Prestatiegegevens tonen aan dat de meeste leiderschapsteams niet zijn voorbereid op de verschuiving naar AI
AI-leiderschap: AI-gebruikers zien gedurende drie jaar een omzetgroei van 1,5 keer; 74% heeft nog geen tastbare waarde laten zien.
Gebruikscijfers: De helft van de bedrijven die AI gebruiken, heeft geen inzicht in de impact op het personeelsbestand, waardoor de bedrijfswaarde van AI ter discussie staat.
Bottleneck in werkprocessen: Voordelen ontstaan door werkprocessen opnieuw vorm te geven, niet alleen door AI-hulpmiddelen te implementeren, om economische impact te realiseren.
Concurrentiemarkt: AI-gerichte bedrijven presteren beter door managementlagen te verminderen en de output te verbeteren; middelgrote bedrijven moeten zich aanpassen.
Tempo van verbetering: Het organisatorische vermogen om te leren en zich aan te passen is belangrijker dan het startpunt bij de invoering van AI.
In de meeste bestuurskamers bevindt AI zich ergens tussen het IT-budget en de kwartaalupdate van het innovatieteam. Het krijgt een paar dia's. Misschien een demonstratie. De leiding knikt, vraagt naar adoptiepercentages en gaat vervolgens verder met margedruk en personeelsplanning.
De mensen die deze vergaderingen leiden, zijn niet dom. Ze volgen een aanpak die decennialang heeft gewerkt. De omzetdoelstelling stijgt met 10%, het personeelsbestand met 8% en het budget schaalt evenredig mee. Groei staat gelijk aan meer mensen, meer uitgaven en meer capaciteit.
Hoewel het waar is dat AI een zondebok voor ontslagen is geworden, is het ook waar dat de technologie deze traditionele vergelijking doorbreekt en dat de meeste leiderschapsteams dit nog niet hebben bijgebeend.
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 leiderschapskloof op het gebied van AI is nu meetbaar
Boston Consulting Group ondervroeg meer dan 1.000 bestuurders uit 59 landen en ontdekte dat bedrijven die vooroplopen met AI-adoptie in drie jaar tijd een 1,5 keer hogere omzetgroei, 1,6 keer hoger aandeelhoudersrendement en 1,4 keer hoger rendement op geïnvesteerd vermogen hebben behaald dan bedrijven die nog aan het experimenteren zijn.
Ondertussen heeft 74% van de organisaties nog geen tastbare waarde uit hun AI-investeringen weten te halen.
De C-Suite Outlook-enquête van The Conference Board uit 2026 bracht iets nog onthullenders aan het licht: 98% van de bestuursleden noemde het meten van AI ROI een prioriteit, tegenover slechts 33% van de CEO's. Besturen zien AI steeds meer als een kwestie van kapitaalallocatie. Veel CEO's beschouwen het nog steeds als strategische verkenning.
Die kloof verklaart veel. Wanneer AI onder IT valt, blijft het een gesprek over hulpmiddelen. Wanneer het naast omzetgroei en marge bescherming op de bestuursagenda verschijnt, wordt het iets heel anders: een gesprek over het operationele model.
Het verschil tussen deze twee benaderingen is waar de prestatiekloof begint.
Gebruiksstatistieken zijn een doodlopende weg
Er is een voorspelbare volwassenheidscurve die bedrijven doorlopen. In de eerste fase worden verspreide licenties, actieve gebruikers, het aantal prompts en voltooiingspercentages van trainingen bijgehouden. Deze statistieken voelen concreet aan. Ze zijn politiek veilig. Ze passen netjes in een diapresentatie.
Dan vraagt iemand wat dit alles voor het bedrijf betekent.
Die vraag leidt meestal tot verwarring. Niet omdat het antwoord niet bestaat, maar omdat de organisatie nog geen verbindende structuur heeft opgebouwd tussen AI-activiteit en financiële resultaten.
Hoe gaat u AI gebruiken om waarde te creëren? Niet: wat is de ROI van AI? Dat zijn twee heel verschillende vragen. En een leider moet begrijpen wat het verschil tussen die twee is.
De meesten doen dat nog niet. De ROI-vraag nodigt uit tot spreadsheetlogica. De vraag naar waardecreatie dwingt u om opnieuw na te denken over hoe het bedrijf daadwerkelijk werkt. Heidi Farris, CEO van workforce-analyticsbedrijf ActivTrak, ziet het meetprobleem bij honderden bedrijven.
Ze meten activiteit in plaats van gedragsverandering. Bedrijven houden logins, zoekopdrachten en gebruikerslicenties bij en noemen dat een AI-meetprogramma. Dat is geen meting, dat is hoop.
Uit onderzoek van ActivTrak bleek dat 50% van de bedrijven die AI gebruiken de impact op hun personeelsbestand helemaal niet meten. Dat betekent dat de helft van de markt geen zicht heeft op de vraag of hun uitgaven resultaten opleveren.
De leiderschapsteams die dit punt voorbijgaan, proberen niet langer de adoptie binnen het hele bedrijf te meten. Ze koppelen AI aan een klein aantal workflows met een grote hefboomwerking en beginnen bij te houden wat er op economisch niveau verandert.
In marketing betekent dat de productietijd van campagnes of de output per marketeer. In support betekent het de kosten per ticket en escalatiepercentages. In dienstverlening betekent het de doorlooptijd van de levering en de omzet per medewerker.
PwC's wereldwijde barometer voor AI-banen van 2025 analyseerde bijna een miljard vacatures en duizenden financiële bedrijfsrapporten en stelde vast dat sectoren die het meest aan AI zijn blootgesteld tussen 2018 en 2024 een groei van 27% in omzet per werknemer zagen, ongeveer drie keer zoveel als de groei in sectoren die het minst aan AI zijn blootgesteld. Sinds de opkomst van GenAI in 2022 is de productiviteitsgroei in die blootgestelde sectoren bijna verviervoudigd.
Die gegevens vertellen een verhaal. Maar de omzet per werknemer verbetert niet omdat je mensen een chatbot geeft. De omzet verbetert omdat iemand het werk opnieuw heeft ontworpen.
Het echte knelpunt zijn de werkstromen
De inzet van hulpmiddelen zonder herontwerp van de werkstroom is de meest voorkomende en duurste fout die bedrijven met AI maken. Een team krijgt toegang tot een AI-hulpmiddel. Het gebruikt dat om hetzelfde werk iets sneller te doen. De productiviteitswinst is reëel maar marginaal, en komt zelden terug in het financiële model omdat niemand het proces eromheen heeft geherstructureerd.
Uit een onderzoek van RGP onder 200 Amerikaanse CFO's bleek dat 66% binnen twee jaar een aanzienlijke ROI van AI verwacht, maar slechts 14% vandaag al betekenisvolle waarde rapporteert. Die kloof wordt niet gedicht door meer licenties te verstrekken. Ze wordt gedicht wanneer leiders tijdens planningsvergaderingen andere vragen gaan stellen.
In plaats van "hoeveel mensen hebben we nodig om het doel te halen?" wordt de vraag: "welk deel van dit werk zou überhaupt nog door een persoon moeten worden uitgevoerd?" Die herformulering verandert het hele planningsgesprek. Ze beïnvloedt de prognose van het personeelsbestand, het ontwerp van functies, de kapitaalallocatie en de prijsstrategie.
Leiders die dit serieus nemen, financieren procesherontwerp en niet alleen hulpmiddelen. Ze maken naast budget voor softwarelicenties ook budget vrij voor verandermanagement en ondersteuning, omdat ze erkennen dat het knelpunt nooit de technologie was. Het was de werkstroom.
De concurrent waar je je zorgen over zou moeten maken
De concurrentiedruk kondigt zich meestal stilletjes aan. Een nieuwere speler brengt sneller producten op de markt, hanteert agressievere prijzen of reageert zo snel op klanten dat dit niet logisch lijkt binnen traditionele kostenveronderstellingen.
De eerste impuls is om het weg te verklaren. Ze verbranden durfkapitaal. Ze bezuinigen op kwaliteit. Hun model zal niet schaalbaar zijn.
Soms kloppen die verklaringen. Maar steeds vaker is het echte antwoord structureel. Bedrijven die vanaf de eerste dag rond AI-ondersteunde werkstromen zijn opgebouwd, hebben minder coördinatie-overhead, minder managementlagen en fundamenteel andere bedrijfseconomieën.
Dat onderscheid is belangrijker voor middelgrote bedrijven dan voor wie dan ook. Draaiboeken voor ondernemingen gaan ervan uit dat je kapitaal en personeel tegen het probleem kunt inzetten. Start-ups kunnen vanaf nul opnieuw beginnen. Middelgrote bedrijven bevinden zich daartussenin en werken vaak met verouderde bedrijfsmodellen terwijl ze concurreren met organisaties die deze modellen nooit hebben geërfd.
De productieve reactie is niet paniekerig personeel aannemen of het personeelsbestand drastisch verkleinen. Het is het uitvoeren van eerlijke proefprojecten die gericht zijn op economische compressie: kortere doorlooptijden, lagere foutpercentages, minder coördinatielagen en meer productie per werknemer.
Het doel is te leren of je bedrijfsmodel betekenisvolle AI-integratie kan absorberen, of dat het model zelf moet veranderen.
Wat leiders die klaar zijn voor AI onderscheidt
Managementteams falen niet omdat ze intelligentie of ambitie missen. Ze falen omdat hun instincten zijn afgestemd op een ander soort verandering.
Leidinggevenden die zijn opgeklommen door lineaire groei in stabiele systemen te managen, vervallen standaard in incrementele verbeteringen. Wanneer AI een niet-lineaire kans biedt, verkleinen ze die onbewust tot iets beheersbaars. "Laten we een proefproject uitvoeren." "Laten we experimenteren." "Laten we het in de gaten houden."
Dit zijn redelijke reacties onder normale omstandigheden. Disruptieve veranderingen stapelen zich sneller op dan incrementeel denken kan bijhouden.
Er speelt ook een structurele blindheid. Leidinggevenden denken in functies en afdelingen. AI transformeert taken. Als je functies nooit opsplitst in afzonderlijke taken, kun je niet zien waar de hefboomwerking werkelijk zit.
Het werk van een analist ziet er vanuit het perspectief van een organigram uit als één geheel. Wanneer je het opsplitst in de samenstellende taken, blijken sommige daarvan uitstekende kandidaten voor AI-ondersteuning te zijn, en kan de functie die na dat herontwerp overblijft er heel anders uitzien.
Onderzoek van BCG bevestigt dit: 62% van de waarde van AI komt uit kernfuncties zoals bedrijfsvoering, verkoop en R&D, niet uit ondersteunende functies waar de meeste bedrijven hun experimenten beginnen. Door AI op de periferie van het bedrijf te richten, krijg je perifere resultaten.
Hoe cumulatieve groei eruitziet
Organisaties die vooruitlopen zijn niet alleen efficiënter. Ze verbeteren in een hoger tempo, en dat verschil in tempo stapelt zich op.
- Pioniers herontwerpen werkstromen. Die herontworpen werkstromen zorgen voor kortere doorlooptijden en snellere feedbacklussen. Snellere feedback betekent meer leercycli. Meer leercycli betekenen snellere verbetering.
Laatkomers kunnen de tools kopiëren. Ze kunnen niet twee jaar aan werkaanpassingen en operationeel spiergeheugen kopiëren.
- De omzet per medewerker stijgt. Dit creëert strategische keuzeruimte. Het bedrijf kan de marge opnieuw investeren in groei, agressiever concurreren op prijs of beter talent aantrekken. Die keuzeruimte op zichzelf wordt steeds groter.
- De beslissingssnelheid neemt toe. Dit wordt vaak over het hoofd gezien. AI-volwassen teams gebruiken AI in strategische planning, analyse, scenariomodellering en synthese. Dat vermindert frictie in de besluitvorming van leidinggevenden. Als één bedrijf 30-40% sneller strategische beslissingen neemt en op feedback reageert, wordt het voordeel kwartaal na kwartaal groter.
De kloof wordt groter omdat hun snelheid van organisatorisch leren structureel hoger ligt.
Waar serieuze leiders beginnen
Wanneer een CEO van nieuwsgierigheid naar betrokkenheid gaat, is de eerste actie meestal niet iets aanschaffen. Het is een specifiek economisch resultaat vastleggen en verantwoordelijkheid toewijzen.
Bijvoorbeeld:
- "We gaan de omzet per medewerker in 18 maanden met 25% verhogen."
- "We gaan de doorlooptijd van dienstverlening met 40% verkorten."
Zo'n verklaring koppelt AI aan een financiële maatstaf die terugkomt in bestuursrapportages. Het dwingt tot herontwerp van workflows, omdat je die doelstellingen niet alleen met tools kunt bereiken.
De tweede stap is structureel. Eén leidinggevende, vaak de COO of iemand in een nieuw gecreëerde functie, krijgt verantwoordelijkheid op organisatieniveau voor het herontwerp van workflows binnen alle functies. Hun opdracht is in kaart te brengen hoe het werk daadwerkelijk wordt uitgevoerd, functies op te splitsen in taken, punten met automatiseringspotentieel te identificeren, de werkstroom opnieuw in te richten en de economische impact te meten.
De derde stap is cultureel, en het is deze stap die blijft hangen. De CEO verandert de standaardvragen tijdens planningsvergaderingen. In plaats van "hoeveel medewerkers heb je nodig?" vragen ze "hoe zou deze functie eruitzien als AI standaard was ingebed" en "welk deel van dit werk is uniek menselijk?" Wanneer de leiding consequent die vragen stelt, past de organisatie zich aan.
De snelheid van verbetering is belangrijker dan het startpunt
Er is een neiging om naar de prestatiegegevens te kijken en het gevoel te krijgen dat de kans voorbij is. Dat is niet zo. Uit onderzoek van BCG blijkt dat zelfs bij toonaangevende bedrijven de capaciteiten nog steeds in ontwikkeling zijn. Het maakt eigenlijk niet uit wie het eerst is begonnen. Het gaat er nu om wie de organisatorische capaciteit opbouwt om sneller te leren en zich sneller aan te passen.
Maar capaciteit bouwt zichzelf niet op. Daarvoor zijn leidinggevende teams nodig die bereid zijn de architectuur van de manier waarop hun bedrijf waarde creëert ter discussie te stellen door middel van operationele discipline, in plaats van alleen te optimaliseren wat al bestaat.
Dat is de werkelijke capaciteitskloof. Leiderschapsvaardigheden voor AI-transformatie omvatten de bereidheid om niet-lineaire verandering te modelleren, strategische ambiguïteit te verdragen en opnieuw te ontwerpen in plaats van te optimaliseren.
We kunnen AI-klaar leiderschap niet zien als een kwalificatie of een titel. Het is een houding ten opzichte van het bedrijf. De leiders die je het liefst wilt zijn al bezig hun operationele AI-modellen opnieuw te ontwerpen. Degenen die dat niet doen, meten nog steeds adoptiepercentages en hopen dat de prestatiekloof niet verder groter wordt.
De cijfers suggereren dat dit niet zal gebeuren.
