Van alle AI-toepassingen die organisaties in gebruik nemen, slaagt ongeveer één op de vijf. En maar 13 procent van de CIO’s ziet significante of transformatieve waarde uit AI in de eigen organisatie. Dat blijkt uit een wereldwijde enquête van Gartner onder 2.002 CIO’s en technologiebestuurders, gehouden tussen mei en juli 2026.
Wie de cijfers beter bekijkt, ziet dat het verschil tussen koplopers en achterblijvers weinig met technologie te maken heeft. Het zit in bestuurlijke discipline: wanneer stop je met een project, en hoe richt je het werk opnieuw in? Dat zijn vragen voor managers en directies, niet alleen voor de IT-afdeling.
Meer pilots betekent niet meer waarde
Veel organisaties draaien tientallen AI-experimenten tegelijk. De ene afdeling test een chatbot, de andere een tool die verslagen samenvat of planningen maakt. Dat voelt als vooruitgang, maar het levert vaak een lappendeken op van proefprojecten die nooit volwassen worden en intussen wel geld, aandacht en IT-capaciteit blijven kosten. Gartner-analist Alicia Mullery vatte het in het persbericht van Gartner kort samen: “Volume is not value.”
Daar komt bij dat AI-kosten zich anders gedragen dan klassieke IT-kosten. Een licentie of server heeft een redelijk voorspelbare prijs. Bij AI hangen de kosten af van hoe vaak en hoe intensief een model wordt gebruikt, en dat maakt begroten lastig. De helft van de CIO’s (51 procent) verwacht dat AI de totale kosten van technologie juist verhoogt, terwijl 58 procent meer druk voelt om met AI te besparen. Die twee verwachtingen gaan slecht samen.
Stopregels: wat de koplopers vooraf afspreken
De opvallendste uitkomst gaat over stoppen. Organisaties die vooraf criteria hebben om te bepalen wanneer een pilot niet doorgaat naar productie, horen 2,3 keer vaker bij de groep die Gartner de vanguards noemt: organisaties met betere bedrijfsresultaten en een AI-opbrengst die de CEO hoog waardeert. Wie daarnaast ook afspraken heeft om AI-toepassingen met weinig waarde weer uit productie te halen, hoort 2,6 keer vaker bij die groep. Toch heeft maar 31 procent van de CIO’s de eerste afspraak vastgelegd en 17 procent de tweede.
Voor managers is de les dat je AI-initiatieven als een portefeuille behandelt en niet als losse experimenten. Leg bij de start vast welk probleem een pilot moet oplossen, welke meetbare uitkomst daarbij hoort en wanneer je stopt. Denk aan een vaste termijn van een paar maanden en een concrete doelwaarde, zoals een kortere doorlooptijd of minder fouten in een proces. Een goed gekozen KPI maakt die beslissing minder persoonlijk. Stoppen is dan geen mislukking van het team, maar een uitkomst die iedereen vooraf kende.
Functies herontwerpen in plaats van mensen vervangen
De derde les gaat over werk. Organisaties met expliciete plannen om functies opnieuw in te richten voor samenwerking tussen mensen en AI-agents, horen 2,4 keer vaker bij de koplopers. Slechts 4 procent van de CIO’s heeft zulke plannen. Gartner stelt dat veel leiders vooral verwachten dat AI personeel vervangt, terwijl het echte verschil zit in het herontwerpen van werk. Dat past bij een ander cijfer uit dezelfde enquête: 40 procent van de CIO’s verwacht in 2027 juist meer IT-personeel aan te nemen, vooral in cybersecurity en data.
In de praktijk begint dat klein. Kies een proces waarin AI al wordt gebruikt en kijk welke taken verschuiven. Wat doet de medewerker nog zelf, wat controleert hij en welke nieuwe vaardigheden zijn daarvoor nodig? Pas daarna functieprofielen, werkoverleg en beoordelingen aan. Zonder die stap blijft AI een extra tool bovenop het oude werk. Eenzelfde patroon zie je bij marketingteams die wel rendement halen uit AI en daarvoor vooral hun processen en rollen hebben aangepast.
Aansluitende managementmodellen
Het 7S-model van McKinsey laat zien dat AI meer raakt dan alleen systemen. Een nieuwe toepassing verandert ook de structuur, de benodigde vaardigheden, de stijl van leidinggeven en de gedeelde waarden. Wie alleen de systemen aanpast, ziet de waarde vaak uitblijven omdat de andere elementen niet meebewegen. Het model is daardoor een bruikbare controlelijst bij het herontwerpen van functies.
Het Stage-Gate-model van Robert Cooper komt uit de productontwikkeling, maar sluit goed aan bij stopregels voor AI. Een project doorloopt een reeks fasen, met tussen elke fase een beslismoment waarop op basis van vooraf vastgestelde criteria wordt besloten om door te gaan, bij te sturen of te stoppen. Precies die discipline ontbreekt bij veel AI-pilots.
Met de Balanced Scorecard van Kaplan en Norton maak je de waarde van AI breder zichtbaar dan alleen in kosten. Door doelen te stellen vanuit het financiële perspectief, het klantperspectief, de interne processen en leren en groeien, zie je ook of AI bijdraagt aan betere service of aan nieuwe vaardigheden van medewerkers.
Aanleiding voor dit artikel is nieuws van AG Connect.
