5%.
Dat is volgens The GenAI Divide: State of AI in Business 2025 van het NANDA-initiatief van MIT het aandeel geïntegreerde GenAI-pilots dat in productie meetbare waarde oplevert.
De andere 95% blijft ergens steken tussen proof of concept en operationele realiteit.
- Geen structurele impact.
- Geen meetbare P&L-verbetering.
- Geen schaalbare toepassing in de dagelijkse werking.
Niet omdat de modellen onvoldoende krachtig zijn.
Wel omdat de fundering eronder ontbreekt.
MIT beschrijft een duidelijke trechter:
- 60% van de organisaties evalueerde een enterprise GenAI-systeem
- 20% bereikte de pilotfase
- 5% bereikte de productie met meetbare waarde
Tussen die 60% en die 5% verdwijnt veel budget, veel energie en vaak ook veel vertrouwen.
De vraag is dus niet langer: “Moeten we iets met AI doen?”
De echte vraag is: “Aan welke kant van de kloof willen we eindigen?”
Dit is geen technologieprobleem. Het zit in het geheugen van de organisatie.
MIT wijst niet naar modelkwaliteit, regelgeving of een tekort aan talent als belangrijkste oorzaak. Het rapport spreekt over een learning gap: tools die niet leren, slecht integreren en onvoldoende aansluiten op de echte workflow
Dat is exact wat wij in de praktijk vaak zien.
Veel AI-pilots zijn vandaag nog steeds losse chatbots naast de organisatie. Ze staan buiten het dossier.
Buiten de rechtenstructuur. Buiten de metadata. Buiten het auditspoor.
- Ze hebben geen betrouwbaar geheugen van de organisatie.
- Ze weten niet welke versie van een document de juiste is.
- Ze weten niet wie welke informatie mag zien.
- Ze begrijpen de context van een dossier niet.
En bij elke nieuwe sessie moet de gebruiker opnieuw uitleggen wat eigenlijk al in de organisatie aanwezig is.
Dat kan indrukwekkend lijken in een demo.
Maar het is onvoldoende voor processen waar juistheid, compliance en traceerbaarheid tellen. Een AI-agent kan pas waarde leveren als hij werkt op de informatie die uw organisatie werkelijk stuurt: documenten, dossiers, metadata, rechten, workflows en beslissingen.
Zonder die laag bouwt u geen bedrijfsproces.
U bouwt een experiment.
De schaduw-AI draait ondertussen al.
Het rapport legt nog een tweede realiteit bloot: de kloof tussen officiële AI-strategie en dagelijks gebruik op de werkvloer.
Slechts een minderheid van de organisaties heeft een formele LLM-omgeving uitgerold. Tegelijk gebruikt een zeer groot deel van de medewerkers vandaag al persoonlijke AI-tools voor werkgerelateerde taken. Dat betekent dat AI in veel organisaties niet wacht op het directiecomité.
Ze is er al.
- Alleen vaak buiten governance.
- Buiten audit.
- Buiten documentcontrole.
- Buiten toegangsbeheer.
- Documenten worden gekopieerd.
- Zakelijke context wordt gedeeld.
Vertrouwelijke informatie wordt samengevat in tools die niet onder het informatiebeleid vallen. Op papier is de enterprise pilot misschien nog niet geslaagd.
In de praktijk draait er al een ongecontroleerde AI-laag naast uw organisatie.
Dat is het echte risico.
Niet dat AI te weinig gebruikt wordt.
Maar dat AI gebruikt wordt zonder informatiearchitectuur.
Wat de 5% anders doet
De organisaties die wél resultaat halen, kiezen zelden voor generieke AI naast het werk. Zij bouwen AI in het werk. Niet als losse copiloot.
Niet als geïsoleerd experiment.
Maar als domeinspecifieke oplossing, geïntegreerd in de workflow, gevoed door betrouwbare informatie en begrensd door duidelijke governance.
Daar zit het verschil. AI moet weten:
- welke documenten relevant zijn
- welke versie geldig is
- welke metadata de context bepaalt
- welke gebruiker toegang heeft tot welke informatie
- welke actie werd uitgevoerd
- welke beslissing door een mens werd gevalideerd
Pas dan wordt AI bruikbaar in een professionele omgeving.
Niet als black box, maar als gecontroleerde agent.
Niet naast het dossier, maar in het dossier.
Niet buiten governance, maar binnen het systeem van waarheid.
Van AI-pilot naar betrouwbaar proces
Dat is ook de positie die SoftAdvice verdedigt.
AI creëert pas echte waarde wanneer de informatiebasis klopt. Wanneer documenten niet verspreid zitten over mailboxen, SharePoint-sites, persoonlijke mappen en losse applicaties. Wanneer rechten, metadata, versiebeheer en workflows geen bijzaak zijn, maar het fundament.
Met M-Files en Aino Custom Agents wordt dat concreet. Een AI-agent werkt dan niet op willekeurige informatie, maar binnen het systeem van record. Hij respecteert de bestaande rechtenstructuur. Hij gebruikt de beschikbare metadata. Hij werkt op gecontroleerde documenten. En hij laat ruimte voor menselijke validatie waar dat nodig is.
Dat is het verschil tussen een AI-demo en een productieproces. Een demo toont wat mogelijk is. Een productieproces toont wat betrouwbaar werkt.
De vraag voor uw directie
Gebruikt uw organisatie AI vandaag als een losstaand experiment om innovatie te tonen?
Of is AI ingebed in uw informatiearchitectuur, met duidelijke governance, gecontroleerde toegang en een meetbaar resultaat?
De meeste pilots stranden niet omdat het model tekortschiet.
Ze stranden omdat de organisatie eronder niet klaar is.
De 95% kiest AI bovenop chaos.
De 5% bouwt eerst het fundament.
En net daar begint het verschil.