S08E68 - Waar levert AI echt geld op in je organisatie?

Veel organisaties kopen honderd AI-licenties, plannen trainingen en verwachten daarna een zichtbaar financieel rendement — maar dat rendement blijft uit. Het probleem is niet dat Artificial Intelligence niet werkt, maar dat de meeste initiatieven in de verkeerde categorie zitten: persoonlijke productiviteit levert betere werkomstandigheden op, geen winst op de balans. Joop Snijder laat zien dat AI-waarde in drie categorieën valt uiteen, elk met een eigen meetmethode en verwachting.

De categorie waar verreweg de meeste waarde ontstaat, is procesintegratie: AI ingebouwd in een herhaalbaar bedrijfsproces dat honderden keren per maand wordt uitgevoerd. Een organisatie die klantaanvragen terugbrengt van vier uur naar anderhalf uur per aanvraag, bespaart bij driehonderd aanvragen 750 uur per maand — dat is een structurele kostenverlaging die je wél terugziet in de cijfers. Morgen kun je beginnen met je top drie AI-initiatieven te categoriseren en te bepalen of je ze ook op de juiste manier stuurt en meet.

Onderwerpen

• Het verschil tussen Return on Employee en Return on Investment bij AI-adoptie
• Waarom persoonlijke productiviteitstools geen financieel rendement opleveren
• Procesintegratie als belangrijkste bron van meetbare AI-waarde
• De drie categorieën AI-inzet en hun bijbehorende meetmethodes

Links

• Podcast: AIToday Live podcast
• Onderzoek: Info Support AI-onderzoek 2026

Genoemde entiteiten: Gartner - Data & Analytics Summit

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:02,240 --> 00:00:05,919
Hoi, welkom weer bij een korte aflevering van AIToday Live.

2
00:00:05,919 --> 00:00:08,720
Ik ben Joop Snijder, Head of AI bij Info Support.

3
00:00:08,720 --> 00:00:13,840
En we gaan het vandaag hebben over waar zit nou die waarde van AI.

4
00:00:15,199 --> 00:00:20,640
Stel je een organisatie voor die net honderd Copilot-licenties heeft aangeschaft.

5
00:00:20,640 --> 00:00:23,679
Misschien werk jij wel in zo'n organisatie.

6
00:00:25,440 --> 00:00:29,839
Je ziet dat iedereen een eigen AI-assistent krijgt.

7
00:00:30,079 --> 00:00:34,479
De trainingen staan gepland en de verwachtingen zijn hoog.

8
00:00:34,960 --> 00:00:42,000
Een half jaar later buigt de directie zich over de cijfers en stelt de simpele vraag: wat heeft ons dit eigenlijk opgeleverd?

9
00:00:42,160 --> 00:00:44,800
Dat is een vraag die eigenlijk steeds vaker terugkomt.

10
00:00:44,800 --> 00:00:46,639
Wat levert het nou allemaal op?

11
00:00:46,640 --> 00:00:53,040
En niet omdat AI niet werkt, maar omdat we vaak op de verkeerde plek naar waarde zoeken.

12
00:00:53,040 --> 00:00:55,839
En de basis om dat op te lossen, is simpel.

13
00:00:55,839 --> 00:00:58,959
Je moet het verschil maken in wat je met AI wilt bereiken.

14
00:00:58,960 --> 00:01:03,120
Dus niet elke inzet van AI hetzelfde doel.

15
00:01:03,280 --> 00:01:05,919
En dus meet je ook niet overal hetzelfde succes.

16
00:01:05,920 --> 00:01:09,039
Dat ga ik je uitleggen in deze aflevering.

17
00:01:10,000 --> 00:01:15,039
Veel organisaties richten hun geld en aandacht op AI-adoptie.

18
00:01:15,039 --> 00:01:18,719
Tools aanschaffen, licenties uitdelen, mensen trainen.

19
00:01:18,959 --> 00:01:22,159
De belofte is dan persoonlijke productiviteit.

20
00:01:22,240 --> 00:01:26,079
Werk dat makkelijker gaat, sneller gaat en prettig voelt.

21
00:01:26,080 --> 00:01:32,560
Het vreemde is dat je die productiviteit nauwelijks terugvindt op de balans.

22
00:01:32,560 --> 00:01:35,920
Soms staat hij er zelfs enkel als kostenpost.

23
00:01:36,400 --> 00:01:40,959
En als je het bij deze vorm van adoptie laat, kun je het beste ook zo behandelen.

24
00:01:40,960 --> 00:01:44,000
Je runt de adoptie dan als een cost center.

25
00:01:44,000 --> 00:01:47,359
Een afdeling die geld kost en geen geld oplevert.

26
00:01:47,360 --> 00:01:51,759
Denk aan de koffieautomaat op je kantoor, nodig, fijn om te hebben.

27
00:01:51,760 --> 00:01:53,199
Iedereen gebruikt hem.

28
00:01:53,200 --> 00:01:56,719
Maar niemand verwacht dat die automaat omzet gaat maken.

29
00:01:56,719 --> 00:02:01,359
En zo werkt AI-adoptie op individueel niveau, wat mij betreft ook.

30
00:02:01,359 --> 00:02:06,319
Dus een voorziening voor je mensen en geen verdienmodel voor je organisatie.

31
00:02:06,560 --> 00:02:11,759
Deze vorm van adoptie brengt je op middellange termijn geen concurrentievoordeel.

32
00:02:11,920 --> 00:02:17,680
De meeste bedrijven zetten deze stap en komen ongeveer op gelijk niveau uit met hun concurrenten.

33
00:02:17,919 --> 00:02:19,439
Waarom doe je het dan toch?

34
00:02:19,600 --> 00:02:23,840
Voor je medewerkers, zodat zij hun werk makkelijker of beter kunnen doen.

35
00:02:24,079 --> 00:02:32,400
En wat je dan gaat meten, is wat Gartner onderzoeksbureau Return on Employee noemt.

36
00:02:32,400 --> 00:02:34,720
Dus opbrengsten voor de medewerker.

37
00:02:34,719 --> 00:02:41,520
En daarmee ontwijk je eigenlijk de term waar het uiteindelijk om gaat, namelijk Return on Investment.

38
00:02:43,439 --> 00:02:54,319
Aan de andere kant van het spectrum staat de belofte van agentic AI die complete bedrijfsmodellen verandert en die leidt naar marktleiderschap.

39
00:02:55,120 --> 00:02:59,759
Je ziet de meeste aandacht in de media en op social media gaat daar naartoe.

40
00:03:00,079 --> 00:03:03,759
Maar besef dat dit vooral risico-investeringen zijn.

41
00:03:03,760 --> 00:03:07,440
Daar niks mis mee zolang je de gevolgen en de risico's daarvan aanvaardt.

42
00:03:07,759 --> 00:03:14,879
Ontwikkel je use cases in deze categorie, behandel ze dan als een investeerder in start-ups, een venture capitalist.

43
00:03:16,239 --> 00:03:17,839
Stopt geld in.

44
00:03:17,839 --> 00:03:24,159
Tien, twintig jonge bedrijven, wetend dat er negen of negentien zullen mislukken.

45
00:03:24,159 --> 00:03:31,679
En die ene die wel doorbreekt, brengt dan genoeg op om alle mislukkingen te compenseren en dan nog winst over te houden.

46
00:03:31,680 --> 00:03:35,439
Je verwacht dus niet dat elk experiment slaagt.

47
00:03:35,439 --> 00:03:39,760
Je verwacht dat een succesvolle poging de rest goedmaakt.

48
00:03:39,759 --> 00:03:47,200
En lukt zo'n poging binnen jouw organisatie, dan heb je een echte gamechanger te pakken en kun je misschien wel uitgroeien tot marktleider.

49
00:03:47,199 --> 00:03:52,640
Maar de meeste van deze experimenten mislukken en dat is dan geen falen.

50
00:03:52,879 --> 00:03:55,599
Want dat hoort bij dit soort investeringen.

51
00:03:55,840 --> 00:04:02,240
Wie je instapt zonder dat te accepteren, die wordt vroeg of laat teleurgesteld door zijn eigen verwachtingen.

52
00:04:02,240 --> 00:04:04,959
Niet door de technologie, niet door AI.

53
00:04:05,599 --> 00:04:07,839
Waar zit dan de meeste waarde?

54
00:04:08,079 --> 00:04:13,599
De meeste use cases zitten niet aan een van de beide uiteinden, maar in het midden.

55
00:04:13,599 --> 00:04:21,439
Daar waar AI, namelijk je bestaande business uitbreidt en het wordt ingezet in je processen.

56
00:04:22,079 --> 00:04:31,839
Hetzelfde onderzoek van Gartner gepresenteerd op de Data & Analytics Summit van dit jaar wijst uit dat verreweg het grootste deel van de AI-waarde in bedrijven precies hier ontstaat.

57
00:04:31,840 --> 00:04:37,759
Dus in het uitbreiden van bestaande processen en niet in de uitersten en dat geloof ik ook echt in.

58
00:04:38,079 --> 00:04:40,240
Want het is namelijk ook logisch.

59
00:04:40,240 --> 00:04:49,680
Want dit is wat schaalt, die processen zijn herhaalbaar in tegenstelling tot de persoonlijke productiviteit die per persoon en per taak verschilt.

60
00:04:49,920 --> 00:04:52,959
Een proces werkt voor iedereen op dezelfde manier.

61
00:04:52,959 --> 00:04:55,600
En hier stuur je dan dus ook anders.

62
00:04:55,599 --> 00:04:59,280
Je behandelt dit deel van je AI-portfolio als een profit center.

63
00:04:59,439 --> 00:05:01,159
Te vergelijken.

64
00:05:00,000 --> 00:05:04,039
Met een winkel die zijn eigen omzet moet verdienen.

65
00:05:04,279 --> 00:05:07,800
Het gaat niet meer om de productiviteit van een individu.

66
00:05:07,800 --> 00:05:12,519
Het gaat om groei in marktaandeel bijvoorbeeld of groei in omzet.

67
00:05:12,519 --> 00:05:14,360
Of groei in winst.

68
00:05:14,680 --> 00:05:18,199
Maar niet meer over het woordje productiviteit.

69
00:05:18,199 --> 00:05:22,680
Zet je AI hierin, dan werkt dat door in je winst- en verliesrekening.

70
00:05:22,680 --> 00:05:24,519
Ga je terugzien op je balans.

71
00:05:24,519 --> 00:05:30,280
En hier ben je eindelijk bezig met Return on Investment.

72
00:05:31,079 --> 00:05:35,879
Je merkt dat er steeds vaker getwijfeld wordt over de opbrengsten van AI.

73
00:05:35,879 --> 00:05:41,160
Vaak terecht, want die twijfel gaat meestal namelijk over die investering in die persoonlijke productiviteit.

74
00:05:41,159 --> 00:05:44,599
Waar je dus sowieso geen Return on Investment meet.

75
00:05:44,759 --> 00:05:46,920
Dus de constatering klopt dan gewoon.

76
00:05:46,920 --> 00:05:51,639
Dus mijn tip: zoek naar use cases waar echt een business case voor te maken is.

77
00:05:51,639 --> 00:05:58,680
Die vind je in het optimaliseren van je processen met AI, of nog beter in het herstructureren van je processen.

78
00:05:59,000 --> 00:06:03,879
Beoordeel daarom deze week je eigen AI-initiatieven eens kritisch.

79
00:06:03,879 --> 00:06:07,399
Zit het merendeel in de categorie persoonlijke productiviteit.

80
00:06:07,399 --> 00:06:10,600
Dan weet je nu waarom het lastig te verantwoorden blijft.

81
00:06:10,600 --> 00:06:13,800
Zit het al in je processen, dan sta je er goed voor.

82
00:06:13,800 --> 00:06:22,680
Durf je nog een stap verder te gaan, ga dan het gesprek aan over welke processen je met AI zou kunnen herstructureren in plaats van versnellen.

83
00:06:24,759 --> 00:06:30,119
Wil je niets missen van dit soort inzichten, volg AIToday Live dan in je podcast-app.

84
00:06:30,120 --> 00:06:31,879
Dan mis je geen aflevering.

85
00:06:31,879 --> 00:06:35,239
En het leuke is, we hebben ook een marktonderzoek uitgevoerd.

86
00:06:35,240 --> 00:06:41,639
Da zie je ongeveer dezelfde patronen in onder ruim 400 Nederlandse bedrijven.
87
00:06:41,639 --> 00:06:47,560
En de link staat in de show notes en je kan het onderzoek gewoon gratis lezen.
 87
00:06:47,879 --> 00:06:53,480
Je hoeft geen data achter te laten, gewoon lezen, downloaden.
 88
00:06:53,800 --> 00:07:01,160
En het allerbelangrijkste natuurlijk is: bedenk AI is niet de oplossing voor elk probleem, maar onmisbaar waar het past.
 89
00:07:01,800 --> 00:07:03,319
Tot de volgende keer