een bedrijf kan prima toegang hebben tot dezelfde frontier-modellen als zijn concurrenten, maar toch minder waarde realiseren omdat workloads verkeerd zijn gekozen, kosten uit de hand lopen, governance te laat komt of data en systemen niet klaar zijn voor schaal.

De nieuwe directievraag is niet alleen wat AI kan, maar wat het mag kosten en dragen

Hier zit de echte managementverschuiving. In de eerste AI-golf draaide veel om experimenteren, vaardigheid opbouwen en snelle pilots. In de volgende fase gaat het vaker om portfoliokeuzes onder schaarste.

Dat vraagt om andere vragen in de boardroom:

• Welke AI-workloads zijn echt bedrijfskritisch en welke mogen op goedkopere of tragere capaciteit draaien?
• Waar verschuiven uitgaven van softwarelicenties naar compute, stroom, platformbeheer en specialistische teams?
• Welke leveranciers-, regio- of infrastructuurconcentratie accepteren we bewust, en waar willen we fallback-opties?
• Welke use-cases leveren genoeg marge, omzetgroei of risicoreductie op om hoogwaardige capaciteit te rechtvaardigen?

Dit is geen pleidooi om elk bedrijf een eigen datacenterstrategie te laten voeren. Het is wel een pleidooi om AI niet langer als los softwarelaagje te behandelen. Zodra AI diep in processen, producten of besluitvorming terechtkomt, worden kosten per workload, capaciteitskeuze, datalocatie en leveringszekerheid gewone managementvariabelen.

Wat directie en MT vandaag concreet kunnen doen

Voor ondernemers en bestuurders is een verstandig startpunt om het AI-portfolio niet alleen op innovatiepotentieel te ordenen, maar ook op infrastructuurzwaarte.

Begin met vier praktische stappen:

• Maak onderscheid tussen AI voor brede productiviteit, AI voor kernprocessen en AI voor onderscheidende proposities.
• Koppel per categorie een passend kostenniveau, responstijd, risicoprofiel en vereiste beschikbaarheid.
• Breng in kaart waar de organisatie afhankelijk is van een beperkt aantal leveranciers, regio's, modellen of capaciteitstypen.
• Laat finance, procurement, risk, operations en technology samen beslissen over de zwaarste AI-investeringen in plaats van elk domein apart.

Voeg daar vervolgens een simpele ontwerpregel aan toe: reserveer de duurste en schaarsste capaciteit voor processen waar snelheid, kwaliteit of concurrentiekracht echt op het spel staan. Veel andere toepassingen kunnen prima draaien op goedkopere modellen, batchverwerking, lagere prioriteit of meer gestandaardiseerde workflows.

Dat levert twee voordelen op. Ten eerste voorkom je dat enthousiasme voor AI ongemerkt een onbeheersbare kostenstructuur opbouwt. Ten tweede houd je meer ruimte over om gericht te investeren waar AI echt verschil maakt.

De slimste AI-strategie is nu ook infrastructuurstrategie

De opvallendste les uit deze bronnen is simpel: AI is niet langer alleen een digitale competentie. Het wordt ook een vraag van fysieke draagkracht en kapitaalkeuze.

Bedrijven die dat op tijd begrijpen, kijken anders naar hun roadmap. Zij vragen niet alleen welke use-cases technisch mogelijk zijn, maar ook welke economisch houdbaar, operationeel schaalbaar en strategisch verstandig zijn. Zij behandelen compute niet als onzichtbare achtergrondservice, maar als een productiemiddel dat gestuurd moet worden.

Daarmee verandert ook de directievraag. Niet alleen: waar kunnen we AI inzetten? Maar vooral: waar willen we schaarse AI-capaciteit bewust voor reserveren, en welk fundament moet daaronder op orde zijn?

In de komende fase wint waarschijnlijk niet de organisatie met de langste lijst pilots, maar de organisatie die AI koppelt aan scherpere allocatiekeuzes. Juist daar wordt AI van een veelbelovende tool een bestuurbare groeikracht.