Via Emerce kwamen we deze week bij twee grote AI-onderzoeken: Deloitte's State of AI in the Enterprise en PwC's Global CEO Survey. De cijfers lijken alarmerend: meer dan de helft ziet nog geen ROI, 84% heeft werk niet herontworpen rond AI.
Maar de rapporten vertellen een genuanceerder verhaal. We doken erin.
De headlines vs. de realiteit
Als je de rapporten vluchtig leest, zie je vooral wat er nog niet werkt. "Meer dan helft ziet nog geen ROI van AI!" "84% heeft werk niet herontworpen rond AI!" Klinkt dramatisch. Maar draai die cijfers eens om.
Wat er wél gebeurt:
1 op de 8 organisaties ziet nu al zowel hogere omzet als lagere kosten door AI. Dat zijn de voorlopers die het goed aanpakken.
van de CEO's rapporteert omzetgroei door AI in het afgelopen jaar.
van de organisaties heeft minstens 40% van hun AI-experimenten naar productie gebracht. Én 54% verwacht dat niveau binnen 3-6 maanden te bereiken.
Toegang tot AI-tools is met 50% gestegen in één jaar, van 40% naar 60% van de werknemers.
Die 12% voorlopers zijn interessant. Wat doen zij anders? Volgens PwC hebben ze betere AI-fundamenten: een technologie-omgeving die AI-integratie mogelijk maakt, een duidelijke roadmap, geformaliseerd responsible AI-beleid, en een cultuur die adoptie ondersteunt.
Het proof-of-concept probleem (en de oplossing)
Deloitte noemt het "the proof-of-concept trap." Een pilot draait met een klein team, opgeschoonde data, in een geisoleerde omgeving. Productie vereist infrastructuur, integratie, security reviews, compliance checks, monitoring, onderhoud. Twee totaal verschillende werelden.
De sleutel? Begin met het einde in gedachten. Organisaties die pilots behandelen als opstap naar productie, niet als losstaande experimenten, zien veel snellere resultaten.
Een AI-leider in de healthcare-sector zegt het treffend:
"Als er geen coherente AI-strategie is, krijg je pilot-vermoeidheid. Je jaagt op het volgende glimmende object, onder druk om iets met AI te doen, zonder echt plan. Bij succes weet niemand hoe op te schalen. Zonder roadmap leiden honderd pilots tot slechte resultaten."
De toegangsparadox
Hier zit een opvallende spanning in de data. Toegang tot AI-tools is flink gestegen (60% van werknemers). Maar van die werknemers met toegang gebruikt minder dan 60% het daadwerkelijk in hun dagelijkse werk. Dat percentage is nauwelijks veranderd ten opzichte van vorig jaar.
Meer licenties kopen is dus niet de oplossing. De uitdaging zit in activatie, niet in toegang.
Dit verklaart ook waarom sommige CEO's denken dat ze goed bezig zijn ("we hebben Copilot uitgerold naar iedereen!") terwijl de daadwerkelijke impact beperkt blijft.
Succesvolle implementaties starten met geëmpowerde medewerkers die experimenteren, vroege successen delen, en interne champions worden. Top-down mandaten alleen werken zelden.
Werk herontwerpen: de grote gemiste kans
84% van de organisaties heeft werk nog niet herontworpen rond AI-mogelijkheden. Dat klinkt als een probleem, maar het is vooral een kans voor early movers.
AI vraagt fundamenteel andere operationele modellen. Een kredietanalist die altijd op ervaring en oordeel vertrouwde, moet nu samenwerken met een AI-systeem dat aanbevelingen doet. Wanneer override je de AI? Hoe leg je beslissingen uit aan klanten? Wat gebeurt er met expertise en carrièrepaden?
De meeste organisaties (53%) focussen op educatie: werknemers AI-vaardig maken. Veel minder herontwerpen daadwerkelijk rollen, workflows en carrièrepaden. Dat is de volgende stap waar waarde ligt.
Agentic AI: sneller dan de governance
Bijna driekwart (74%) van de organisaties plant agentic AI te implementeren binnen twee jaar. Maar slechts 21% heeft nu een volwassen governance-model voor autonome agents.
Dat is een gap die aandacht verdient. Anders dan traditionele AI-systemen die aanbevelingen doen voor mensen om op te acteren, nemen agents zelf actie: aankopen doen, communicatie versturen, systemen aanpassen.
Organisaties met de meeste vooruitgang pakken het bewust aan: starten met lagere-risico use cases, bouwen governance-capabilities op, en schalen doelbewust. Cross-functionele governance die IT, legal, compliance en business samenbrengt.
Wat de voorlopers anders doen
Beide rapporten wijzen naar dezelfde succesfactoren:
Enterprise-schaal, niet losse projecten
Geïsoleerde, tactische AI-projecten leveren zelden meetbare waarde. Rendement komt van enterprise-brede deployment consistent met bedrijfsstrategie.
Sterke fundamenten eerst
Technologie-omgeving die AI-integratie mogelijk maakt. Duidelijke roadmap. Geformaliseerd responsible AI en risk processes. Cultuur die adoptie ondersteunt.
AI toepassen op producten en diensten
44% van de voorlopers past AI toe op hun eigen producten, diensten en klantervaring. Tegenover slechts 17% van de rest.
Actief nieuwe sectoren verkennen
42% van de bedrijven is de afgelopen vijf jaar gaan concurreren in nieuwe sectoren. Bedrijven die meer omzet uit nieuwe sectoren halen, hebben hogere marges en CEO's met meer vertrouwen in groeivooruitzichten.
Waar Deloitte en PwC elkaar vinden, en waar niet
Beide rapporten zijn onafhankelijk van elkaar uitgevoerd, met verschillende methodieken en doelgroepen. Toch komen ze op opvallend veel punten tot dezelfde conclusies.
Waar ze overeenkomen:
De meerderheid ziet nog geen financieel rendement van AI, maar een voorhoede van zo'n 12-30% wel
Toegang tot AI-tools is niet het probleem; activatie wel
Governance loopt achter op de snelheid van adoptie
Sterke fundamenten (infrastructuur, data, cultuur) maken het verschil tussen voorlopers en achterblijvers
Bedrijven die afwachtend zijn, presteren aantoonbaar slechter dan bedrijven die doorpakken
Waar ze andere accenten leggen:
Deloitte duikt dieper in de operationele kant: de proof-of-concept trap, werkherontwerp, en opkomende technologie zoals agentic en physical AI. PwC kijkt breder naar CEO-prioriteiten: innovatiecapaciteit, M&A in nieuwe sectoren, en geopolitieke onzekerheid.
Deloitte ziet "onvoldoende vaardigheden" als grootste barrière voor AI-integratie. PwC ziet het bredere plaatje van transformatiesnelheid als de kern, de vraag die CEO's het meest bezighoudt is: "transformeren we snel genoeg?"
Het interessante is dat beide invalshoeken dezelfde conclusie ondersteunen: het probleem zit niet in de technologie, maar in de organisatie eromheen.
De bottomline
De data laat een duidelijk patroon zien. Organisaties die het verst en snelst gaan met het herinrichten van hun business en operating models presteren beter dan hun meer voorzichtige concurrenten.
En dat laatste punt is misschien wel het belangrijkst: bedrijven die aangeven dat geopolitieke onzekerheid hen minder geneigd maakt grote investeringen te doen, groeien langzamer (2 procentpunt) en hebben lagere winstmarges (3 procentpunt) dan hun peers.
Afwachten is ook een keuze. Maar wel eentje met kosten.
Deloitte State of AI in the Enterprise (januari 2026)
PwC 29th Global CEO Survey (januari 2026)
Van inzicht naar actie?
Benieuwd waar jouw organisatie staat en wat de volgende stap is? We denken graag mee.