AI levert steeds vaker aantoonbaar resultaat op. Uit nieuw wereldwijd onderzoek van Dun & Bradstreet, uitgevoerd onder 10.000 bedrijven in 32 landen, blijkt dat 60% van de organisaties inmiddels ten minste enig meetbaar rendement uit AI haalt. Tegelijkertijd behaalt slechts 24% brede of sterke resultaten en is 56% van plan verder in AI te investeren.
Deze uitkomsten laten zien dat AI een nieuwe fase ingaat. De focus verschuift van experimenteren met de mogelijkheden naar de vraag waar AI daadwerkelijk waarde toevoegt. In deze blog lees je wat het D&B-onderzoek zegt over AI-rendement, waarom opschalen om gerichte keuzes vraagt en welke rol data speelt wanneer AI onderdeel wordt van bedrijfsprocessen.
AI gaat van experiment naar bedrijfsproces
Voor veel organisaties blijft AI niet langer beperkt tot een pilot of een toepassing binnen één team. Uit het onderzoek blijkt dat 97% van de organisaties actieve AI-initiatieven heeft. Daarnaast schaalt 30% AI inmiddels op naar productie en zet 26% AI operationeel in binnen meerdere kernprocessen.
Daarmee verandert de rol van AI. Een toepassing die eerst vooral werd gebruikt om mogelijkheden te verkennen, krijgt een plek in processen waarin dagelijks informatie wordt verwerkt en keuzes worden voorbereid. Denk aan het analyseren van klantontwikkelingen, het verzamelen van leveranciersinformatie of het signaleren van veranderingen die aandacht vragen.
In die fase telt niet alleen of een toepassing technisch werkt. AI moet aansluiten op het proces waarin medewerkers ermee werken. Een snelle uitkomst heeft pas waarde wanneer duidelijk is wat die uitkomst betekent en wat ermee moet gebeuren
Lees ook: Agentic AI: van hype naar praktische realiteit
Niet iedere succesvolle AI-toepassing hoeft te worden opgeschaald
Dat organisaties inmiddels rendement uit AI halen, is een belangrijke ontwikkeling. Maar het verschil tussen de 60% die enig meetbaar rendement rapporteert en de 24% die brede of sterke resultaten behaalt, laat ook zien dat succes nog niet vanzelf breed doorwerkt.
Een toepassing die medewerkers helpt om documenten sneller te verwerken, kan direct tijd besparen. Een toepassing die wordt gebruikt bij klantselectie, leveranciersmonitoring of risicobeoordeling stelt andere eisen. Daar moet een uitkomst niet alleen snel beschikbaar zijn, maar ook voldoende relevant en betrouwbaar zijn om op te handelen.
Nu organisaties meer in AI willen investeren, wordt het daarom belangrijk om per toepassing duidelijk te maken:
- Welk proces ermee verbetert.
- Welke uitkomst daadwerkelijk waarde heeft.
- Welke informatie nodig is om die uitkomst te beoordelen.
- Wanneer menselijke controle nodig blijft.
Zo voorkom je dat AI wordt opgeschaald omdat een eerste toepassing goed werkte, zonder dat duidelijk is of dezelfde waarde ook binnen andere processen ontstaat.
Bij opschalen worden de knelpunten zichtbaar
Juist nu AI vaker in productie wordt ingezet, worden ook de voorwaarden voor succesvolle toepassing duidelijker. Slechts 5% van de organisaties geeft in het D&B-onderzoek aan hun eigen data volledig klaar is voor AI.
Organisaties noemen daarbij verschillende belemmeringen voor het verder inzetten van AI:
- 50% noemt beperkte toegang tot data.
- 44% ziet privacy- en compliancerisico’s als obstakel.
- 40% wijst op uitdagingen rond datakwaliteit en data-integriteit.
- 38% ervaart onvoldoende integratie tussen systemen.
- 37% noemt een tekort aan professionals met de juiste AI-vaardigheden.
Daarnaast heeft slechts 10% veel vertrouwen in het vermogen om AI-gerelateerde risico’s te herkennen en te beperken.
Deze uitkomsten maken duidelijk dat AI opschalen niet alleen draait om de technologie zelf. Wanneer AI wordt ingezet in processen rondom klanten, leveranciers en zakelijke relaties, moeten medewerkers kunnen beoordelen waarop een inzicht is gebaseerd en of de informatie actueel en bruikbaar is.
Een signaal over een klant heeft bijvoorbeeld pas waarde wanneer duidelijk is over welke organisatie het gaat. Een analyse van een leverancier helpt pas echt wanneer relevante veranderingen en relaties zichtbaar zijn. Juist in dit soort processen bepaalt de kwaliteit van de beschikbare data of AI een interessant signaal geeft, of een inzicht waarop medewerkers daadwerkelijk kunnen handelen.
Lees ook: Iedereen wil iets met AI, maar is je organisatie er klaar voor?
Van AI-experiment naar blijvende waarde
De eerste resultaten uit AI zijn zichtbaar. Daarmee begint voor organisaties een volgende fase: niet langer vooral ontdekken wat AI kan, maar bepalen waar de toepassing blijvend iets toevoegt.
Wie AI inzet binnen bedrijfsprocessen, zal daarom niet alleen naar snelheid of efficiëntie kijken. Juist de combinatie van een concrete toepassing, duidelijke controle en betrouwbare data bepaalt of een eerste resultaat ook op langere termijn waarde houdt.
Meer weten over hoe bedrijfsinformatie AI-toepassingen binnen jouw organisatie kan ondersteunen? Neem contact op met onze experts.
