92% van de bedrijven plant om hun AI-budget de komende drie jaar te verhogen1. Tegelijkertijd voorspelt Gartner dat meer dan 40% van alle enterprise AI-agent projecten tegen eind 2027 wordt geannuleerd2. En in de EU heeft slechts 5,2% van de bedrijven AI daadwerkelijk in productie3.
Lees die cijfers nog een keer. Vrijwel iedereen investeert. Bijna de helft stopt ermee. En nauwelijks iemand heeft het werkend. Als jij nu nadenkt over AI voor je organisatie, is de kans groot dat je in die 40% terechtkomt. Tenzij je begrijpt waarom het misgaat.
De agent-hype versus de werkelijkheid
De belofte van AI-agents is verleidelijk: systemen die niet alleen analyseren, maar ook handelen. Die je KPI’s monitoren, afwijkingen signaleren, en zelf actie ondernemen. Maar kijk achter het gordijn.
Volgens Gartner zijn er slechts 130 “echte” agentic AI-vendors, terwijl duizenden bedrijven claimen er een te zijn. De rest doet aan “agent washing”: bestaande producten met een nieuw label2. McKinsey bevestigt het beeld: 62% van de organisaties experimenteert met AI-agents, maar minder dan 10% schaalt ze daadwerkelijk op1.
Driekwart van de executives noemt AI een top-drie strategische prioriteit1. Maar slechts 1% van de leiders noemt hun bedrijf “mature” in AI-deployment4. Die kloof is geen toeval. Het is een symptoom van een fundamenteel probleem.
Het ontbrekende ingrediënt: context
Waarom falen die 40%? Niet door slechte technologie. Niet door gebrek aan budget. Het antwoord is verrassend simpel: AI-agents weten niet genoeg over je organisatie om nuttig te zijn.
48% van organisaties noemt doorzoekbaarheid van hun eigen data als grootste obstakel voor AI-agents5. Tot 70% van de inspanning bij AI-oplossingen gaat naar data ordenen en harmoniseren6. En 68% van CEO’s ziet een geïntegreerde data-architectuur als cruciaal voor AI-succes7.
Het verschil tussen een chatbot en een AI-agent die jouw organisatie kent? Context.
Deloitte noemt dit de noodzaak van een “living AI backbone”: een levende structuur die je organisatiedata continu beschikbaar maakt voor AI-systemen5. Niet een eenmalige data-dump, maar een systeem dat meegroeit met je organisatie.
De echte winst zit niet waar je denkt
Het BCG-onderzoek met Wharton-professor Ethan Mollick onthulde iets verrassends: AI verhoogt de prestaties van ondergemiddelde medewerkers met 43%, terwijl topperformers “slechts” 17% vooruitgaan8.
Dat is geen technisch detail. Dat is een strategische verschuiving.
Bij een Procter & Gamble studie presteerden minder ervaren medewerkers met AI-ondersteuning plotseling op het niveau van teams met senior experts9. AI overbrugde kenniskloven die voorheen jaren ervaring kostten om te dichten.
De implicatie: de waarde van AI zit niet in het vervangen van je beste mensen, maar in het optillen van je hele team naar een hoger basisniveau. Maar dan moet AI je team wél kennen. Het moet weten aan welke doelen ze werken, welke acties lopen, en hoe resultaten zich ontwikkelen.
De Europese context maakt het urgenter
Eurostat-data toont dat slechts 13,5% van de EU-bedrijven AI gebruikt3. Nederland zit bij de koplopers samen met de Scandinavische landen, maar nog steeds gebruikt minder dan 12% van de kleine bedrijven AI, versus meer dan 40% van grote bedrijven3.
De OESO identificeerde de hoofdbarrières: onderhoudskosten (40%) en gebrek aan tijd voor training (39%)10. Niet technologie. Niet geld. Tijd en capaciteit.
Dat verklaart waarom de agent-hype gevaarlijk is voor kleinere organisaties. De belofte is autonomie. De realiteit is dat je eerst de basis moet leggen voordat autonome systemen waarde kunnen leveren. En die basis is niet meer technologie kopen, maar je organisatiekennis structureren zodat AI er iets mee kan.
Wat werkt: drie principes uit de praktijk
1. Begin met workflow-herontwerp, niet met tools
McKinsey’s onderzoek is helder: workflow redesign is een van de sterkste drivers van AI-impact1. Bedrijven die waarde halen “voegen niet simpelweg AI toe aan bestaand werk. Ze herontwerpen workflows, beslismomenten, en taakverdeling.”
Concreet: voordat je een AI-tool koopt, breng eerst in kaart welke taken in een proces door AI gedaan kunnen worden, welke door mensen, en hoe de overdracht werkt. Een strategisch canvas dwingt je om die structuur aan te brengen voordat je technologie eraan hangt.
2. Bouw een AI-backbone voor je organisatie
Hier zit de kern van het verschil tussen de 60% die slaagt en de 40% die faalt. Succesvolle organisaties geven AI gestructureerde context: strategie, doelen, acties en resultaten als doorzoekbare data.
dare2plan is gebouwd als die backbone. Elke ingevulde template, of het nu een jaarplan, OGSM, of balanced scorecard is, is direct bruikbaar voor AI-agents. Geen data-migratie. Geen integratie. De template is het datamodel. Het canvas is de backbone.
Waar 48% van organisaties hun eigen data niet kan vinden voor AI5, structureert dare2plan die data vanaf het moment van creatie. Je strategie, je kwartaaldoelen, je KPI’s, je actielijsten: het is allemaal gestructureerd en doorzoekbaar. Niet als bijproduct, maar als kernfunctie.
3. Meet obsessief, schaal selectief
Van de bedrijven die AI-waarde rapporteren, kenmerkt zich 100% door systematische meting van operationele en financiële resultaten1. Geen aannames. Geen “we merken dat het beter gaat.” Harde data.
Start met één use case. Meet de impact. Schaal alleen wat bewezen werkt.
De Mollick-data wijst de weg: focus je AI-investering op het optillen van je hele team8. Niet als training-checkbox, maar als operationele prioriteit. Geef iedereen toegang tot dezelfde strategische context, zodat AI iedereen op hetzelfde niveau kan ondersteunen.
Van basis leggen naar AI-klaar zijn
De bedrijven die voorsprong nemen, zijn niet degenen die nu de meest geavanceerde AI-agents implementeren. Het zijn degenen die nu de basis leggen: data op orde, processen in kaart, team getraind, meetmethodes klaar.
BCG genereerde in 2024 zo’n 2,7 miljard dollar aan AI-gerelateerde consultancy, 20% van hun totale omzet4. McKinsey verwacht dat 40% van hun business AI-gerelateerd wordt4. Enterprise AI-implementaties zijn complex genoeg om miljarden aan consultancy te rechtvaardigen. Maar jij hebt die luxe niet, en misschien is dat een voordeel.
McKinsey’s data toont dat het kwart van bedrijven dat wél significant waarde uit AI haalt, zich focust op een klein aantal initiatieven1. Ze schalen snel, passen kernprocessen aan, en meten obsessief de resultaten. Geen brede uitrol, maar diepe implementatie. Dat is precies wat een organisatie met 20-100 medewerkers beter kan dan een corporate met 10.000.
De sleutel is dat je begint met structuur, niet met technologie. Vul een strategisch template in en je hebt niet alleen een plan, je hebt een datamodel dat AI-agents kunnen lezen. Dat is het verschil tussen “we willen iets met AI” en “onze organisatie is AI-ready.”
Jouw volgende stap
De hype zegt dat AI alles verandert. De data zegt dat 40% van de projecten faalt. De wijsheid zit ertussenin: AI verandert alles voor organisaties die hun context op orde hebben.
Begin deze week met één concrete actie: breng je belangrijkste strategische doelen, KPI’s en lopende acties samen in één gestructureerd overzicht. Niet als document dat in een la verdwijnt, maar als levende structuur die je team en, straks, je AI-agents kunnen raadplegen.
En stel jezelf deze vraag: als je morgen een AI-agent toegang zou geven tot je organisatie, zou die dan weten wat jullie strategie is, waar jullie staan, en wat de prioriteiten zijn? Als het antwoord nee is, begin daar.
Werk je met klanten aan hun strategische planning? Bekijk hoe dare2plan consultants en coaches ondersteunt bij het structureren van organisatiecontext.
Referenties
-
McKinsey & Company (2025). The state of AI in 2025: Agents, innovation, and transformation. mckinsey.com ↩ ↩2 ↩3 ↩4 ↩5 ↩6
-
Gartner (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com ↩ ↩2
-
Eurostat (2025). Usage of AI technologies increasing in EU enterprises. ec.europa.eu ↩ ↩2 ↩3
-
BCG (2025). From Potential to Profit: Closing the AI Impact Gap. bcg.com ↩ ↩2 ↩3
-
Deloitte (2025). The State of Generative AI in the Enterprise. deloitte.com ↩ ↩2 ↩3
-
McKinsey & Company (2023). Rewired: The McKinsey Guide to Outcompeting in the Age of Digital and AI. mckinsey.com ↩
-
IBM Institute for Business Value (2025). CEO Decision-Making in the Age of AI. ibm.com ↩
-
Mollick, E. et al. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper. hbs.edu ↩ ↩2
-
Mollick, E. (2025). The Cybernetic Teammate. One Useful Thing. oneusefulthing.org ↩
-
OECD (2025). SME AI Adoption: Key Insights from OECD Research. oecd.org ↩