Negen van de tien bedrijven verhogen hun AI-budget, ook al valt de kostenbesparing structureel lager uit dan verwacht. Uit onderzoek van Bain & Company onder 951 bedrijven wereldwijd blijkt dat bijna 40% van de bedrijven die hun resultaten hebben gemeten uitkwam op minder dan 10% kostenbesparing, terwijl zij mikten op 11% tot 20%. Tegelijkertijd financiert 44% de volgende investeringsronde met opbrengsten uit eerdere automatiseringsprojecten die stelselmatig tegenvallen.
Van de bedrijven die hun AI-resultaten daadwerkelijk hebben gemeten, mikte 37% op kostenreducties tussen 11% en 20%. Bijna 40% van die groep bereikte uiteindelijk slechts 0% tot 10% besparing. Bain & Company stelt dat de technologie functioneerde, maar dat de verwachte waarde uitbleef.
Toch reageert 90% van dezelfde bedrijven met een verhoging van het budget. De volgende investeringsgolf richt zich op AI-agents die met meer autonomie en complexiteit opereren. Bain & Company geeft aan dat dit een risico met zich meebrengt: 44% van de ondervraagde bedrijven wil die investeringen financieren vanuit de besparingen van eerdere automatiseringsprojecten, terwijl die opbrengsten structureel achterblijven bij de prognoses.
Volledig autonome agents zijn uitzondering, niet de regel
Veel leidinggevenden beschouwen AI-agents als systemen die complexe beslissingen volledig zelfstandig afhandelen. De praktijk wijkt hier sterk van af. Slechts 7% van de ondervraagde bedrijven werkt momenteel met volledig autonome AI-agents. Het meest gebruikte model vereist menselijke goedkeuring: 38% van de respondenten hanteert dit. Nog eens 32% werkt met waarborgen waarbij een mens ingrijpt zodra een agent een situatie tegenkomt die hij niet met voldoende zekerheid kan afhandelen.
Bain & Company stelt dat de meeste investeringscases uitgaan van de economische voordelen van volledige automatisering, terwijl de werkelijkheid veel mensgerichter is. Dit verschil tussen verwacht en daadwerkelijk inzetmodel ondermijnt de financiële onderbouwing van veel AI-trajecten.
Data als obstakel, maar niet als reden om te wachten
Toegang tot en integratie van data blijken de grootste belemmering voor AI-implementatie op schaal. Opvallend is dat bedrijven die hun doelstellingen wel hebben gehaald, dit probleem vaker als obstakel benoemen dan bedrijven die hun doelen niet haalden: 44% tegenover 40%. Volgens Bain & Company is dat geen toeval. De bedrijven die vooroplopen zijn data niet gaan behandelen als een IT-vraagstuk, maar als een zakelijke randvoorwaarde op bestuursniveau. Ze zijn ook gestopt met onvolmaakte data als argument om actie uit te stellen.
Bedrijven die hun doelstellingen niet halen, noemen andere obstakels: onvoldoende budget, het ontbreken van een centraal expertisecentrum en concurrerende prioriteiten. Bain & Company geeft aan dat dit geen technologische problemen zijn, maar signalen dat AI nog niet het mandaat en de bestuurlijke aandacht heeft gekregen die nodig zijn voor succesvolle implementatie op schaal.
