AI levert steeds vaker aantoonbaar resultaat op. Uit de nieuwste AI Momentum Survey van Dun & Bradstreet blijkt dat inmiddels meer dan driekwart van de organisaties meetbaar rendement uit AI haalt. Tegelijkertijd zegt slechts 6% dat de eigen data volledig klaar is om AI op schaal te ondersteunen.
Het onderzoek wordt ieder kwartaal uitgevoerd onder 10.000 bedrijven in 32 landen. Daardoor wordt goed zichtbaar hoe snel AI zich ontwikkelt, maar ook waar de groei begint te knellen. Het rendement neemt sterk toe, terwijl de AI-readiness van de onderliggende data nauwelijks meebeweegt.
AI-rendement stijgt in één kwartaal sterk
In de vorige editie rapporteerde 60% van de organisaties ten minste enig meetbaar rendement uit AI. Eén kwartaal later is dat meer dan 75%. Ook het aandeel organisaties met breed of sterk rendement over meerdere AI-projecten steeg, van 24% naar 28%.
AI wordt dus steeds vaker beoordeeld op wat het daadwerkelijk oplevert. Toch blijft een groot deel van het rendement nog beperkt tot specifieke toepassingen en pilots. Een succesvolle toepassing binnen één team betekent niet automatisch dat dezelfde waarde ook binnen meerdere processen kan worden behaald.
Lees ook: De volgende fase van AI: van experiment naar rendement
Steeds meer organisaties schalen AI op
Ook de stap naar productie wordt vaker gezet. Het aandeel organisaties dat AI actief opschaalt, steeg in één kwartaal van 30% naar 34%. Meer dan de helft schaalt AI inmiddels op, gebruikt het binnen meerdere kernprocessen of werkt met agentic AI-toepassingen.
Daarmee worden de eisen aan de onderliggende data hoger. Een afgebakende pilot kan vaak nog werken met één dataset en aanvullende controles. Bij opschaling moet AI informatie uit verschillende systemen en processen betrouwbaar kunnen combineren. Klanten, leveranciers en concernrelaties moeten daarbij overal op dezelfde manier worden herkend.
Lees ook: Agentic AI: van hype naar praktische realiteit
De AI-readiness van data blijft achter
Terwijl het rendement en de opschaling toenemen, groeit de datagereedheid nauwelijks mee. Van de ondervraagde organisaties noemt 47% de eigen data gedeeltelijk klaar voor AI en 36% grotendeels klaar. Slechts 6% beschikt over data die volledig gereed is om AI op schaal te ondersteunen. Een kwartaal eerder was dat 5%.
Die beperkte stijging laat zien dat AI-volwassenheid en datavolwassenheid niet vanzelf gelijk oplopen. Met een gerichte toepassing kan een organisatie relatief snel resultaat behalen. Het opschonen, verbinden en actueel houden van bedrijfsdata over meerdere systemen en afdelingen vraagt meer.
Bij verdere opschaling krijgen problemen in de data bovendien meer impact. Dubbele bedrijfsrecords, verouderde informatie en ontbrekende concernrelaties beïnvloeden dan niet meer één analyse, maar meerdere processen en beslissingen tegelijk.
Wat is er nodig om AI-rendement vast te houden?
De kwartaalcijfers laten zien dat AI steeds sneller waarde oplevert, maar ook dat de onderliggende data die ontwikkeling niet altijd bijhoudt. Juist bij verdere opschaling wordt dat zichtbaar. AI moet niet alleen toegang hebben tot data, maar ook begrijpen over welke juridische entiteit het gaat, hoe organisaties met elkaar verbonden zijn en of de gebruikte informatie nog actueel is.
Daarom draait AI-readiness niet om perfecte data, maar om een datafundering die meegroeit met de rol van AI binnen de organisatie. Binnen het D&B.AI Ecosysteem combineren we betrouwbare bedrijfsdata, technologie en advies om AI-toepassingen te ondersteunen met actuele, geverifieerde bedrijfsinformatie en de juiste zakelijke context.
Wil je sparren over de AI-readiness van jouw organisatie en wat nodig is om AI verder op te schalen? Plan een gesprek met onze AI-experts.
