Manish SharmaHoofd operationeel directeur
Aishwarya SaranInformatie-alchemist
Meld u aan om de nieuwste inzichten en updates over technologie, AI & data-analyse, datawetenschap en innovaties van Polestar Analytics te ontvangen.
Vat dit blogbericht samen met:Noot van de redactie: Productiviteitswinst is de "basislijn" van het AI-tijdperk geworden, "wat belangrijk is", maar niet langer een concurrentievoordeel. De werkelijke ROI verschuift naar het midden van de hiërarchie: beslissingsintelligentie. In deze blog leest u waarom er momenteel te weinig wordt geïnvesteerd in het midden van de AI-piramide en hoe de opkomst van agent-architecturen bedrijven eindelijk in staat stelt de kloof tussen gefragmenteerde data en cruciale uitvoering te overbruggen.
De wereldwijde uitgaven aan AI zullen in 2026 oplopen tot 2,52 biljoen dollar – een stijging van 44% op jaarbasis volgens Gartner – waarbij 86% van de bedrijven hun AI-budgetten verhoogt . AI is geëvolueerd van experiment naar een operationele kostenpost.
Maar vraag managers wat hun systemen doen en de antwoorden blijven beperkt: documenten samenvatten, e-mails opstellen, sneller code schrijven, supporttickets afhandelen. Belangrijk werk. Maar voor een technologie die belooft hele industrieën te veranderen, voelt de ambitie wat telestellend aan. Daarom is het correct om AI te beschouwen als een pure productiviteitsverhoger, maar het is onvolledig. Het is alsof je elektriciteit beschrijft als een betere kaars, terwijl je koeling, radio en de lopende band volledig over het hoofd ziet.
En daarom zien we een soortgelijk patroon zich ontvouwen bij AI.
Wanneer we onderzoeken waar bedrijven AI inzetten, en vooral waar ze meetbare waarde creëren, komt er een patroon naar voren. De rendementen clusteren zich over drie tijdshorizonten, met verschillende mate van concurrentievermogen en uiteenlopende gevolgen voor de concurrentie.
Waar de meeste mensen hun leven doorbrengen. Co-piloten, assistenten en automatiseringstools helpen teams om per uur meer te produceren. Het State of AI-rapport van Deloitte uit 2026 laat zien dat tweederde van de bedrijven efficiëntiewinsten rapporteert – meer dan welke andere winst ook. Maar productiviteit kent een structureel plafond: dezelfde tools zijn beschikbaar voor elke concurrent, waardoor het voordeel een standaardproduct wordt. Dit creëert een structureel onevenwicht.
Veel minder druk, veel krachtiger. AI voert bestaande beslissingen niet sneller uit, maar verbetert de beslissingen zelf. Een productiviteitstool helpt een analist een rapport in twee uur te schrijven in plaats van acht. Een AI-platform voor besluitvormingsintelligentie vertelt diezelfde analist dat de conclusie onjuist is omdat een onderliggende aanname drie weken geleden is gewijzigd. Dit geldt voor prijsstelling, kapitaalallocatie, toeleveringsketen en risicobeheer. Dit is waar AI verandert wat er besloten wordt, niet alleen hoe snel het gebeurt.
Mogelijkheden die voorheen niet bestonden — teams van drie personen die iets lanceren waar voorheen dertig mensen voor nodig waren; door AI ontdekte medicijnkandidaten in de laatste fase van klinische proeven. Innovatie kan niet kant-en-klaar worden gekopieerd; het ontstaat uit eigen data, domeinexpertise en nieuwe, relevante vragen. Dit maakt het tot het hoogste niveau, dat het meest transformatief is. Productiviteitsverbetering brengt je daar, maar vereist een fundamenteel nieuwe vaardigheid.
Verbind uw data, beslissingen en uitvoering met agent-native AI die is ontworpen voor een echte impact op uw bedrijf.
Neem contact op met onze AI-experts.De meeste bedrijven investeren van onderaf in deze hiërarchie.
Het overgrote deel van de uitgaven valt in de categorie productiviteitsverbetering. Uit onderzoek van Deloitte blijkt dat slechts 34% van de organisaties AI gebruikt om hun bedrijfsvoering ingrijpend te veranderen. Nog eens een derde herontwerpt belangrijke processen. Het resterende derde deel past AI oppervlakkig toe, met weinig tot geen operationele veranderingen. Iedereen boekt productiviteitswinst. Slechts weinigen bouwen een beslissingsvoordeel op. En nog minder organisaties streven naar echte innovatie.
Het patroon is begrijpelijk. Productiviteitstools zijn het gemakkelijkst te implementeren, het eenvoudigst te meten en het meest direct bevredigend. Maar het strategische risico is reëel: als de AI-strategie uitsluitend op productiviteit is gericht, concentreert de investering zich in de categorie met de minste concurrentiekracht en de snelste weg naar een commodity-status – het kopen van snellere benen in een race waarin de winnaars vliegtuigen bouwen.
Volgens een onderzoek van Andreessen Horowitz onder 100 CIO's zijn de budgetten voor AI binnen bedrijven met 75% gestegen ten opzichte van een jaar eerder. De budgetten voor innovatie daalden van 25% van de totale AI-uitgaven naar slechts 7%. AI is verschoven van experiment naar operationele kosten. De vraag is of deze operationele kosten wel gericht zijn op de juiste waardeketen.
Als beslissingsintelligentie de sector is met de meest asymmetrische rendementen, waarom wordt er dan het minst in geïnvesteerd? Omdat het op een bepaalde manier complexer is dan productiviteits-AI.
Het implementeren van een copilot voor e-mail is een configuratieoefening. Het implementeren van een systeem dat besluitvorming verbetert, is fundamenteel anders. Het vereist het verbinden van gefragmenteerde data uit systemen die nooit ontworpen waren om met elkaar te communiceren. Het vereist domeinexpertise om het relevante van de ruis te onderscheiden. Het vereist vertrouwen, opgebouwd in de loop der tijd, in resultaten die institutionele aannames ter discussie stellen. En het vereist dat er gewerkt wordt in het tempo van de besluitvorming, niet in het tempo van een kwartaalevaluatie.
Dit alles was tot voor kort op bedrijfsniveau onmogelijk. Drie veranderingen hebben de situatie echter veranderd:
De infrastructuur is eindelijk klaar. De meeste organisaties hebben deze alleen nog niet gekoppeld aan de beslissingen die er echt toe doen.
Beslissingsintelligentie is van toepassing op veel domeinen: prijsstelling, kapitaalallocatie, talentmanagement, bedrijfsvoering en risicobeheer. De asymmetrie is het meest zichtbaar op één gebied: externe uitgaven.
De kosten van goederen, materialen en diensten die van externe partijen worden ingekocht, vertegenwoordigen doorgaans 50 tot 70% van de totale omzet in de maakindustrie, meer dan 60% in de detailhandel en zelfs 30 tot 40% in de professionele dienstverlening. Bij de meeste bedrijven is dit de grootste kostenpost op de winst- en verliesrekening. De loonkosten, ondanks alle aandacht die ze krijgen, vertegenwoordigen doorgaans slechts 15 tot 30% van de omzet bij productgerichte bedrijven.
Wanneer bedrijven AI inzetten voor kostenbeheer, is de eerste reactie bijna altijd om zich te richten op arbeidskosten: callcenters automatiseren, het aantal medewerkers in de verwerking verminderen, doorlooptijden verkorten. Dit zijn valide toepassingen, maar ze richten zich op de kleinste variabele. Een dollar bespaard op externe kosten is een dollar aan EBITDA. Geen reorganisatie, geen verandermanagementprogramma's, geen vertaalverlies tussen "gecreëerde capaciteit" en "besparing op kosten".
De patronen herhalen zich in verschillende sectoren. Een wereldwijde fabrikant ontdekte dat de prijzen van zijn grondstoffen hoger lagen dan de marktgemiddelden, niet door slechte onderhandelingen, maar omdat het team geen realtime inzicht had in de verschillende geografische gebieden. Een financiële dienstverlener ontdekte dat softwarelicenties inactief of onderbenut waren, wat leidde tot vermijdbare verspilling omdat geen enkel team de inkoopgegevens, gebruiksgegevens en contractvoorwaarden op het juiste moment kon koppelen. Een industrieel bedrijf slaagde er bovendien niet in om zijn eigen contractvoorwaarden te handhaven, waardoor kortingen, prijsverhogingsclausules en volumekortingen niet werden geclaimd.
Geen van deze problemen heeft te maken met productiviteit. Geen van deze problemen wordt opgelost door mensen sneller te laten werken. Ze worden opgelost door de organisatie inzicht te geven in wat ze momenteel niet kan zien, en actie te laten ondernemen op wat ze momenteel niet kan verwerken.
Deze problemen zijn niet nieuw. Wat wel nieuw is, is dat de technologie om ze aan te pakken eindelijk bestaat.
Verbind uw data, beslissingen en uitvoering met agent-native AI die is ontworpen voor een echte impact op uw bedrijf.
Neem contact op met onze AI-experts.Externe uitgaven zijn illustratief, maar de dynamiek is niet uniek. Hetzelfde patroon herhaalt zich overal waar belangrijke beslissingen worden genomen onder omstandigheden van informatiegebrek en cognitieve overbelasting.
Kapitaalallocatie is gebaseerd op achteraf gerichte modellen die geen rekening kunnen houden met realtime marktsignalen. Prijsbepaling is gebaseerd op spreadsheets met concurrentieanalyses die al verouderd zijn in de week dat ze worden gemaakt. Risicobeoordelingen zijn gebaseerd op momentopnamen die opkomende bedreigingen over het hoofd zien. De inzet van middelen wordt gestuurd door vuistregels die niet zijn getoetst aan de hand van data.
Het patroon is steeds hetzelfde: de beslissing is belangrijk, de informatie die nodig is om een goede beslissing te nemen bestaat ergens, maar geen enkel menselijk team kan die informatie met de vereiste snelheid en op de vereiste schaal synthetiseren. Dus worden beslissingen genomen met wat er voorhanden is – wat vrijwel nooit genoeg is.
Dit is de leemte die beslissingsintelligentie opvult. Niet door menselijk oordeel te vervangen, maar door het te voorzien van informatie die voorheen te duur, te traag of te complex was om te verkrijgen. En het creëert een vorm van concurrentievoordeel die productiviteits-AI niet kan bieden. Productiviteitstools zijn horizontaal – dezelfde copilot werkt op dezelfde manier voor elk bedrijf. Beslissingsintelligentie is inherent bedrijfseigen: gebouwd rond uw data, uw patronen, uw operationele context. Het leert van een specifieke omgeving en neemt in waarde toe in de loop van de tijd. Het kan niet worden gerepliceerd door een concurrent die dezelfde standaardsoftware inzet.
Dit is geen argument tegen productiviteits-AI. Bedrijven hebben het nodig. Maar de portfolio's binnen de meeste bedrijven zijn dramatisch uit balans.
De investeringen zijn geconcentreerd in de categorie met het laagste plafond en de minste concurrentiekracht. De categorie met de grootste kloof tussen de huidige praktijk en wat nu mogelijk is – beslissingsintelligentie – blijft ondergefinancierd. En de categorie waar AI werkelijk nieuwe mogelijkheden biedt, is nauwelijks verkend.
Voor de CFO zijn de implicaties direct. De productiviteitsvoordelen van AI zijn reëel, maar beperkt; ze zullen afvlakken naarmate tools standaard worden en elke concurrent gelijkwaardige mogelijkheden biedt. De voordelen van beslissingsintelligentie zijn asymmetrisch en cumulatief. Ze creëren een concurrentievoordeel en financieren vaak de innovatie-investeringen die de meest transformerende resultaten opleveren.
De bedrijven die de komende tien jaar toonaangevend zullen zijn, zijn niet de bedrijven die AI het meest breed inzetten, maar de bedrijven die het het meest verstandig inzetten.
In de meeste directiekamers draait het gesprek over AI om één vraag: hoe kunnen we onze medewerkers productiever maken?
Het is de juiste vraag, maar te beperkt gesteld.
De meer fundamentele vraag is: Wat kan onze organisatie nu zien, beslissen en doen wat voorheen simpelweg niet mogelijk was?
Er komen drie antwoorden naar voren.
De meeste bedrijven hebben fors geïnvesteerd in het eerste antwoord. Slechts weinigen hebben het tweede serieus onderzocht. Vrijwel geen enkel bedrijf heeft zijn AI-programma's rond het derde antwoord opgebouwd.
Die onbalans is zowel het strategische probleem als de kans. Beslissingsintelligentie is waar het concurrentievoordeel van het komende decennium behaald zal worden – en waar vooruitstrevende bedrijven hun AI-investeringen nu op zouden moeten richten.
Over de auteur
Hoofd operationeel directeur
Informatie-alchemist
Gerelateerde blog
Aishwarya Saran
Astha Chadha