De AI ROI-crisis: waarom 78% van de bedrijven hun AI-plannen afschroeft
Iets ongebruikelijks gebeurde in Q1 2026. Terwijl de technologiepers vol stond met aankondigingen van AI-agents, investeringsrondes en platformoorlogen, ontvouwde zich in de bestuurskamers van enterprises een stiller verhaal: 78 procent van de bedrijven schaalt zijn AI-plannen terug.
Dat is geen vertrouwensprobleem. Dat is geen technologieprobleem. Dat is een ROI-meetprobleem.
Dit artikel gaat over waarom het terugschalen gebeurt, waarom het leiders misleidt tot het nemen van verkeerde beslissingen, en het meetframework dat je daadwerkelijk vertelt of je AI-investeringen werken. Niet de vanity metrics. Niet de deflection rates en automatiseringsvolumes. De echte bedrijfswaarde.
Het 78 procent-cijfer: wat het daadwerkelijk betekent
Voordat we verder gaan, verdient het 78 procent-cijfer context.
Het terugschalen gaat niet over AI die faalt. Uit onderzoek van McKinsey bleek dat 78 procent van de bedrijven zijn AI-plannen terugschroeft — niet omdat de technologie niet werkt, maar omdat de ROI niet materialiseert in het verwachte tempo. Bedrijven hebben ambitieuze AI-investeringen gedaan, pilots gedraaid die er succesvol uitzagen, en ontdekten dat het opschalen van die pilots naar productiebedrijfsvoering aanzienlijk minder waarde opleverde dan de modellen voorspelden.
De meest genoemde redenen voor het terugschalen: integratiecomplexiteit, datakwaliteitsproblemen en veranderingsmanagementfouten. Geen van deze redenen betekent dat AI niet werkt. Ze betekenen dat organisaties de implementatiecomplexiteit hebben onderschat.
Waarom het terugschalen een strategische fout is
Het 78 procent-terugschalen creëert een gevaarlijke dynamiek. Organisaties die AI-investeringen terugschalen vallen achter op concurrenten die niet terugschalen. Bain heeft dit expliciet gekwantificeerd. Terwijl 78 procent terugschroeft, verdubbelt de top 5 procent van performers zijn inspanningen, en de prestatiekloof tussen de top en de rest groeit.
De organisaties die terugschalen nemen een beslissing op basis van een meetfout, niet een technologiefout. Ze zien zwakke ROI van hun AI-investeringen en concluderen dat AI niet levert. De conclusie is verkeerd. De meting is verkeerd.
Het meetprobleem is dit. De meeste organisaties meten AI ROI op dezelfde manier als software ROI. Dit framework werkt voor software. Het werkt niet voor AI, omdat AI waarde genereert op manieren die traditionele ROI-frameworks niet kunnen vangen.
Het meetframework dat organisaties in de steek laat
Het traditionele AI ROI-meetframework ziet er zo uit. Neem de kosten van het AI-systeem. Trek ze af van de productiviteitswinsten. Bereken de payback period.
Dit framework faalt voor AI om vier structurele redenen.
AI creëert optiewaarde die niet zichtbaar is in productiviteitsmetrics. AI-systemen die goed werken creëren de optie om meer AI in aangrenzende workflows te deployen. Deze optiewaarde is reëel maar onzichtbaar in traditionele ROI-berekeningen.
AI verbetert besliskwaliteit, niet alleen beslissnelheid. De waarde van een verbetering van 10 procent in beslisnauwkeurigheid verschijnt niet in productiviteitsmetrics. Het verschijnt in uitkomsten. Maar het verschijnt niet in het AI ROI-dashboard.
Het baseline-probleem. De meeste AI ROI-berekeningen hebben geen schone voor-en-na-baseline. De vergelijking is vaak tussen een volledig gefinancierde AI-deployment en een onderbemand menselijk proces. Dit is geen eerlijke vergelijking.
AI creëert coördinatiewaarde die niet wordt gemeten. De meest onderschatte AI-waarde is coördinatie. AI die de werkcoördinatie afhandelt die mensen voorheen deden. Deze coördinatiewaarde is diffuus en verschijnt niet in een nette ROI-post.
Het echte AI ROI-meetframework
Het meetframework dat je daadwerkelijk vertelt of AI werkt heeft vijf componenten, niet één.
Component 1: Directe kostenvermijding
Dit is de meest straightforward AI ROI-component. AI-systemen die de kosten van activiteiten vervangen of reduceren die anders menselijke tijd of software van derden zouden vereisen.
Directe kostenvermijding omvat automatisering van taken die voorheen door mensen werden gedaan, reductie in softwarekosten van derden wanneer AI een gelicentieerd tool vervangt, reductie in foutgerelateerde kosten, en reductie in compliance-overtredingskosten.
Deze component is meetbaar als je een schone baseline hebt. Zorg voor die baseline voordat je live gaat.
Component 2: Throughput-verbetering
Dit is de waarde van meer werk afronden in dezelfde tijd, of hetzelfde werk in minder tijd. Meetbaar als transacties per uur, queries per shift, rapporten per week.
Het belangrijke onderscheid. Throughput-verbeteringswaarde is anders dan headcount-reductie. Organisaties die throughput-verbetering correct meten vinden vaak dat de AI ROI positief is zelfs wanneer er geen headcount is gereduceerd, omdat de mensen die dat werk deden werden herbestemd naar waardevollere activiteiten.
Component 3: Besliskwaliteitsverbetering
De waarde van betere beslissingen, meetbaar als reductie in fouten toe te schrijven aan betere informatie of analyse, omzetverbetering uit betere targeting of pricing, en risicoreductie uit betere beoordeling.
Dit is de moeilijkste AI ROI-component om te meten, maar ook de meest significante in veel deployments. Een AI-systeem dat de nauwkeurigheid van kredietbeslissingen met 5 procent verbetert, genereert meetbare financiële waarde die onzichtbaar is in een productiviteitsdashboard.
Component 4: Snelheid naar beslissing
De waarde van snellere beslissingen. Meetbaar als reductie in tijd van input naar beslissing, verbetering in klantbeleving uit snellere respons, en omzetversnelling uit snellere verwerking.
Snelheid naar beslissing is bijzonder waardevol in klantgerichte processen. Een lead die een respons krijgt in 5 minuten versus 24 uur heeft een dramatisch hogere conversieratio. AI die respons versnelt genereert meetbare omzetimpact die traditionele ROI-frameworks missen.
Component 5: Risico- en compliance-waarde
De waarde van beter risicomanagement, meetbaar als reductie in compliance-overtredingen, reductie in beveiligingsincidenten, en reductie in auditbevindingen.
Deze AI ROI-component is vaak onzichtbaar in kwartaalrapportages omdat risico-evenementen sporadisch zijn. Maar een enkele vermeden compliance-overtreding kan een hele AI-deployment rechtvaardigen.
Het baseline-probleem: waarom de meeste AI ROI-berekeningen verkeerd zijn
De meest voorkomende reden dat AI ROI-berekeningen verkeerd zijn. Er is geen schone baseline.
Een AI-deployment vergeleken met een menselijk team dat onderbemand is, met verouderde tools werkt en een backlog beheert, toont geweldige ROI. Een AI-deployment vergeleken met een goed gefinancierd menselijk team dat met moderne tools werkt, toont lagere ROI. Niet omdat AI slechter is, maar omdat de vergelijkingsbaseline anders is.
De organisaties die AI ROI correct meten doen dit vóór elke deployment. Stel een nauwkeurige meting van de huidige staat vast met behulp van het vijfcomponenten-framework. Documenteer de baseline met specifieke cijfers. Meet dan dezelfde componenten na AI-deployment, met dezelfde meetmethodologie.
Zonder dit meet je geen AI ROI. Je meet het verschil tussen je AI-systeem en wat de baseline toevallig was op dat moment.
Waarom het terugschalen een samengesteld nadeel creëert
Hier is de dynamiek die de 78 procent die terugschalen niet meerekenen. AI-waarde compoundeert anders dan traditionele softwarewaarde.
Elke AI-deployment die goed werkt leert de organisatie iets. Hoe AI-projecten te managen. Hoe data voor te bereiden voor AI. Hoe workflows te herontwerpen rond AI. Hoe AI-waarde te meten. Deze lessen zijn organisatorische capabilities die de volgende AI-deployment sneller, goedkoper en waarschijnlijker laten slagen.
Organisaties die AI-investeringen terugschalen pauzeren niet zomaar een project. Ze pauzeren de ontwikkeling van hun AI-capability. En de organisaties die blijven investeren bouwen capability op precies het moment dat de technologie capabeler wordt, niet minder.
Bain-bevinding. De prestatiekloof tussen top AI-performers en de rest groeit. De organisaties die hebben geïnvesteerd in AI gedurende de 2024-2025-periode hebben dingen geleerd die de terugschalende organisaties nog niet hebben geleerd.
De organisaties die niet terugschalen
De top 5 procent van AI-performers deelt drie praktijken die de terugschalende organisaties niet hebben.
Ze meten het vijfcomponenten-framework, niet alleen kostenvermijding. Ze vangen besliskwaliteitsverbetering, snelheid naar beslissing en risicowaarde. Hun AI ROI-beeld is completer en nauwkeuriger.
Ze investeren in data-infrastructuur vóór AI-deployment. Ze proberen niet AI te deployen op rommelige data. Ze reinigen en structureren de data eerst, wat AI-deployments succesvoller en ROI zichtbaarder maakt.
Ze behandelen AI-deployment als organisatorische capability-ontwikkeling, niet als projectuitvoering. Ze meten het AI-teamleren, niet alleen de AI-systeemoutput. Elke deployment leert hen iets dat de volgende deployment beter maakt.
Wat te doen als je organisatie terugschaalt
Als je in een organisatie zit die AI-investeringen terugschaalt op basis van zwakke ROI-metingen, hier is wat je kunt bepleiten.
Bepleit het vijfcomponenten-meetframework. Voordat je concludeert dat AI geen ROI oplevert, meet het met het complete framework. De organisaties die zwakke ROI vinden meten het incompleet.
Onderscheid tussen AI-capability-falen en meetfalen. Zwakke ROI van een AI-deployment betekent niet per se dat AI niet werkt. Het kan betekenen dat de AI op slechte data is gedeployed, of dat de meting incompleet was.
Pleit voor de pilot die een schone baseline vaststelt. De organisaties die AI ROI niet kunnen meten zijn meestal degene die voor deployment geen baseline hebben vastgesteld. De volgende AI-pilot moet worden ontworpen om een schone voor-en-na-meting vast te stellen.
Maak het pleidooi voor capability-compounding. De waarde van AI is niet alleen de waarde van de huidige deployment. Het is de organisatorische capability die die deployment opbouwt. De organisaties die stoppen met investeren stoppen met het opbouwen van capability.
De conclusie
Het 78 procent-terugschalen is een meetfout, geen technologiefout. De meeste organisaties meten AI ROI met frameworks ontworpen voor software, niet voor AI, en missen de waarde die AI creëert in besliskwaliteit, snelheid en risicomanagement.
De organisaties die blijven investeren en correct meten bouwen AI-capability die compoundeert over tijd. De organisaties die terugschalen accumuleren een nadeel dat tijd zal kosten om te dichten wanneer ze hervatten.
Voordat je terugschaalt, meet compleet. Het vijfcomponenten-framework vertelt je of AI werkt. De organisaties die het gebruiken zijn degene die geïnvesteerd blijven.
Wil je weten of je AI-investeringen daadwerkelijk werken? Praat met Agencie voor een AI ROI-meetaudit, inclusief het vijfcomponenten-framework, baseline-vaststelling en een helder beeld van waar je AI-waarde daadwerkelijk vandaan komt.