Wat middelgrote bedrijven in 2025 leerden over AI-transformatie
AI-adoptie: Sterke HR-IT-samenwerkingen leidden tot 15 keer hogere AI-productiviteit, terwijl 53% van de organisaties niet aan de verwachtingen voldeed.
Workflowintegratie: Het integreren van AI in bestaande tools resulteerde in hogere adoptiepercentages dan het gebruik van zelfstandige AI-tools.
Vaardigheidskloven: Werknemers trainen om AI effectief te gebruiken bleek cruciaal en benadrukte de noodzaak van vaardigheidsontwikkeling.
Complexiteitsheffing: Het vereenvoudigen van technologiestacks en het verminderen van de afhankelijkheid van consultants verbeterde de implementatie en resultaten van AI.
Managementstrategie: AI veranderde de rollen van managers, waardoor expliciete transitieplannen en training nodig waren voor een effectieve aanpassing.
De kloof tussen de implementatie van AI en de adoptie van AI werd de bepalende uitdaging van 2025. Uit onderzoek van BCG bleek dat organisaties met sterke HR-IT-samenwerkingen 15 keer hogere productiviteit uit AI-investeringen behaalden dan organisaties zonder zulke samenwerkingen.
De technologie werkte. De organisaties hadden moeite. En tegen het einde van het jaar schetsten de gegevens een duidelijk beeld: 53% van de organisaties slaagde er niet in het verwachte rendement uit AI-investeringen te behalen.
De kloof in de integratie van werkprocessen
De grootste scheidslijn tussen succesvolle en mislukte transformaties was niet de technologische verfijning of de omvang van het budget. Het ging erom of AI onderdeel was van bestaande werkprocessen of daarbuiten stond.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
"De winnaars kozen een of twee echte problemen in bestaande werkprocessen, niet 'het palet aan mogelijkheden'," zei Bhrugu Pange, algemeen directeur AI en digitale technologische oplossingen bij AArete. "Ze kozen knelpunten waar mensen al over klaagden, zoals de tijd die nodig is om een gesprek af te ronden, het genereren van offertes, het beantwoorden van vragen van klanten en uitzonderingen bij facturen. De meesten hadden last van het 'draaistoel'-syndroom."
Bedrijven die AI integreerden in de hulpmiddelen die werknemers al gebruikten—Salesforce, contactcenterplatforms en documentensystemen—zagen adoptiepercentages van 60-80%. Bedrijven die zelfstandige AI-hulpmiddelen lanceerden, zagen de adoptie stabiliseren op 30-40%.
Het patroon deed zich voor binnen alle functies. Marketingteams waren er voor 98% van overtuigd dat AI de resultaten zou verbeteren, maar slechts 27% rapporteerde brede adoptie. De kloof werd niet veroorzaakt door scepsis, maar door wrijving.
"Succesvolle bedrijven vroegen werknemers niet om een apart venster te openen om toegang te krijgen tot de AI," legde Pange uit. "Ze plaatsten AI in de hulpmiddelen die mensen al gebruiken en breidden bestaande platforms zoals Salesforce uit."
De onsuccesvolle bedrijven bouwden wat Pange "chatbots zonder context" noemt en vroegen zich af waarom niemand ze gebruikte. Eind 2025 was de les uitgegroeid tot een vast principe: als AI niet aanwezig is waar het werk plaatsvindt, zal de toepassing ervan geen stand houden.
De onverwachte vaardigheidskloof
Begin 2025 heerste er een brede veronderstelling: AI-adoptie zou hetzelfde patroon volgen als eerdere implementaties van bedrijfssoftware. Koop de juiste hulpmiddelen, train mensen in de interface en meet adoptiepercentages. Halverwege het jaar was die veronderstelling volledig ingestort.
De vaardigheidskloof was overal zichtbaar. Klantenserviceteams beschikten over AI die antwoorden kon opstellen, maar niet kon beoordelen welke antwoorden moesten worden verstuurd. Verkoopteams beschikten over AI die gespreksverslagen kon samenvatten, maar niet kon bepalen welke inzichten belangrijk waren. Financiële teams beschikten over AI die prognoses kon genereren, maar niet kon beoordelen welke aannames betrouwbaar waren.
"Werknemers zonder training zeiden zes keer vaker dat AI hen minder productief maakte," zei Emily Mabie, senior ingenieur voor AI-automatisering bij Zapier. "Teams die echt AI-transformatie willen realiseren, moeten investeren in training."
Werknemers moesten leren wat ze aan AI konden delegeren, wat ze zelf moesten blijven doen, hoe ze de resultaten van AI konden verifiëren en wanneer ze AI-aanbevelingen moesten negeren. Die vaardigheden werden niet aangeleerd in een training van twee uur.
Bedrijven die succesvol waren, behandelden AI-adoptie als vaardigheidsontwikkeling, niet als software-implementatie. Ze creëerden leerwerkmodellen waarin ervaren werknemers maandenlang samenwerkten met AI en door herhaling beoordelingsvermogen opbouwden. Ze maten de ontwikkeling van vaardigheden, niet alleen het gebruik van hulpmiddelen.
De complexiteitsbelasting
Terwijl sommige bedrijven worstelden met adoptie, ontdekten andere dat ze een volledig verkeerde basis hadden gelegd. Uit het rapport over de kosten van complexiteit van Freshworks bleek dat 20% van de software-uitgaven van organisaties werd verspild aan mislukte implementaties, onderbenutte hulpmiddelen en verborgen kosten.
"Veel organisaties lopen tegen complexiteitsbarrières aan die de productiviteit belemmeren, waaronder verouderde systemen, onsamenhangende systemen en versnipperde gegevens," zei Ashwin Ballal, CIO bij Freshworks. "Deze uitdagingen leiden tot vermoeidheid onder werknemers, inefficiënties en omzetverlies door vertragingen en gemiste kansen."
Hierdoor verloren werknemers gemiddeld 6,7 uur per week aan het navigeren door complexe hulpmiddelen in plaats van productief werk te doen, wat aanzienlijke belemmeringen voor AI-adoptie creëerde.
Vervolgens ontstond een vicieuze cirkel. Bedrijven schakelden externe leveranciers en consultants in om AI te integreren in hun rommelige technologiestacks, maar deze toevoegingen zorgden vaak voor meer wrijving dan ze wegnamen.
Freshworks ontdekte dat 12% van de financiële verliezen door software-inefficiëntie werd veroorzaakt door onnodige consultants en opdrachtnemers.
"Bedrijven schakelen vaak externe leveranciers en consultants in om verouderde systemen te repareren, maar deze toevoegingen kunnen wrijving veroorzaken in plaats van wegnemen," zei Ballal. "Organisaties betalen vaak twee keer: eerst voor complexe technologie en vervolgens voor consultants om die technologie werkend te krijgen."
De middelgrote bedrijven die in 2025 succesvol waren, kozen voor een andere aanpak. In plaats van AI boven op bestaande complexiteit te plaatsen, gebruikten ze AI-adoptie als een kans om te vereenvoudigen. Ze brachten overbodige hulpmiddelen samen. Ze kozen voor AI-functies die waren ingebouwd in platforms die ze al gebruikten, in plaats van zelfstandige producten aan te schaffen.
De les: je kunt niet transformeren wat je niet kunt beheren. Bedrijven met eenvoudigere, beter geïntegreerde technologiesystemen implementeerden AI sneller en behaalden betere resultaten.
De valkuil van proefprojecten
De kloof tussen succes van proefprojecten en implementatie in productie werd een van de meest frustrerende patronen van 2025.
"De daadwerkelijke resultaten van AI-investeringen in 2025 waren veel ongelijkmatiger dan de prominente adoptiepercentages deden vermoeden," zei Mabie. "Generatieve AI en proefprojecten waren aan het begin van het jaar overal aanwezig, maar van de leiders die we bij Zapier ondervroegen, zei slechts 26% dat het merendeel van hun AI-proefprojecten productie bereikte."
Het patroon herhaalde zich in alle sectoren. HR-afdelingen testten door AI aangestuurde cv-screening met uitstekende resultaten, maar kregen personeelsmanagers niet zover om het te gebruiken. Operationele teams testten AI voor voorspellend onderhoud die precies werkte zoals beloofd, maar konden die niet uitbreiden tot buiten de eerste fabriek.
Succesvolle proefprojecten opereerden onder bijzondere omstandigheden: extra ondersteuning, aandacht van het leiderschap, gemotiveerde vrijwilligers en beschermde tijd om te leren. Toen bedrijven probeerden op te schalen, verdwenen die omstandigheden.
"Succesvolle initiatieven identificeerden iemand binnen het bedrijf die verantwoordelijk was voor het resultaat," zei Pange. "IT werd niet de aanjager of eigenaar, maar de beheerder van de AI-implementatie. Het bedrijf was eigenaar van het resultaat."
Bedrijven die succesvol opschaalden, deden drie dingen anders.
- Ze legden niet alleen vast wat het proefprojectteam deed, maar ook waarom het werkte, waarbij ze de organisatorische omstandigheden die succes mogelijk maakten in kaart brachten.
- Ze voerden proefprojecten uit met representatieve teams, waaronder sceptische en onderbedeelde groepen, in plaats van alleen met vrijwilligers.
- Ze maten de organisatorische gereedheid, niet alleen de technische gereedheid.
De les: een succesvol proefproject bewijst dat de technologie werkt. Het bewijst niet dat je organisatie de technologie kan opnemen.
Het probleem van schaduw-AI
Tegen de zomer kregen leidinggevenden van middelgrote bedrijven te maken met werknemers die AI-tools gebruikten die het bedrijf niet had goedgekeurd, niet had beveiligd en vaak niet eens kende. Werknemers uploadden klantgegevens naar ChatGPT, gebruikten AI-tools voor consumenten voor gevoelige bedrijfsanalyses en creëerden geautomatiseerde workflows zonder beveiligingscontrole.
Het probleem van schaduw-AI onthulde een dieperliggend probleem: bedrijven bewogen zich te langzaam om aan legitieme behoeften van werknemers te voldoen. Werknemers waren niet roekeloos; ze waren productief met de tools die voor hen beschikbaar waren.
Slimme bedrijven reageerden door de inzet van goedgekeurde AI te versnellen, niet alleen door de controles aan te scherpen. Ze richtten snelle evaluatieprocessen in voor door werknemers aangevraagde AI-tools en creëerden goedgekeurde alternatieven voor veelvoorkomende toepassingen van schaduw-AI. Ze maten de tijd tot goedkeuring voor AI-tools en beschouwden vertragingen als organisatorische tekortkomingen.
Schaduw-AI was een signaal van een onvervulde behoefte, geen complianceprobleem dat via beleid moest worden opgelost. Tegen het einde van het jaar waren de organisaties die er het beste mee omgingen, overgestapt van reactief verbieden naar proactief mogelijk maken.
De crisis rond aanpassing van het management
Wanneer AI routinematig coördinatiewerk afhandelt, zoals planning, statusupdates en eenvoudige probleemtriage, verdwijnen de traditionele managementactiviteiten die 40-60% van de dag van een manager vulden plotseling. Wat overblijft, is het werk waar de meeste managers nooit tijd voor hadden, zoals coaching, strategisch denken, complexe probleemoplossing en teamontwikkeling—vaardigheden die problemen in de leiderschapsopvolging blootleggen.
De beste managers pasten zich snel aan. Managers die moeite hadden met de verandering voelden zich verdrongen, trokken hun waarde in twijfel en verzetten zich vaak tegen AI-adoptie omdat dit hun identiteit bedreigde.
Dit komt neer op een uitdaging op het gebied van managementontwikkeling. Er zijn expliciete transitieplannen nodig voor managers van wie de rol verandert, en die plannen moeten coaching bieden over hoe ze anders kunnen werken, omdat maar weinig leiders hier een duidelijke visie op hebben en bijna niemand dit beheerst. Organisaties moeten beoordelen of hun AI-strategie deze managementtransities behandelt en verwachtingen herdefiniëren om managers te belonen die succesvol overstappen naar werk met een hogere waarde.
Sommige managers zullen de overstap niet maken. Leiders kunnen hier op verschillende manieren mee omgaan, onder meer door zich voor te bereiden op een inkrimping van het middenmanagement naarmate organisaties platter worden.
- Creëer loopbaanpaden voor individuele medewerkers voor managers die uitblinken in werk dat AI niet kan doen, maar moeite hebben met het nieuwe managementmodel.
- Bied intensieve coaching, maar wees erop voorbereid de moeilijke beslissing te nemen dat bepaalde managers simpelweg niet geschikt zijn voor de rol in het AI-tijdperk.
Wat niet werkt, is doen alsof de rol niet is veranderd. Organisaties die AI implementeerden maar dezelfde managementverwachtingen handhaafden, eindigden met managers die tijdrovend routinewerk deden om hun tijd te vullen.
De doorbraak van de vertrouwensarchitectuur
Het onverwachte succesverhaal van 2025 waren bedrijven die systematisch vertrouwen in AI opbouwden, in plaats van te hopen dat werknemers het gewoon zouden accepteren.
ADP implementeerde hun "5P-raamwerk" voor AI-initiatieven:
- Doel (waarom we hier AI gebruiken)
- Mensen (wie bij beslissingen betrokken is)
- Proces (hoe het werkt)
- Prestaties (hoe we succes meten)
- Bescherming (welke waarborgen er zijn).
Organisaties die gestructureerde vertrouwenskaders gebruikten, zagen AI-adoptiepercentages van 60-80%, vergeleken met 30-40% bij organisaties die vertrouwensopbouw aan informele benaderingen overlieten.
"Menselijke betrokkenheid in de lus werd door 71% van de leiders uitgeroepen tot de belangrijkste prioriteit op het gebied van governance," zei Mabie.
Vertrouwen ontstaat niet vanzelf door goede technologie. Het vereist een doelbewust ontwerp. Bedrijven moeten vóór de implementatie specifieke vragen beantwoorden, zoals:
- Waarom gebruiken we AI voor deze taak?
- Wie houdt toezicht?
- Hoe neemt het systeem beslissingen?
- Wat gebeurt er als het systeem fouten maakt?
- Welke beschermingsmaatregelen zijn er?
Organisaties die deze vragen expliciet beantwoordden—in documentatie, in trainingen en in voortdurende communicatie—bouwden sneller vertrouwen op en hielden dit langer in stand.
De verborgen kostenwaterval
Kosten gaan veel verder dan verspilde softwarebudgetten.
Eén ernstig incident kan de adoptie maandenlang vertragen. Vertrouwensverlies werd een verborgen belasting op toekomstige initiatieven.
"AI kan het eerste concept versnellen, maar als je het beoordelingsproces niet opnieuw ontwerpt, creëer je een nieuw probleem," zei Pange. "Teams besteden nu tijd aan verificatie en correcties. Wij noemen dit de 'verificatiebelasting.'" Deze mentale belasting draagt bij aan problemen met het beoordelingsvermogen van werknemers, terwijl werknemers worstelen om AI-ondersteuning te combineren met kritisch denken.
Cynisme onder werknemers kwam naar voren als een andere verborgen kostenpost. Wanneer leiders AI te rooskleurig voorstelden en te weinig investeerden in training en herontwerp van werkprocessen, verzetten werknemers zich tegen adoptie. Erger nog, ze gebruikten niet-goedgekeurde AI-hulpmiddelen, waardoor het probleem van schaduw-AI ontstond dat middelen voor beveiliging en naleving opslokte.
De Realtime bevolkingsenquête van de Fed van St. Louis stelde vast dat ongeveer de helft van de Amerikaanse volwassenen in augustus 2025 aangaf generatieve AI te gebruiken en dat meer dan een derde dit op het werk gebruikte. De enquête schatte de tijdsbesparing op het equivalent van ongeveer 1,6% van alle gewerkte uren, met een mogelijke productiviteitsstijging tot 1,3% sinds de lancering van ChatGPT.
Maar die voordelen werden ongelijk verdeeld.
"Terwijl het ene bedrijf vastzit in het vagevuur van proefprojecten, verbetert een ander stilletjes de serviceniveaus, de verkoopdoorvoer of de operationele doorlooptijd," zei Pange. "En dat voordeel van stapsgewijze verbeteringen en opgedane kennis begint zich op te stapelen."
De verschuiving naar volwassen meten
Een van de duidelijkste ontwikkelingen van 2025 was de manier waarop bedrijven AI-succes maten.
"Aan het begin van het jaar werd succes gekoppeld aan het lanceren van proefprojecten en het aantonen van haalbaarheid," zei Mabie. "Geleidelijk gingen leiders AI-vaardigheid en ROI meten aan de hand van bedrijfsresultaten."
Het feit dat de meeste leiders ROI meten, weerspiegelt een bredere volwassenwording. "Hoe indrukwekkend is het?" werd "Wat is de KPI en waar ligt de nulmeting?"
De overgang van het meten van adoptiepercentages naar het meten van bedrijfsimpact houdt niet alleen in of werknemers AI-hulpmiddelen gebruiken, maar ook of die hulpmiddelen de kwaliteit van beslissingen verbeteren, doorlooptijden verkorten of capaciteit vrijmaken voor werk met een hogere waarde.
De meest geavanceerde organisaties maten zowel efficiëntiewinst als capaciteitsontwikkeling. Ze wilden weten of AI werknemers sneller en beter maakte, in het besef dat AI-volwassenheid een uitgebreide evaluatie vereist.
De wake-upcall voor de toewijzing van middelen
Misschien wel de belangrijkste les uit 2025: de 70-20-10-regel voor AI-investeringen bleek juist te zijn en de meeste bedrijven wezen hun middelen in omgekeerde volgorde toe.
De regel, die in meerdere onderzoeken werd bevestigd: 70% van de investering in AI-transformatie moet gaan naar veranderingen in mensen en processen, 20% naar infrastructuur en integratie en 10% naar algoritmen en modellen.
De meeste middelgrote bedrijven besteedden 60-70% aan technologie en moesten vervolgens haastig middelen vrijmaken voor organisatorische verandertrajecten.
Dit betekent het financieren van rollen voor veranderingsmanagement, tijd beschermen voor leren en aanpassen, investeren in AI-ondersteunde coachingprogramma's, communicatiestrategieën en organisatorische ondersteuningsstructuren.
De bedrijven die technologiegerichte investeringen handhaafden, zagen hun AI-initiatieven stagneren, ongeacht hoe geavanceerd de technologie was. Goede algoritmen met onvoorbereide organisaties presteerden keer op keer slechter dan middelmatige algoritmen met goed voorbereide organisaties.
Wat 2026 vereist
De lessen uit 2025 wijzen op verschillende duidelijke prioriteiten voor middelgrote bedrijven die 2026 ingaan.
- Integreer AI in bestaande werkstromen. De kloof op het gebied van workflowintegratie zal alleen maar groter worden. Stop met het lanceren van zelfstandige AI-tools en begin met het verbeteren van de platforms die medewerkers al gebruiken.
- Investeer vóór technologie in training. De bevinding van Zapier dat ongetrainde werknemers 6x vaker zeggen dat AI hen minder productief maakt, zou iedere leidinggevende die AI-investeringen plant, moeten verontrusten. De vaardigheidskloof wordt niet gedicht met softwarelicenties.
- Vereenvoudig voordat je complexiteit toevoegt. Bedrijven met gefragmenteerde technologiestacks zullen moeite hebben om AI effectief in te zetten. "Organisaties die samenwerken met softwareleiders die de technologiestack actief vereenvoudigen, AI in hun systemen integreren en wildgroei aan technologie vervangen door geïntegreerde systemen, zullen een concurrentievoordeel behalen", zei Ballal.
- Bouw governance die mogelijk maakt in plaats van blokkeert. Governance met menselijke betrokkenheid stond bij 71% van de leiders bovenaan de prioriteitenlijst. Maar governance die implementatie tot een slakkengang vertraagt, creëert schaduw-AI. Het doel is slanke governance die het veilig maakt om snel te handelen.
- Schaal de orkestratiecapaciteiten op. "Meer middelgrote teams zullen AI-orkestratie invoeren", zei Mabie. "Omdat middelgrote teams niet de middelen hebben om platforms en teams volledig opnieuw op te bouwen, zullen ze hun bestaande tools met behulp van AI-orkestratie gebruiken en met elkaar verbinden."
De gegevens van Zapier laten zien dat 25% van de leiders verwacht in 2026 grootschalige AI-orkestratie te bereiken, terwijl 43% verwacht agentische werkstromen over afdelingen heen te gebruiken. Met dat in gedachten is het een goed idee om:
- Managementrollen expliciet opnieuw vorm te geven. AI verandert wat managers doen. Erken die verandering, ondersteun de overgang en accepteer dat sommige managers de verandering niet zullen kunnen maken.
- Loopbaanmodellen opnieuw op te bouwen voor het AI-tijdperk. Traditionele promotiepaden vallen uiteen. Bedrijven hebben nieuwe modellen nodig voor de manier waarop mensen vooruitgang boeken wanneer AI werk uitvoert dat vroeger bijdroeg aan hun ontwikkeling.
- Vertrouwen systematisch op te bouwen. Vertrouwenskaders werken. Informele vertrouwensopbouw werkt niet. Beantwoord voor elke AI-implementatie expliciet de vijf P's: Doel, Mensen, Proces, Prestaties, Bescherming.
- Budgetten opnieuw toe te wijzen in overeenstemming met de 70-20-10-regel. De meeste AI-waarde komt voort uit organisatorische verandering. De meeste AI-budgetten gaan naar technologie. Corrigeer die mismatch of accepteer lagere rendementen.
- Bedrijfsresultaten te meten, niet technologiemetrics. Houd de kwaliteit van beslissingen, verkorting van doorlooptijden en ontwikkeling van capaciteiten bij—niet alleen het gebruik van systemen.
"Enkele trends die waarschijnlijk zullen verdwijnen, zijn eenmalige experimenten, automatiseringsmodellen die uitsluitend op ontwikkelaars zijn gericht en de denkwijze van 'AI als functie'", zei Mabie.
De kloof tussen voorlopers en achterblijvers gaat er niet om wie AI heeft. Het gaat erom wie heeft geleerd van de implementatie ervan. Die leerkloof zal groter worden naarmate AI-beslissingen in 2026 bepalen welke bedrijven een inhaalslag maken en welke verder achterop raken.
