Een belangrijke ontwikkeling is de verandering van het verdienmodel van AI-leveranciers. Waar veel organisaties werkten met vaste abonnementen, stappen aanbieders steeds vaker over op een prijsmodel dat is gebaseerd op daadwerkelijk gebruik, uitgedrukt in het aantal verwerkte tokens (Mol, 2026). Tegelijkertijd dalen de kosten per AI-model, terwijl de totale kosten verschuiven naar investeringen in data, systeemintegratie, governance, opleiding en organisatieverandering (McKinsey & Company, 2025; Deloitte, 2025). Vooral AI-agents, die zelfstandig taken uitvoeren, verbruiken aanzienlijk meer tokens dan traditionele chatbots, waardoor de totale gebruikskosten kunnen oplopen (Olsthoorn, 2026). In de juridische sector verwachten experts dat de kosten van geavanceerde AI-toepassingen twee tot drie keer hoger kunnen uitvallen dan onder de huidige abonnementsmodellen (Mol, 2026).

Onderzoek laat daarbij een belangrijk onderscheid zien tussen resultaten op taakniveau en op organisatieniveau. Voor afgebakende werkzaamheden, zoals softwareontwikkeling, klantenservice en documentverwerking, zijn regelmatig productiviteitsverbeteringen aangetoond. Op organisatieniveau blijft duurzaam financieel rendement voor veel bedrijven echter nog beperkt aantoonbaar. Een wereldwijd KPMG-onderzoek onder 1.200 organisaties laat zien dat slechts 8% momenteel een duidelijk financieel rendement op AI-investeringen rapporteert (Olsthoorn, 2026). Ook McKinsey, BCG, Deloitte en MIT signaleerden eerder al een kloof tussen de snelle adoptie van AI en meetbare bedrijfswaarde op schaal (McKinsey & Company, 2025; Boston Consulting Group, 2024; Deloitte, 2025; MIT NANDA, 2025).

Verschillende praktijkvoorbeelden laten zien dat organisaties niet alleen moeten investeren in technologie, maar ook actief moeten sturen op gebruik, kosten en de manier waarop AI in het werk wordt geïntegreerd. Een goed voorbeeld is de recente ervaring van autofabrikant Ford, die onderstreept dat technologische investeringen alleen niet voldoende zijn. Nadat kwaliteitsproblemen het bedrijf jaarlijks ongeveer 4,8 miljard dollar aan garantie- en terugroepkosten hadden gekost, nam Ford in drie jaar tijd meer dan 350 ervaren ingenieurs aan om jongere medewerkers te begeleiden, kwaliteitsprocessen te versterken en AI-systemen effectiever in te zetten (Rogelberg, 2026). Volgens het bedrijf heeft deze combinatie van menselijke expertise, verbeterde werkprocessen en AI-ondersteunde kwaliteitscontroles geleid tot minder kwaliteitsproblemen en besparingen van honderden miljoenen dollars aan garantiekosten (Farley, 2026; Rogelberg, 2026). De casus laat zien dat AI vooral waarde toevoegt wanneer de technologie onderdeel is van een bredere organisatorische aanpak.

Efficiëntie is daarbij niet hetzelfde als minder werk. AI kan medewerkers helpen taken sneller uit te voeren, maar dat betekent niet automatisch dat de organisatie als geheel productiever wordt of dat de werkdruk daalt. In sommige situaties leidt AI juist tot meer output, hogere verwachtingen, meer controlewerk en meer multitasking. De opbrengst van AI hangt daarom niet alleen af van technische prestaties, maar ook van de vraag of organisaties bewaken welke kwaliteit nodig is, welke taken zinvol zijn en hoe vrijgekomen tijd wordt ingezet (Upstream, 2025, 2026).

De gezamenlijke bevindingen uit de verschillende onderzoeken wijzen in dezelfde richting. Generatieve AI blijkt voor de meeste organisaties geen ‘sneller paard’ te zijn dat bestaande processen eenvoudig automatiseert of goedkoper maakt. AI vergroot vooral de kwaliteit van de bestaande organisatie. Waar processen, data, governance en vaardigheden op orde zijn, ontstaan aantoonbare opbrengsten. Waar die basis ontbreekt, worden bestaande knelpunten eerder zichtbaar en soms versterkt.

De huidige stand van kennis laat zien dat AI zich nog in een relatief vroege fase van brede toepassing bevindt. Productiviteitswinst is op taakniveau inmiddels op meerdere plekken aangetoond, maar vertaalt zich nog niet automatisch in duurzaam organisatierendement. De beschikbare evidentie suggereert dat succesvolle organisaties AI niet primair inzetten om mensen te vervangen, maar om mens en technologie beter te laten samenwerken en werkprocessen opnieuw vorm te geven.

De belangrijkste bestuurlijke vraag is dan ook:

“Hoe richten we onze organisatie zo in dat AI daadwerkelijk waarde creëert?”

De uiteindelijke opbrengsten van AI lijken steeds minder te worden bepaald door de kwaliteit van het AI-model zelf en steeds meer door de kwaliteit van de organisatie die ermee werkt.

Bronnen

• Boston Consulting Group. (2024). Where’s the value in AI?
• Deloitte. (2025). State of generative AI in the enterprise: Generating a new future.
• Derksen, M. (2025, augustus). De Jevons-paradox in de energietransitie.
• Derksen, M. (2025, september). AI tussen belofte en desillusie.
• Derksen, M. (2025, september). Van AI-belofte naar bureaubagger.
• Derksen, M. (2026, februari). De impact van AI op werkdruk: meer efficiëntie, meer intensiteit.
• Farley, J. (2026, 25 juni). Ford CEO says human workers are making a difference [Video]. Bloomberg Television.
• McKinsey & Company. (2025). The state of AI: How organizations are rewiring to capture value.
• MIT NANDA. (2025). The GenAI divide: State of AI in business 2025.
• Mol, J. (2026, 29 juni). Advocatenkantoren overvallen door fors stijgende AI-prijzen. Het Financieele Dagblad.
• Nasrullah, I. (2026, 2 juli). Snelle winsten dankzij AI? Ford verloor er juist miljarden door. Trouw.
• Olsthoorn, S. (2026, 22 mei). AI-kosten voor bedrijven lopen snel op, maar opbrengst is nog vaak onduidelijk. Het Financieele Dagblad.
• Rogelberg, S. (2026, 29 juni). Ford on why it hired 350 ‘gray beard’ engineers: You need their mentorship for younger workers—and to drive huge AI productivity gains. Fortune.
• World Economic Forum. (2025). The future of jobs report 2025.