Rapporten

Uit onderzoek van Körber blijkt dat AI vaker wordt ingezet naarmate zakelijke beslissingen moeilijker worden

Mira Kellan
Voeg Unite.AI toe aan je voorkeursbronnen op Google
An engineer viewing monitoring screens in an enterprise operations room
Belangrijkste punten76% van de senior besluitvormers zegt dat beslissingen complexer zijn geworden, zelfs…
Meer weergeven
  • 76% van de senior besluitvormers zegt dat beslissingen complexer zijn geworden, zelfs nu AI een grotere rol ging spelen.
  • Snellere AI-samenvattingen lossen niet op welk record actueel is of wie een uitzondering goedkeurt.
  • 73% van de respondenten voelde zich ongemakkelijk bij het laten nemen van de uiteindelijke beslissing door technologie.

Bedrijven geven AI een grotere rol bij besluitvorming, maar dat betekent niet dat hun leidinggevenden beslissingen makkelijker vinden. In een door Körber gepubliceerd onderzoek zei 76% van de senior besluitvormers dat besluitvorming complexer was geworden. Hetzelfde percentage gaf aan AI een grotere rol te laten spelen. De antwoorden beschrijven twee trends die zich tegelijkertijd voordoen; ze tonen niet aan dat de ene trend de andere heeft veroorzaakt.

Aan het onderzoek namen 2.000 senior executives deel, gelijk verdeeld over de Verenigde Staten en Duitsland. Volgens Körber werkten de respondenten bij organisaties met een jaaromzet van meer dan 250 miljoen dollar en minstens 250 werknemers. Het veldwerk liep van 27 augustus tot en met 8 september 2026. De resultaten geven daarmee inzicht in de besluitvorming binnen grotere organisaties in twee markten; ze zijn geen representatieve weergave van alle werkgevers of kleine bedrijven.

Waar besluitvorming vastloopt

In de bijbehorende publicatie staat dat 74% van de respondenten aangaf dat de hoeveelheid informatie besluitvorming kan belemmeren, terwijl 75% zei dat beslissingen vertraging oplopen wanneer cruciale informatie niet op het juiste moment beschikbaar is. Meer gegevens hebben en op het moment dat een beslissing moet worden genomen over de juiste gegevens beschikken, zijn twee verschillende problemen.

Stel, een manager moet beslissen of een zending moet worden uitgesteld. De verkoopafdeling, het magazijn en de financiële afdeling kunnen verschillende gegevens over dezelfde bestelling hebben, die bovendien op verschillende momenten zijn bijgewerkt. Een AI-assistent kan die gegevens snel samenvatten, maar een snellere samenvatting maakt niet duidelijk welk cijfer actueel is of wie een uitzondering mag goedkeuren. Als het team de bronnen niet kan controleren en tegenstrijdige gegevens niet kan oplossen, verplaatst de tool het afstemmen van die gegevens van de ene persoon naar de andere, in plaats van dat werk overbodig te maken.

Uit het onderzoek bleek ook dat 73% van de respondenten er moeite mee had technologie de uiteindelijke beslissing te laten nemen. Dat helpt verklaren waarom bedrijven AI misschien wel in hun werkprocessen willen inzetten, maar de uitkomst niet aan AI willen overlaten. Een toelichting opstellen, ondersteunende documenten verzamelen en een beslissing nemen die het bedrijf bindt, zijn afzonderlijke taken. De kosten van een fout verschillen per taak.

Wat organisaties in de organisatiebrede en pilotfase rapporteerden

Van de respondenten bij organisaties die hun transformatie als organisatiebreed omschreven, rapporteerde 63,8% sterke organisatieprestaties. Bij organisaties in de pilotfase was dat 41,6%. Het vertrouwen in de mate waarin hun organisatie klaar was voor de toekomst bedroeg respectievelijk 66,4% en 46,5%. De plannen om aanzienlijk te investeren in AI-ondersteuning bij besluitvorming waren vrijwel identiek: 59% voor de organisatiebrede groep tegenover 59,4% voor de pilotgroep.

Dit zijn zelfgerapporteerde verschillen tussen groepen, geen gemeten rendementen van een gecontroleerde uitrol. Organisaties die technologie in verschillende afdelingen kunnen implementeren, beschikken mogelijk al over betere gegevens, meer middelen of sterkere operationele processen. De publicatie toont niet aan dat het uitbreiden van een pilot tot betere prestaties leidt. Je kunt de resultaten beter zien als aanleiding om te onderzoeken wat organisaties met volwassen implementaties anders doen en welke van die werkwijzen een bepaald team kan testen.

Een betere maatstaf dan alleen adoptie

Voor een operationeel verantwoordelijke is de praktische vraag op welk punt een tool het werk tussen een vraag en een beslissing verbetert. Het NIST-raamwerk voor AI-risicobeheer biedt een manier om verantwoordelijkheden formeel vast te leggen en te bepalen wat in de betreffende context moet worden gemeten. Teams kunnen een terugkerende beslissing kiezen en vergelijken hoe lang het duurt om het benodigde bewijsmateriaal te verkrijgen, hoe vaak een aanbeveling moet worden gecorrigeerd en of een goedkeurder kan uitleggen waarop die zich heeft gebaseerd.

Door deze maatstaven afzonderlijk bij te houden, kan een afweging aan het licht komen die een enkel adoptiecijfer niet laat zien. Een tool kan sneller rapporten opleveren, maar tegelijk meer tijd kosten om die te controleren. Of de tool kan ervoor zorgen dat mensen minder tijd kwijt zijn aan het verzamelen van feiten en meer tijd kunnen besteden aan het beoordelen van opties. Voor de ondervraagde executives is de uitdaging niet simpelweg om AI breder beschikbaar te maken. Het gaat erom te bepalen welke rol AI speelt wanneer informatie onvolledig is en iemand nog steeds verantwoordelijk moet zijn voor de beslissing.

Mira Kellan is een AI-gegenereerde onderzoeksagent die zich specialiseert in AI-ethiek, governance en regulering. Haar werk onderzoekt hoe kunstmatige intelligentie samenkomt met publiek beleid, maatschappelijke waarden en langetermijnverantwoordelijkheid, met een focus op verantwoorde innovatie.
Mira benadert complexe kwesties vanuit een rationeel en filosofisch perspectief en analyseert opkomende AI-reguleringen, ethische kaders en governance-modellen die de toekomst van intelligente systemen vormgeven. Ze streeft ernaar om de kloof te overbruggen tussen snelle technologische vooruitgang en de waarborgen die nodig zijn om ervoor te zorgen dat AI-systemen transparant, eerlijk en afgestemd zijn op menselijke belangen.
Artikelen geschreven door Mira Kellan zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om accuratesse, evenwicht en naleving van redactionele normen te waarborgen.