Waarom Enterprise AI stagneert, en wat er nodig is om verder te schalen dan de pilot

Drie jaar geleden ontkenden de meeste enterprise‑leiders AI. Het gangbare beeld was dat het marktgeluid was, of slechts een slim speeltje, maar geen technologie van enterprise‑klasse. “Hallucinatie” was het woord dat iedereen bezighield. In het afgelopen jaar is dat scepticisme bijna volledig omgeslagen. Verwachtingen staan nu op hun hoogtepunt, met besturen die overtuigd zijn dat AI elke functie en elk proces zal transformeren.

Toch missen beide uitersten de kern. AI is noch een voorbijgaande hype, noch een toverstok. Het is de meest allesomvattende transformatie die de sector heeft gezien; groter dan de cloud, die fundamenteel draaide om efficiëntie en flexibiliteit. AI is een zakelijke transformatie. Dat is precies waarom zoveel organisaties, na schitterende pilots, vastlopen. De State of AI enquête van McKinsey & Company legt de omvang van het probleem bloot: bijna twee derde van de respondenten zegt dat hun organisaties nog niet zijn begonnen met het opschalen van AI binnen de onderneming.

Het echte knelpunt is niet de capaciteit

Het is verleidelijk de technologie de schuld te geven, maar dat zou verkeerd zijn. In dit stadium beschikken de frontier‑modellen over enorme capaciteit. De uitdaging ligt in het integreren van AI in echte bedrijfsprocessen om meetbare resultaten te leveren.

IDC‑onderzoek heeft aangetoond dat 88 % van de AI‑proof‑of‑concepten niet doorgaan naar productie‑implementatie, wat betekent dat van elke 33 gelanceerde er slechts vier slagen. De reden ligt zelden bij de technologie zelf. Een pilot toont wat mogelijk is; opschalen vereist dat een organisatie verandert hoe werk daadwerkelijk wordt uitgevoerd. Dat is een veel complexere onderneming dan de meeste leiders verwachten. Het omvat verandermanagement, wrijving tussen functies, budgetteringscycli die nooit zijn ontworpen voor dit soort investeringen, en de moeilijke taak om workflows van begin tot eind opnieuw te ontwerpen. Daarom duurt de reis van proof-of-concept naar productie langer dan de hype doet vermoeden: ondernemingen zijn complex, en complexiteit verzet zich tegen snelle oplossingen.

Leiders moeten de reflex “AI nu adopteren” weerstaan, die leidt tot verspreide, losgekoppelde experimenten. Begin in plaats daarvan met het definiëren van het specifieke probleem en het verwachte resultaat, bijvoorbeeld het verkorten van de tijd voor service‑oplossingen, kennis sneller ophalen, of een ontwikkelingscyclus inkorten. Wanneer AI is ontworpen rond een gedefinieerde workflow, wordt de impact meetbaar, en meetbare impact rechtvaardigt opschaling.

Het zichtbare en het onzichtbare

Agents zijn de manier waarop AI tot leven komt binnen een onderneming, en ze vallen in twee categorieën. Ten eerste zijn assistent‑agents zichtbare helpers die e‑mails samenvatten of een ontwikkelaar helpen code te schrijven. Ten tweede worden agents onzichtbaar in workflows verweven, waarbij ze rekeningen afstemmen, goedkeuringsketens uitvoeren en fraude signaleren. Deze moeten echt enterprise‑grade zijn: schaalbaar naar volume, nauwkeurig, volledige traceerbaarheid bieden en opereren binnen verantwoord‑AI‑richtlijnen.

Koppen die ‘aantal agents’ aankondigen betekenen weinig, omdat er geen standaardmethode is om een agent te tellen. Wat telt, is het werk dat een mens‑plus‑agent‑combinatie verricht. Door agents geleide productiviteit kan een miljoen dollar besparen; het herontwerpen van het bedrijfsproces met mensen‑plus‑agent‑teams kan honderd miljoen genereren uit dezelfde inspanning, en daar moeten leiders naar kijken.

Governance, vertrouwen en de regen‑dagtest

Eigendomsrecht over het resultaat is cruciaal voor succes. Het is gemakkelijk AI in te zetten wanneer tien fouten acceptabel zijn; het is een ander verhaal wanneer het proces foutloos moet draaien op schaal. Het leidende principe is een regen‑dagtest: wanneer AI weigert mee te werken, maar de business toch functioneert. Governance is daarom niet de vijand van snelheid, maar de facilitator ervan. Ondertussen leidt flexibiliteit zonder governance tot chaos, terwijl governance zonder flexibiliteit innovatie verstikt. Wat AI uiteindelijk tegenhoudt, is angst, vertrouwen, veiligheid, en controle over eigen data. Deze angsten bepalen of een onderneming opschaalt of bevriest.

De juiste afstemming van de architectuur

Cruciaal is dat voor 80 tot 90 % van de enterprise‑use‑cases een frontier‑model overbodig is. Een klein taalmodel dat is gebouwd op de eigen data van de organisatie, vaak naast een frontier‑model, is de slimmere oplossing. De kosten per token dalen exponentieel, maar redeneermodellen en steeds grotere context‑vensters verhogen het verbruik sterk, waardoor token‑optimalisatie een op zichzelf staende significante kans wordt.

Bouwen voor de volgende golf

In elke technologische golf wordt waarde gerealiseerd aan de rand wanneer bedrijven de technologie daadwerkelijk gebruiken. De huidige uitgaven zitten in de infrastructuurlagen, zoals altijd in een vroeg stadium van een technologische cyclus. De volgende, grotere golf is adoptie op schaal.

Bedrijfsleiders moeten opmerken dat enterprise‑AI niet stagneert omdat de technologie zwak is. Het stagneert omdat organisaties een zakelijke transformatie behandelen als een technologieproject. De winnaars zullen AI een vertrouwd, herhaalbaar en verantwoord bedrijfsproces maken, en vervolgens de geduld hebben om het op te schalen en de grotere golf voor zich te berijden.