ChatGPT, Copilot en Claude zijn inmiddels net zo normale bedrijfstools als Microsoft Office of Google Drive. De verwachtingen waren hoog: minder routinewerk, snellere beslissingen, lagere kosten. Twee jaar na de eerste grote uitrolgolf blijkt de praktijk weerbarstiger.

De cijfers zijn opvallend eenduidig. In het jaarlijkse AI-onderzoek van McKinsey zegt 88 procent van de organisaties AI structureel te gebruiken in minstens één bedrijfsonderdeel. Maar het aandeel dat er ook daadwerkelijk winst uit haalt, staat op 37 procent: vrijwel exact hetzelfde als een jaar eerder. Tweederde is nog niet begonnen met opschalen. De adoptie is dus verdubbeld, maar de opbrengst niet meegegroeid.

Nederland loopt daarin voorop en achter. Volgens het CBS gebruikte in 2025 66 procent van de grote bedrijven AI-technologie, tegen 30 procent van het MKB. De sterkste stijging zit bij bedrijven met 50 tot 250 medewerkers: van 20 procent in 2023 naar 45 procent in 2025. De licenties zijn er. De vraag is wat ze opleveren.

Want terwijl het gebruik achterblijft, loopt de rekening gewoon door. Medewerkers zoeken bovendien hun toevlucht tot andere tools, soms buiten het zicht van IT. Zo ontstaat schaduw-AI. Bijna de helft van het AI-gebruik op de werkvloer verloopt inmiddels deels of volledig via privé-accounts. Niet uit onwil, maar omdat de officiële oplossing niet goed aansluit op het werk. Het probleem is dan ook zelden technisch. Het gaat erom of medewerkers weten waarvoor AI bruikbaar is en er in hun dagelijkse werk echt iets aan hebben.

Geen AI-specialisten

In bijna iedere organisatie zijn succesvolle pioniers te vinden. Iemand brengt met een prompt een middag speurwerk terug tot een half uurtje. Of een collega laat een agent de wekelijkse administratie afhandelen, iets wat vorig jaar nog een demo was en nu gewoon werkt. Dat zijn vaak mensen die simpelweg dingen hebben geprobeerd. Maar het zijn geen AI-specialisten.

Hun aanpak houden ze echter al dan niet onbewust voor zichzelf of binnen een team. Bij de afdeling aan de andere kant van het kantoor begint iemand opnieuw vanaf nul. Die experimenten stapelen zich op, zonder dat de organisatie zelf er daadwerkelijk anders door gaat werken. Je zet pas de volgende stap wanneer je vaststelt wat echt waarde oplevert en dat breder beschikbaar maakt.

Een goede prompt is geen werkwijze

Een ‘vondst’ wordt pas van waarde als anderen erop kunnen vertrouwen dat het voor hen net zo goed werkt. Collega’s moeten andermans prompt veilig en consequent kunnen gebruiken. Hetzelfde geldt voor een agent die bepaald handwerk overneemt. Zo’n toepassing moet worden getest, beheerd en breed worden gebruikt voordat de investering zich terugbetaalt. Dat geldt sterker nu agents niet alleen adviseren maar ook uitvoeren.

Dat alles vraagt om meer dan een workshop prompten. Organisaties moeten toepassingen ontwikkelen, maar mensen moeten er ook mee leren werken en afspraken maken over data, controle en verantwoordelijkheid. Door werknemers alleen te trainen, krijg je eindgebruikers van ontbrekende toepassingen. En alleen regels opstellen leidt tot terughoudendheid. Je zou maar per ongeluk iets tegen de regels in doen.

Bestuurders moeten zelf ervaren

Het zijn te vaak nog presentaties en demo’s die het AI-beleid vormgeven. Wat leidt tot regels die al snel te streng of te vaag zijn. Brussel heeft die reflex deze zomer niet geholpen. Met de Digital Omnibus, sinds eind juli van kracht, zijn de zwaarste verplichtingen voor hoog-risico-AI doorgeschoven naar december 2027. Veel bedrijven lezen dat als lucht. Maar de plicht om te zorgen dat medewerkers AI-vaardig zijn, geldt al sinds februari 2025 en is niet uitgesteld. Ook de transparantieverplichting is deze maand ingegaan. Uitstel van de papierwinkel is geen uitstel van competentie.

Leidinggevenden hoeven zeker niet zelf te kunnen programmeren, maar ze moeten ervaren hoe overtuigend een fout antwoord kan klinken en wanneer menselijk oordeel onmisbaar blijft. Met dat begrip worden afspraken namelijk concreter. Denk aan het vastleggen van welke gegevens mogen worden gebruikt, welke uitkomsten altijd controle nodig hebben en wanneer een toepassing betrouwbaar genoeg is voor breder gebruik. Dat voorkomt eveneens dat medewerkers uit gemak hun privéaccounts gaan gebruiken.

Dagelijks gebruik is winst

Zolang AI vooral iets is voor een kleine groep enthousiastelingen, blijft de opbrengst beperkt. Dat levert losse successen op, maar geen echte verandering. De winst zit in het delen van wat werkt. Wanneer goede toepassingen hun weg vinden naar andere teams en onderdeel worden van vaste werkprocessen, krijgt de investering werkelijk waarde.

Die 37 procent beweegt niet omdat de modellen tekortschieten, maar omdat organisaties het goud dat hun medewerkers al in handen hebben niet over de werkvloer verdelen. Daarvoor is geen nieuwe tool of training nodig. Wel een organisatie die het durft op te halen.