Genpact en HFS Research-rapport vinden $18 biljoen aan ondernemingswaarde vastgelegd door AI-kloof

Kunstmatige intelligentie is het middelpunt van de ondernemingsstrategie geworden, met organisaties over de hele wereld die miljarden dollars investeren in AI-initiatieven, agentische systemen en digitale transformatieprogramma’s. Toch blijkt uit De $18 biljoen kans: vier ondernemingschulden zullen uw AI-toekomst maken of breken, een nieuw rapport van Genpact in samenwerking met HFS Research, dat de meeste ondernemingen moeite hebben om AI-investeringen om te zetten in meetbare bedrijfswaarde. De reden, zoals het rapport betoogt, is niet het gebrek aan AI-technologie. In plaats daarvan worden organisaties gehinderd door vier met elkaar verbonden vormen van ondernemingschuld: proceschuld, dataschuld, technologiechuld en talentchuld. Samen leggen deze verborgen verplichtingen naar schatting $17,9 biljoen aan ondernemingswaarde vast.

AI-ambitie is hoog, maar ondernemingsgereedheid blijft laag

Het rapport is gebaseerd op een enquête onder 2.002 ondernemingsleiders in 16 branches en 14 bedrijfsfuncties. De resultaten laten een opvallende kloof zien tussen AI-ambities en organisatorische gereedheid. Terwijl 92% van de senior leiders van Global 2000-bedrijven geloven dat agentische AI de manier waarop werk wordt uitgevoerd fundamenteel zal veranderen, meldt slechts 13% dat agentische AI al is geïntegreerd in hun operaties.

Deze kloof is steeds belangrijker geworden nu ondernemingen overstappen van experimenten naar implementatie. Volgens Genpact-CEO Balkrishan “BK” Kalra verhuizen bedrijven van een wereld waarin werk wordt verwerkt en gevalideerd door mensen naar een wereld die steeds meer wordt aangedreven door machine-verwerkte workflows met menselijke toezicht. Echter, het enkel toevoegen van AI aan bestaande systemen is niet genoeg. Organisaties moeten eerst de onderliggende fundamenten aanpakken die bepalen of AI slaagt of faalt.

Het rapport beschrijft deze uitdaging als een “AI-snelheidskloof”, het verschil tussen wat medewerkers individueel kunnen bereiken met AI en wat de bredere onderneming kan bereiken door middel van gestructureerde implementatie.

De vier ondernemingschulden die transformatie ondermijnen

Het onderzoek identificeert vier categorieën van schuld die collectief voorkomen dat organisaties AI-waarde realiseren.

Technologieschuld blijft de meest vertrouwde uitdaging. Meer dan de helft van de leiders classificeert hun technologieschuld als ernstig, aangedreven door verouderde kernsystemen, integratiecomplexiteit, leveranciersconcentratie en infrastructuurlasten. Het gemiddelde ondernemingskernsysteem is ongeveer tien jaar oud, terwijl ontwikkelteams meer dan 40% van hun tijd besteden aan het onderhoud van bestaande technologie in plaats van het opbouwen van nieuwe capaciteiten.

Dataschuld bleek de enige belangrijkste AI-barrière te zijn. Meer dan de helft van de ondernemingsdata wordt beschouwd als lage kwaliteit, slechts 33% wordt beschouwd als AI-klaar, en medewerkers besteden tot 40% van hun tijd aan het verzoenen, corrigeren of voorbereiden van data. Het rapport schat dat dataschuldfalen bijdraagt aan 42% van de vertraging, onderprestering of mislukking van analytics- en AI-initiatieven.

Proceschuld weerspiegelt de realiteit dat veel organisaties nog steeds afhankelijk zijn van handmatige, gefragmenteerde en slecht beheerde workflows. Bijna de helft van de ondernemingsprocessen vereist nog steeds handmatige interventie, terwijl minder dan de helft formeel is gedocumenteerd en beheerd. Inefficiënte processen consumeren ongeveer 40% van de werktijd van medewerkers en creëren aanzienlijke barrières voor automatisering en AI-implementatie.

Talentschuld kan de minst zichtbare maar misschien wel de meest gevolgrijke zijn. Slechts 32% van de werknemers wordt beschouwd als AI-klaar, terwijl tot de helft van de kenniswerkers frustratie en desinteresse melden als gevolg van operationele inefficiënties. Talentschulden, vaardigheidskloven en lage AI-klaarheid versterken elke andere categorie van schuld, vertragen adoptie en beperken organisatorische flexibiliteit.

Ondernemingschuld kost bedrijven meer dan ze beseffen

Bijna 90% van de ondernemingsleiders erkent dat ondernemingschuld al een invloed heeft op de bedrijfsprestaties. De gevolgen gaan verder dan IT-afdelingen.

Het rapport vond dat ondernemingschuld de operationele kosten met gemiddeld 34% verhoogt, productlanceringen met ongeveer acht maanden vertraagt, ongeveer 34% van de transformatie-initiatieven doet falen om de verwachte resultaten te leveren en de realisatie van AI-waarde beperkt voor 85% van de ondervraagde organisaties.

Belangrijk is dat deze schulden niet onafhankelijk opereren. Technologieschuld kan de dataschuld verslechteren. Zwakke governance kan procesinefficiënties en talentschulden tegelijk creëren. Handmatige workflows genereren vaak zowel proces- als dataschuld tegelijk. Het rapport betoogt dat organisaties vaak falen omdat ze proberen één categorie in isolatie op te lossen in plaats van ondernemingschuld als een systeemwijde problematiek te behandelen.

Het kwantificeren van de $18 biljoen kans

Een van de meest aandachttrekkende bevindingen in het rapport is de schatting dat het oplossen van ondernemingschuld ongeveer $17,9 biljoen aan waarde kan vrijmaken bij Global 2000-bedrijven. De grootste kansen komen van proceschuld en dataschuld, die elk ongeveer $7,7 biljoen aan herwinbare waarde vertegenwoordigen. Technologieschuld vertegenwoordigt $1,5 biljoen, terwijl talentschuld ongeveer $1 biljoen vertegenwoordigt.

De onderzoekers berekenden deze cijfers met behulp van schattingen van senior leiders over potentieel omzetgroei en kostenreductie als gevolg van schuldenoplossing. Op basis van de enquête-antwoorden kan het oplossen van ondernemingschuld ongeveer 8% snellere jaarlijkse omzetgroei en ongeveer 16% jaarlijkse kostenreductie opleveren bij grote ondernemingen.

Misschien wel het meest opvallende is dat het rapport concludeert dat kostenbesparingen alleen niet het hele verhaal vertellen. Schuldenoplossing creëert kansen voor snellere productlanceringen, kortere verkoopcycli, betere besluitvorming, betere klantervaringen en effectievere AI-implementaties. Met andere woorden, organisaties behalen zowel efficiëntie als groei tegelijk.

Waarom AI-initiatieven stilvallen

Ondanks de groeiende investeringen, worstelen veel AI-initiatieven om verder te gaan dan pilotprogramma’s.

Volgens de enquête is dataschuld de belangrijkste reden waarom organisaties geen AI-waarde realiseren, genoemd door 33% van de respondenten. Technologieschuld volgt met 28%, proceschuld met 23% en talentschuld met 16%.

De gevolgen verschillen afhankelijk van het type schuld. Dataschuld houdt AI-initiatieven vast in de proof-of-concept-fase. Technologieschuld verhoogt de implementatiekosten en compliceert het schalen. Proceschuld creëert onbetrouwbare resultaten wanneer AI-agents opereren binnen inconsistentie workflows. Talentschuld vertraagt adoptie en beperkt de menselijke toezicht die nodig is voor succesvolle agentische systemen.

Het rapport benadrukt herhaaldelijk dat AI niet kan compenseren voor gebroken fundamenten voor onbepaalde tijd. Organisaties die proberen om gebrekkige processen te automatiseren of AI te implementeren op slechte kwaliteit data riskeren het schalen van inefficiënties in plaats van ze op te lossen.

Sommige industrieën hebben grotere kansen dan andere

De kans om schulden op te lossen is niet gelijkmatig verdeeld over de industrieën.

De productie leidt de lijst, met een geschatte kans van $4,8 biljoen, bestaande uit omzetgroei en kostenbesparingen. De gezondheidszorg en levenswetenschappen volgen met ongeveer $3,3 biljoen, terwijl de detailhandel en consumentengoederen $2,7 biljoen vertegenwoordigen. Energie, technologie, banken, transport en verzekeringen vertegenwoordigen ook aanzienlijke kansen.

De aard van de schuld verschilt per sector. Financiële dienstverleners worstelen meestal het meest met dataschuld vanwege decennia van fusies, overnames en regelgevingsvereisten. De productie, detailhandel en gezondheidszorg ervaren de grootste proceschuld vanwege langdurige, meerdere partijen workflows. Levenswetenschappen- en technologiehardwarebedrijven hebben vaak de hoogste technologieschuld vanwege ingebedde softwaresystemen en regelgevingsbeperkingen.

Op functioneel niveau bieden de engineering-, productontwikkelings- en IT-teams de grootste kansen voor waardecreatie. Deze gebieden liggen het dichtst bij de technologie-stacks, infrastructuur en workflows die bepalen of ondernemings-AI succesvol kan schalen.

De 6% die het hebben gefigureerd

Een van de meest openbarende bevindingen in het rapport is dat slechts 6% van de ondernemingen als “bewezen schuldenoplossers” kwalificeren. Deze organisaties hebben succesvolle schuldenoplossingsprogramma’s opgezet, uitgevoerd en gemeten. Nog 43% werken actief aan schuldenoplossing, terwijl 51% geen plan hebben, een niet-goedgekeurd plan hebben of nog niet zijn begonnen.

Volgens het onderzoek delen succesvolle organisaties een aantal kenmerken. Ze behandelen schuldenoplossing als een CEO-mandaat in plaats van een IT-initiatief. Ze voeren een dual-velocity-strategie uit die langdurig fundamentaal werk in evenwicht brengt met korte-termijn operationele verbeteringen. Ze investeren zwaar in capaciteiten zoals talentontwikkeling, governance, AI-klaarheid en dataplatforms. Ze gebruiken ook AI zelf om schuldenreductie te versnellen door middel van procesmining, workflowanalyse, dataschuldenverbetering en werkgelegenheidstraining.

Misschien wel het meest belangrijk is dat deze organisaties actie ondernemen in plaats van eindeloos te plannen. Het rapport concludeert dat de kloof tussen succesvolle en niet-succesvolle ondernemingen niet primair technologisch is. Het is een verschil in uitvoering.

De echte AI-uitdaging mag niet AI zijn

Een van de sterkste thema’s in het rapport is dat ondernemingschuld uiteindelijk een leiderschapsuitdaging is in plaats van een technologie-uitdaging. Terwijl organisaties de AI-uitgaven blijven verhogen, falen veel van hen om de operationele, culturele en structurele problemen aan te pakken die bepalen of deze investeringen waarde opleveren.

Volgens De $18 biljoen kans: vier ondernemingschulden zullen uw AI-toekomst maken of breken is AI-transformatie en schuldenoplossing niet langer separate initiatieven. Ze worden steeds meer hetzelfde programma, bekeken vanuit verschillende hoeken. Organisaties die proces-, dataschuld, technologieschuld en talentschuld tegelijk aanpakken, kunnen aanzienlijke groei- en efficiëntiegroei realiseren. Diegenen die blijven bouwen op onstabiele fundamenten riskeren meer uit te geven terwijl ze minder bereiken.

Voor ondernemingsleiders is de centrale boodschap van het rapport eenvoudig: weet waar uw schuld is, begrijp wat het u kost en begin met het oplossen voordat concurrenten de kloof vergroten. De organisaties die de AI-periode winnen, zijn misschien niet diegenen die het meest uitgeven aan kunstmatige intelligentie, maar diegenen die eerst de operationele fundamenten opbouwen die nodig zijn voor het succes van AI.