Klopt de businesscase onder je AI-investering nog?

Adviesbureau Bain & Company onderzocht grote bedrijven wereldwijd en concludeert dat de kostenbesparingen door AI ver achterblijven op wat directies vooraf hadden ingeschat. Het ongemakkelijke deel zit in de financiering: veel organisaties keuren hun volgende AI-budget goed op basis van besparingen die nog niet zijn gerealiseerd. De rem zit volgens Bain in de proces- en datafundamenten onder de AI-toepassingen. Voor wie regie wil houden op AI is de boodschap helder: baseer je volgende stap op bewezen waarde in plaats van op een belofte uit een pilot. Hieronder lees je wat het onderzoek zegt en wat je er deze week mee kunt.

Besparingen blijven achter, budgetten stijgen door

Bain & Company deelde nieuw onderzoek exclusief met Bloomberg. Voor het onderzoek, afgerond in april, ondervroeg Bain leidinggevenden bij 951 bedrijven met meer dan 100 miljoen dollar omzet, verspreid over negen sectoren. De uitkomst: de kostenbesparingen door AI blijven op grote schaal achter bij wat directies vooraf hadden geprojecteerd. Bain noemt dat verschil iets dat "bestuurders ongemakkelijk zou moeten maken", juist omdat veel organisaties hun volgende AI-uitgave goedkeuren op besparingen die nog niet binnen zijn.

Eén cijfer vat het samen: van de bedrijven die hun AI-besparingen meten, realiseerde de grootste groep (40%) een reductie van 10% of minder. Dat steekt schril af tegen de verwachtingen. Uit een eerder Bain-onderzoek onder ruim honderd CFO's wil 83% de AI-uitgaven de komende twee jaar met meer dan 15% verhogen, en rekent ongeveer een kwart op meer dan 35% aan besparing plus kwaliteitswinst. De afstand tussen prognose en realisatie is groot.

De rem zit in je proces- en datafundamenten

De belangrijkste reden dat AI-programma's onderpresteren, is volgens Bain dat bedrijven niet betrouwbaar bij hun eigen data kunnen. De beperkende factor is daarbij zelden het model. Veel vaker zijn het de processen en de data eronder die nog niet op orde zijn, iets wat we eerder beschreven toen we lieten zien dat AI op schaal om technische discipline vraagt. Een pilot die op een schoon voorbeeld werkt, gedraagt zich anders zodra je hem loslaat op de rommelige werkelijkheid van een hele afdeling.

Dat sluit aan bij wat zichtbaar werd toen het rendement op AI voor veel bedrijven uitbleef. De wow-factor van een geslaagde proef zegt weinig over wat AI oplevert zodra het verankerd is in een gedeeld werkproces.

Financier je volgende AI-stap met bewezen waarde

Het advies van Bain is nuchter: wees streng op AI-rendement, scheid pilots van impact op bedrijfsschaal, en stop geld in toepassingen met aantoonbare waarde. Bain vat het patroon zelf samen als "een circulaire weddenschap met een structureel lek", je financiert de volgende ronde met rendement dat er nog niet is. Voor een directie die regie wil houden, vertaalt zich dat in drie vragen voor de eerstvolgende investeringsronde.

• Baseren we dit budget op een besparing die we al gerealiseerd hebben, of op een prognose uit een pilot die nog loopt?

• Welke van onze AI-toepassingen draait al op schaal, en welke blijft steken op het niveau van een proef?

• Zijn de processen en de data onder de volgende toepassing op orde, of investeren we eerst in die basis?

Een pilot mag best hobbelig beginnen. Sterker nog, de volgende stap in experimenteren is vaak belangrijker dan direct rendement. Het probleem ontstaat pas wanneer de begroting van volgend jaar leunt op besparingen die dit jaar nog nergens op de balans staan.

Wil je weten of de businesscase onder jouw AI-investering op bewezen waarde rust of op een belofte? Plan een kennismaking in, we denken graag mee.