De meeste bedrijven zien geen rendement op hun AI-investering. De aanpak is verkeerd, en de technologie is zelden de oorzaak. MIT NANDA onderzocht 300 AI-implementaties, sprak met 52 organisaties en ondervroeg 153 leidinggevenden. De conclusie: 95% ziet geen meetbare bedrijfsresultaten van AI. Slechts 5% wel.

Onderzoekers noemen deze kloof de GenAI Divide: de kloof tussen bedrijven die AI daadwerkelijk laten werken en de grote meerderheid die steeds vast blijft zitten in pilots.

Voor mkb-bedrijven zit hier een concrete les in. Dit zijn de vijf inzichten uit het onderzoek die het meest relevant zijn voor jouw bedrijf.

INZICHT 01 · AI-tools gebruiken is niet hetzelfde als resultaten behalen

Meer dan 80% van de onderzochte organisaties heeft ChatGPT of Copilot getest. Bijna 40% zegt het actief te gebruiken. Maar die tools leveren individuele productiviteitswinst op, geen meetbare impact op bedrijfsresultaten.

Het gevoel van vooruitgang is er. De resultaten niet.

Klinkt bekend? Collega's gebruiken ChatGPT voor e-mails en samenvattingen, maar als je vraagt wat het voor het bedrijf oplevert, blijft het stil. Dat is het verschil tussen experimenteren en implementeren. En dat verschil kost je ongemerkt tijd en geld.

INZICHT 02 · AI-pilots mislukken door slechte integratie, niet door slechte modellen

De op één na meest genoemde reden dat AI-pilots mislukken, is de kwaliteit van de output. Maar dat houdt geen stand. Dezelfde mensen die klagen over slechte AI-resultaten op het werk, gebruiken ChatGPT thuis met grote tevredenheid, voor hetzelfde soort taken.

Het echte probleem: de tool past niet bij het proces. Geen geheugen, geen context, geen koppeling met hoe het werk echt verloopt. Elke sessie leg je opnieuw uit wie je klant is, wat de tone of voice is, wat er vorige week is besloten.

AI faalt niet door een gebrek aan intelligentie. Het faalt door een gebrek aan integratie.

INZICHT 03 · Je medewerkers gebruiken AI al, alleen niet via officiële kanalen

Terwijl officiële AI-projecten vastlopen, zijn medewerkers al lang verder gegaan. Het MIT-onderzoek laat zien dat in meer dan 90% van de onderzochte bedrijven medewerkers persoonlijke AI-tools gebruiken voor werk, terwijl slechts 40% van die bedrijven een officieel abonnement heeft.

Ze gebruiken het gewoon. Meerdere keren per dag. Zonder dat IT het weet.

Dat is een signaal. De behoefte is er, de tools werken, en je medewerkers zijn er klaar voor. Wat ontbreekt, is een aanpak die die energie omzet in iets dat het bedrijf vooruithelpt, in plaats van gefragmenteerde productiviteitswinst per persoon.

INZICHT 04 · Zelf bouwen werkt twee keer zo slecht als samenwerken met een partner

Veel bedrijven denken dat ze meer controle hebben wanneer ze AI-tools intern bouwen. Het onderzoek zegt iets anders: externe samenwerkingen realiseren twee keer zo vaak een succesvolle uitrol als intern gebouwde oplossingen.

Niet omdat externe partijen slimmer zijn. Ze brengen tools mee die al werken in vergelijkbare processen, kennen de valkuilen en implementeren sneller.

Voor mkb-bedrijven is dit extra relevant. Je hebt geen team van vijf ontwikkelaars in dienst. Je hebt een bedrijf te runnen. De bedrijven die AI succesvol uitrollen, kiezen niet de indrukwekkendste demo. Ze kiezen een partner die hun proces begrijpt.

INZICHT 05 · De grootste AI-besparingen zitten in de backoffice, niet in marketing

Ongeveer 70% van het AI-budget gaat naar sales en marketing. Logisch: die resultaten zijn zichtbaar en makkelijk te rapporteren.

Maar de grootste besparingen in het onderzoek kwamen uit de backoffice. Bedrijven die AI inzetten voor documentverwerking, klantcontact en administratie zagen besparingen van 2 tot 10 miljoen per jaar. Externe diensten werden overbodig. Bureaukosten daalden met 30%.

Voor een mkb-bedrijf vertaalt zich dat direct: de uren die verloren gaan aan handmatig werk, dubbele invoer en het achterhalen van informatie. Dáár maakt AI het snelst verschil.

Wat moet je als mkb-bedrijf anders doen om AI te laten werken?

Mkb-bedrijven die wel resultaat halen uit AI, doen drie dingen anders: ze kopen bestaande tools in plaats van zelf te bouwen, beginnen met één of twee processen, en kiezen tools die hun manier van werken leren.

Zo pakt Best Byte het aan bij TIG Sports & Events, een evenementenbureau met 40+ mensen. Niet beginnen met bouwen, maar eerst begrijpen wat er speelt: via gesprekken met elke afdeling brachten we in kaart waar tijd verloren ging en hoe mensen AI al gebruikten. Wat opviel: AI werd op verschillende plekken al actief ingezet, maar zonder gedeelde afspraken over accounts, data en tone of voice. Sommige medewerkers wachtten af omdat ze niet wisten wat wel en niet kon. Het eerste wat we opleverden was daarom geen tool, maar een AI-beleid: zakelijke accounts, duidelijke afspraken over data, één toolstack voor het hele team. Pas daarna de processen.

Om AI te laten werken, heb je een fundament nodig: processen op papier, data op één plek, systemen die met elkaar kunnen communiceren. Zonder dat fundament geef je AI meer chaos om mee te werken, niet minder.

Waar begin je met AI in jouw bedrijf?

Je hoeft niet groot te beginnen, maar je moet wel ergens beginnen. Bij TIG kozen we drie startpunten: factuurcontroles in de administratie, een doorzoekbare kennisbank voor de dikke reglementen die sportbonden bij elk evenement meesturen, en AI-ondersteuning in gastcommunicatie. Alles sluit aan op systemen die er al waren.

Kies de processen waar tijd weglekt of fouten ontstaan. Breng ze eerst in kaart en ga daarna pas naar tooling.

De meeste ondernemers met wie we spreken, weten dat er iets niet klopt, ze voelen het, maar kunnen niet aanwijzen waar. Precies daarbij helpt een AI-scan: een eerlijke blik op waar je staat, zonder verkooppraat.

Start de AI-scan →