AI-uitgaven in 2026: hoe te beheren, prioriteren en het rendement te maximaliseren

Wat zijn de uitgaven aan AI in 2026? De vraag van 2,5 biljoen dollar.

De wereldwijde uitgaven aan AI zullen naar verwachting in 2026 oplopen tot 2,5 biljoen dollar , een stijging van 44% ten opzichte van 2025. Het grootste deel hiervan, 1,37 biljoen dollar, gaat naar AI-infrastructuur, waarvan 589 miljard dollar naar diensten en 452 miljard dollar naar software. Om te begrijpen wat dit bedrag werkelijk betekent: de totale wereldwijde investeringen van bedrijven in AI tussen 2013 en 2024 bedroegen 1,6 biljoen dollar, waarmee de inflatiegecorrigeerde kosten van het Manhattanproject, het Apollo-programma en het gehele Amerikaanse snelwegennet werden overtroffen. Alleen al in 2026 zullen we meer uitgeven dan dat bedrag.

Wat dit moment zo bijzonder maakt, is niet de omvang van het kapitaal, maar de snelheid waarmee het is verplaatst zonder dat het rendement navenant is gestegen.

BCG ondervroeg 1.803 senior managers in 19 markten en ontdekte een paradox die elke budgetbeheerder voor AI aan het denken zou moeten zetten: 75% van de leiders beschouwt AI als een van hun drie strategische prioriteiten. Slechts een kwart meldt echter significante rendementen.

Als de rendementen uitblijven, is de eerste reactie om naar de onderliggende oorzaak te kijken. Verkeerd model. Onoverzichtelijke data. Maar bedrijven die sterke AI-rendementen genereren, gebruiken dezelfde modellen op vergelijkbare data als alle anderen. Deze bedrijven gebruiken geen geavanceerdere modellen dan de rest. Ze voeren beter beheerde programma's uit. Het verschil tussen de 75% en de 25% is een governance-kloof – en die wordt stilletjes groter terwijl de sector discussieert over de infrastructuur.

Uitgaven aan AI: Waar gaat het budget nu echt naartoe?

De cijfers van Gartner laten zien waar het geld naartoe gaat. De IT Spending Pulse van BCG laat iets veel belangrijkers zien: waar het vandaan komt.

Bedrijven investeren niet alleen meer in AI, maar ze bouwen ook actief investeringen af in verouderde infrastructuur, traditioneel systeembeheer en hardware om kapitaal vrij te maken. De grootste stijging in uitgaven voor AI en GenAI, samen met ondersteunende technologieën zoals cloudservices en beveiliging, is te zien. De scherpste dalingen worden waargenomen in gevestigde gebieden: systeem- en servicebeheer, apparaten en serverinfrastructuur.

Voor bedrijven met een omzet van meer dan 500 miljoen dollar vertegenwoordigt AI nu ongeveer 5% van de totale omzet – niet 5% van het IT-budget. Het gaat om de totale omzet. Die ene herverdeling verandert de hele governance-vraag. AI concurreert niet langer om discretionaire technologie-uitgaven. Het heeft andere strategische prioriteiten volledig verdrongen, wat betekent dat de kosten van een slecht beheerd AI-programma niet langer een verspilde IT-initiatief zijn. Het is een verspilde strategische cyclus. In markten die zich zo snel ontwikkelen, wordt die kloof nog groter.

Er is nog een andere dynamiek die het vermelden waard is. Bedrijven verminderen het aantal leveranciers op bijna alle gebieden – behalve voor AI en GenAI, en in mindere mate voor analytics. De redenering hierachter is op korte termijn verdedigbaar: een open leverancierslandschap stelt organisaties in staat te experimenteren voordat ze zich vastleggen. Maar als strategie voor de lange termijn leidt de fragmentatie van AI-leveranciers tot verborgen kosten en complexere governance, die bovendien kostbaar zijn om terug te draaien. De organisaties die in 2027 een duurzaam AI-voordeel willen opbouwen, zijn de organisaties die nu consolidatiebeslissingen nemen, in plaats van deze voor onbepaalde tijd uit te stellen.

Uitgaven aan en adoptie van AI: Waarom 75% van de investeringen ondermaats presteert

Wanneer AI-programma's geen rendement opleveren, ligt de oorzaak bijna nooit bij het model zelf. Het probleem doet zich twee niveaus lager voor: in de manier waarop het programma is gestructureerd, gemeten en beheerd. Drie patronen verklaren grotendeels waarom dit probleem zich voordoet.

1. De valkuil van de portefeuille: breedte vermomd als momentum.

Uit gegevens van BCG blijkt dat een gemiddelde onderneming 6,1 AI-toepassingen tegelijkertijd gebruikt. Bedrijven die het hoogste rendement behalen, gebruiken er 3,5 en realiseren daardoor een 2,1 keer hoger rendement op hun investering.

Twaalf pilotprojecten die tegelijkertijd draaien, klinkt als een robuust AI-programma. In werkelijkheid zijn het twaalf risicovolle projecten, waarvan geen enkele de benodigde middelen heeft gekregen om op grote schaal te kunnen produceren. Niemand heeft een definitieve beslissing genomen. Niemand is volledig verantwoordelijk voor de resultaten. Elk kwartaaloverzicht toont "veelbelovende eerste resultaten" die nooit tot concrete bedrijfsresultaten leiden. De organisaties die succesvol zijn met AI zijn niet de organisaties met de langste lijst met initiatieven. Het zijn de organisaties met de discipline om die lijst terug te brengen tot de drie of vier projecten die er echt toe doen – en die vervolgens de juiste middelen te geven.

2. De meetfout: het verkeerde signaal volgen.

Bijna 60% van de organisaties definieert geen financiële KPI's voor hun AI-investeringen. Een derde houdt helemaal niets bij. Adoptiepercentages en nauwkeurigheidsscores van modellen zijn bouwstatistieken – ze bevestigen dat het systeem bestaat, maar niet wat het waard is. Wanneer uw CFO vraagt wat de AI-uitgaven van dit kwartaal hebben opgeleverd, is "het model is operationeel en het gebruik is toegenomen" geen antwoord. Het is een beschrijving.

Het ontbreken van financiële meetmethoden is niet neutraal. Het maakt elk AI-programma onfeilbaar – het kan nooit echt slagen of falen, het kan alleen blijven bestaan totdat de budgetcyclus een gesprek afdwingt waar niemand op voorbereid is.

3. De verantwoordingskloof: bestuur in de verkeerde ruimte.

Wanneer een AI-strategie volledig binnen de IT-afdeling valt, optimaliseert deze vanzelfsprekend voor wat IT beheert: architectuurbeslissingen, leveranciersselectie en technische prestaties. De bedrijfsfuncties die waarde zouden moeten genereren, komen uiteindelijk onderaan elke beslissingslijst te staan, zonder enige betrokkenheid bij de resultaten en zonder verantwoording af te leggen voor het rendement. Dit is waar de ROI stilletjes verdwijnt – niet in de technologie zelf, maar in de structurele kloof tussen het team dat de technologie ontwikkelt en het team dat er profijt van heeft.

Een bestuursmodel dat werkt

Effectief AI-bestuur in 2026 draait niet om het toevoegen van processen. Het gaat erom de juiste beslissingen in de juiste handen te leggen, met het juiste ritme, en de organisatie de nodige slagkracht te geven om te stoppen met wat niet werkt, voordat het de geloofwaardigheid van het programma ondermijnt.

Principe 1: Beheer AI-uitgaven als een portfolio – met expliciete exitcriteria

Structureer investeringen over drie tijdshorizonten:

• Kern — efficiëntie en optimalisatie van de huidige bedrijfsvoering. Kortere doorlooptijden, lagere ROI-drempels, meetbaar binnen één tot twee kwartalen.


• Groei – het transformeren van de manier waarop cruciale functies worden uitgevoerd. Investeringen op middellange termijn met duidelijke verantwoordelijkheid van de bedrijfsleider.


• Verkennen — nieuwe inkomstenbronnen of productinvesteringen met een langere rendementshorizon en een hogere tolerantie voor onzekerheid.

Elke tijdshorizon kent andere risicodrempels en succescriteria. Nog belangrijker is dat elke horizon gedefinieerde exitcriteria vereist: de specifieke omstandigheden waaronder een piloot omkomt in plaats van voor onbepaalde tijd te worden verlengd.

Er is een wezenlijk verschil tussen een portfolio en een lijst. Een portfolio heeft een allocatielogica, prestatiedrempels en een actieve herbalancering. Een lijst groeit gewoon. Organisaties die niet in staat zijn om slecht presterende initiatieven stop te zetten, kunnen geen portfolio beheren – en ze geven daarmee het signaal aan de organisatie dat verantwoording afleggen in feite niet geldt voor AI.

Principe 2: Koppel elk initiatief aan een winst- en verliesrekening voordat het van start gaat.

Voordat een initiatief financiering krijgt, moet het een van de volgende drie vragen beantwoorden:

• Omzet: Welk resultaat voor de klant of welke groeifactor wordt hiermee mogelijk gemaakt, en in welke mate?


• Kosten: Welke operationele kosten worden hiermee verlaagd en wat is de meetbare doelstelling?


• Marge: Waar leidt dit tot een verbetering van de efficiëntie of het rendement, en hoe vertaalt zich dat naar het uiteindelijke resultaat?

Een van de drie. Van tevoren gekwantificeerd. Beoordeeld volgens een vast ritme.

BCG ontdekte dat leiders op het gebied van AI duidelijke financiële doelstellingen vaststellen vóór de implementatie, niet erna. Het vastleggen van een richtinggevende financiële visie vóór de uitgaven is de discipline die programma's die blijvend investeringen aantrekken het meest consistent onderscheidt van programma's die stilletjes budgetten opslokken totdat iemand uiteindelijk de moeilijke vraag stelt. De toezegging hoeft niet precies te zijn – ze moet er gewoon zijn.

Principe 3: Stel een AI-investeringscommissie samen met daadwerkelijke bevoegdheden.

Dit is geen stuurgroep. Geen maandelijkse statusupdate. De structuur die wél werkt, ziet er als volgt uit:

• Een multidisciplinaire samenstelling — bedrijfsleiders met winst- en verliesverantwoordelijkheid aan tafel, niet alleen IT-medewerkers.


• Driemaandelijkse evaluaties van de financiering — met daadwerkelijke prestatiegegevens, niet met samenvattingen van de projectstatus.


• Echte beslissingsbevoegdheid — de bevoegdheid om financiering opnieuw toe te wijzen, initiatieven minder prioriteit te geven en projecten te beëindigen die geen resultaat opleveren.
• Leveranciersconsolidatie staat op de agenda — AI-fragmentatie is een governanceprobleem, niet alleen een inkoopprobleem. Bedrijven consolideren leveranciers op bijna alle gebieden, behalve op het gebied van AI, waardoor de verborgen kosten en de complexiteit van de governance jaar na jaar toenemen. Die discipline hoort hier thuis.

De organisaties die duurzame AI-programma's ontwikkelen, zijn niet de organisaties met de meest geavanceerde governance-frameworks op papier. Het zijn de organisaties met de wil om te handelen naar wat de data laat zien – ook als dat betekent dat ze iets moeten stopzetten.

Wat uw resultaten u vertellen:

• 5 Sterk — Uw governance-infrastructuur werkt exponentieel in uw voordeel. U behoort tot de 25% die investeringen in AI daadwerkelijk omzet in meetbare rendementen.
• 3–4 Sterk — De intentie is er, maar de verantwoordelijkheid is vaag. Het meest voorkomende patroon dat we zien — en het meest oplosbaar. Het probleem zit niet in de visie, maar in de uitvoeringsinfrastructuur.
• 0–2 Sterk — Uw AI-programma functioneert meer als een budgetpost dan als een bedrijfsstrategie. De kloof tussen organisaties die prioriteit geven aan AI en organisaties die er profijt van hebben? Die zit hier.

Waarom verandert de Agentic Shift de prioriteringsberekening voor AI-uitgaven in 2026?

Een cijfer om in 2026 in de gaten te houden: 58% van de bedrijven zet al AI-agents in. Nog eens 35% is actief bezig met de evaluatie. Slechts 7% staat nog aan de zijlijn – en die groep krimpt snel.

De reden is economisch. Bedrijven rapporteren een verwachte ROI van 13,7% voor AI-agenten, tegenover 12,6% voor niet-agentische GenAI. Het verschil is niet marginaal; het weerspiegelt wat agenten daadwerkelijk anders doen.

Ze voeren taken uit. Afhandeling van uitzonderingen in de toeleveringsketen, automatisering van de financiële afsluiting, verkoopintelligentie, nalevingscontrole — bij processen met een hoog volume presteren agents beter omdat ze de menselijke factor als knelpunt wegnemen, in plaats van deze alleen maar te versterken.

Onze visie: bij het prioriteren van AI-investeringen voor 2026 zou de inzet van agents in procesintensieve functies prioriteit moeten krijgen boven extra GenAI-pilots in hetzelfde domein. De ROI is daar sterker. Het verandermanagement is vaak eenvoudiger: agents werken binnen bestaande workflows in plaats van dat deze moeten worden aangepast. En het cumulatieve effect van het eerder in productie nemen van agents is aanzienlijk.

Waarom goed bestuur faalt zonder de juiste basis – en hoe 1Platform dat oplost.

Elk bestuursmodel loopt uiteindelijk tegen dezelfde muur aan: de onderliggende infrastructuur is er niet op gebouwd om het te ondersteunen.

Je kunt de ROI van AI niet meten zonder gecontroleerde datapijplijnen. Je kunt geen zinvolle portfoliobeoordeling uitvoeren zonder realtime inzicht in wat er actief is, wat het kost en wat het oplevert. En je kunt niet schalen wat is ontwikkeld in een geïsoleerde pilotomgeving. Het gesprek over governance op bestuursniveau is alleen zinvol als de operationele laag eronder ook daadwerkelijk functioneert.

Dit is de kloof die de meeste bedrijven pas zien als het te laat is – en het is precies die kloof die 1Platform wil dichten.

1Platform is het geconvergeerde data- en AI-ecosysteem van Polestar Analytics , speciaal ontworpen om datamanagement, GenAI en agentische AI te verenigen in één beheerde omgeving. In plaats van losse tools voor pipelines, dashboards en AI-modellen aan elkaar te koppelen, brengt 1Platform ze samen in één uitvoeringslaag. Zo zijn de belangrijke beslissingen op bestuursniveau gebaseerd op een infrastructuur die daadwerkelijk functioneert op operationeel niveau.

Het doet drie dingen die de meeste bedrijven momenteel doen via drie losgekoppelde systemen:

• Data Nexus beheert en verenigt uw dataomgeving en creëert zo de AI-klare basis die de meeste pilotomgevingen nooit hebben gehad.
• P.AI integreert conversationele intelligentie direct in bedrijfsprocessen, waardoor inzichten beschikbaar zijn waar beslissingen worden genomen, in plaats van verborgen te blijven in een aparte analysetool.
• Agenthood AI zet AI in voor processen met een hoog volume – zoals de toeleveringsketen, financiën en verkoop – waardoor governance verandert van een rapportageoefening in een operationele realiteit.

Meer dan 80% van de AI-pilots slaagt er niet in om op te schalen – niet omdat de modellen ondermaats presteren, maar omdat ze gebouwd zijn op gefragmenteerde dataomgevingen die losgekoppeld zijn van de bedrijfsprocessen. 1Platform is de infrastructuuroplossing voor dit probleem: beheerde pipelines, uniforme uitvoering en meting op hetzelfde niveau als het werk zelf.

De bedrijven die de kloof in rendement op AI dichten, doen dat niet met betere governance-documenten. Ze doen het met een betere onderliggende infrastructuur.

Het verschil zit hem niet in de technologie, maar in de infrastructuur die eromheen is gebouwd.