Organisaties blijven investeren in AI, maar het brede rendement groeit niet mee. Uit de nieuwste AI Momentum Survey van Dun & Bradstreet blijkt dat 65% de komende twaalf maanden meer wil uitgeven aan AI. Tegelijkertijd rapporteert 28% breed of sterk rendement, hetzelfde aandeel als in Q3.
Het onderzoek wordt ieder kwartaal uitgevoerd onder 10.000 bedrijven in 32 landen. De Q4-resultaten laten vooral zien hoe datagereedheid samenhangt met AI-rendement. Organisaties met volledig AI-ready data rapporteren veel vaker brede resultaten dan organisaties waarvan de data gedeeltelijk gereed is.
AI schaalt verder op, het rendement nog niet
De stap van pilot naar productie wordt vaker gezet. Inmiddels schaalt 37% van de organisaties AI op, tegenover 34% in Q3. Toch blijft rendement voor veel organisaties beperkt tot afzonderlijke toepassingen: 44% rapporteert opbrengsten binnen bepaalde AI-projecten. Slechts 9% geeft aan dat de meeste pilots zijn opgeschaald met duidelijke resultaten.
Een succesvolle toepassing binnen één team betekent dus niet automatisch dat dezelfde waarde binnen andere processen ontstaat. Bij verder gebruik moet AI informatie uit verschillende systemen betrouwbaar kunnen combineren. Wat binnen een pilot nog handmatig wordt gecontroleerd of aangevuld, vraagt bij opschaling om een structurele aanpak.
Lees ook: De volgende fase van AI: van experiment naar rendement
Datagereedheid hangt samen met breder AI-rendement
Het verschil naar datagereedheid is groot. Van de organisaties met volledig AI-ready data rapporteert 81% breed of sterk rendement. Bij organisaties met gedeeltelijk gereedstaande data is dat 12%. Die laatste groep meldt bovendien veel vaker alleen rendement binnen afzonderlijke toepassingen: 57%, tegenover 16% van de organisaties met volledig gereedstaande data.
De survey bewijst daarmee geen oorzakelijk verband, maar laat wel een duidelijke samenhang zien. Voor organisaties die verder willen opschalen, is dat aanleiding om ook de onderliggende informatie te beoordelen. Kan AI gegevens betrouwbaar combineren? Is duidelijk over welke organisatie het gaat? En blijft die informatie actueel wanneer meerdere teams ermee werken?
Lees ook: AI experiment laat zien waarom betrouwbare bedrijfsdata het verschil maakt
De datafundering groeit maar beperkt mee
Terwijl organisaties AI verder inzetten, blijft volledig gereedstaande data uitzonderlijk. De Q4-resultaten laten de volgende verdeling zien:
- 8% noemt de eigen data volledig klaar voor AI, tegenover 6% in Q3.
- 33% noemt de data grotendeels klaar, tegenover 36% in Q3.
- 44% noemt de data gedeeltelijk klaar, tegenover 47% in Q3.
De verbetering aan de top betekent dus niet dat de hele markt even snel vooruitgaat. Bedrijfsdata beschikbaar maken is één stap; die informatie consistent identificeren, verbinden en onderhouden vraagt meer. Dubbele klantrecords, verouderde gegevens en ontbrekende concernrelaties kunnen bij opschaling meerdere processen en beslissingen tegelijk beïnvloeden.
Lees ook: Van AI-ready naar agent-ready: is je data klaar voor Agentic AI?
Van AI-investering naar blijvende waarde
De kwartaalcijfers laten zien dat verdere investeringen niet vanzelf samengaan met breder rendement. Juist wanneer AI een grotere rol krijgt, wordt betrouwbare bedrijfscontext belangrijker. Een toepassing moet kunnen vaststellen welke gegevens bij dezelfde juridische entiteit horen, hoe bedrijven met elkaar verbonden zijn en of de informatie nog actueel is.
Master Data Management helpt om die samenhang over systemen heen vast te leggen en te onderhouden. Bij Altares Dun & Bradstreet ondersteunen we organisaties daarbij met actuele, geverifieerde bedrijfsinformatie en inzicht in zakelijke relaties. Zo ontstaat een datafundering die kan meegroeien met de rol van AI binnen de organisatie.
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 experts.
