Wat blijft er over? Drie jaar na de ChatGPT-hype: de grote AI-droom botst op de economische realiteit

De desillusie na de euforie: wanneer hypebeloftes botsen met de realiteit van het management

Drie jaar na het "ChatGPT-moment" is er op directieniveau sprake van desillusie. Terwijl techreuzen zoals Meta en Google honderden miljarden dollars blijven investeren in AI-infrastructuur, laat de bredere zakenwereld een ander beeld zien: stagnatie in plaats van revolutie.

ChatGPT werd op 30 november 2022 door OpenAI openbaar gemaakt. Het systeem behaalde recordsnelheden in het werven van gebruikers en wordt beschouwd als de aanleiding voor de enorme AI-hype die vanaf 2023 de zakenwereld overspoelde.

Het zou de grootste productiviteitsboost in de geschiedenis moeten zijn. Maar drie jaar na de wereldwijde hype rondom generatieve AI is er een gevaarlijke kloof ontstaan ​​tussen technologische beloftes en economische resultaten. Recente gegevens van Forrester en de Boston Consulting Group schetsen een beeld van "dure stagnatie": slechts een verwaarloosbaar klein percentage bedrijven is er tot nu toe in geslaagd hun enorme investeringen om te zetten in daadwerkelijke toegevoegde waarde.

Het geval van fintechgigant Klarna dient met name als waarschuwing voor de hele sector. Wat werd gevierd als een triomf van efficiëntie – de vervanging van 700 werknemers door AI – bleek een averechts effect te hebben op de klanttevredenheid. De les is pijnlijk, maar noodzakelijk: technologie zonder empathie en strategisch verandermanagement mag dan op korte termijn kosten besparen, maar vernietigt op de lange termijn de klantrelaties.

Dit artikel kijkt verder dan de gelikte persberichten. We analyseren waarom 2026 het jaar van grote correcties in AI zal zijn, waarom de "culturele component" de werkelijke doodsteek is voor AI-projecten en waarom technologie alleen een ontbrekende bedrijfsstrategie niet kan vervangen. Een beoordeling van het landschap tussen investeringen van miljarden dollars en een terugkeer naar economisch gezond verstand.

Het kernprobleem: de realiteit botst met de verwachtingen

De discrepantie tussen geïnvesteerd kapitaal en gerealiseerde rendementen is alarmerend duidelijk. Een Forrester-studie uit 2025 toont aan dat slechts 15 procent van de ondervraagde managers hun winstmarges significant kon verbeteren door de implementatie van AI. Dit is geen marginaal verschijnsel of een probleem dat beperkt is tot startups. Het raakt de hele economie, van de financieel sterkste bedrijven tot middelgrote organisaties. Nog dramatischer is de bevinding van de Boston Consulting Group: slechts 5 procent van de ondervraagde managers meldde dat AI een breed scala aan waardecreatie teweegbracht. Dit is niet de definitie van transformatieve verandering. Het is de definitie van stagnatie, ondanks de kostbare infrastructuur die is aangeschaft.

Deze cijfers worden nog betekenisvoller wanneer ze in de context van dergelijke uitgaven worden bekeken. Meta alleen al kondigde investeringen van 70 tot 72 miljard dollar aan voor 2025, met een prognose van 600 miljard dollar in 2028. Google is van plan om in 2025 91 tot 93 miljard dollar te investeren. Microsoft verhoogt ook voortdurend zijn budget voor AI-investeringen. Dit zijn geen investeringen in nevenprojecten, maar kerninvesteringen die bedoeld zijn om de toekomstige concurrentiepositie van deze bedrijven te bepalen. Terwijl de techreuzen echter met ongekende bedragen vooruitgaan, ontstaat er een tegengestelde trend bij bedrijven buiten deze technologische "inner circle": strategische vertraging.

Forrester voorspelt dat ongeveer een kwart van de geplande investeringen in AI in 2026 zal worden uitgesteld. Dit gaat niet zozeer om het terugschroeven van speculatieve uitgaven om kosten te besparen, maar eerder om het uitstellen van strategische projecten die hoog op de agenda stonden van CFO's en CEO's, omdat de verwachtingen ten aanzien van het rendement (ROI) niet werden waargemaakt. Een kwart van de geplande investeringen – dat is niet zomaar een daling, maar een systematische herwaardering van het strategische belang van deze technologie.

De Klarna-zaak: een waarschuwing in de vorm van een casestudy

Het geval van het Zweedse fintechbedrijf Klarna is hier leerzaam – niet omdat het een geïsoleerd incident is, maar omdat het het systemische probleem treffend illustreert. In 2023 haalde Klarna internationaal de krantenkoppen met de aankondiging dat het 700 klantenservicemedewerkers zou vervangen door een AI-chatbotsysteem dat in samenwerking met OpenAI was ontwikkeld. De cijfers waren indrukwekkend: de chatbot behandelde tweederde van alle klantvragen, sprak meer dan 35 talen vloeiend en verkortte de reactietijd van gemiddeld 11 minuten naar ongeveer 2 minuten. Dit is ongetwijfeld een opmerkelijke operationele prestatie.

Maar in 2024 waren de onderliggende problemen al duidelijk geworden. De klanttevredenheid was met 22 procent gedaald. Dit was geen statistische onnauwkeurigheid, maar een duidelijk signaal van gebruikers dat het systeem zijn structurele grenzen bereikte. De AI-chatbot kon eenvoudige transactievragen afhandelen, maar raakte stelselmatig overbelast door complexere kwesties – situaties die inzicht in de specifieke context, emotionele intelligentie en vooral empathie vereisten. Toen CEO Sebastian Siemiatkowski in 2025 de fouten toegaf, was zijn analyse opmerkelijk helder: de eenzijdige focus op kostenefficiëntie had geleid tot een afname van de kwaliteit. Met andere woorden, de technologie was geoptimaliseerd om interne statistieken te verbeteren, maar niet ontworpen om de daadwerkelijke klantervaring te waarborgen.

Het antwoord was logisch: in 2025 begon Klarna opnieuw klantenservicemedewerkers aan te nemen en introduceerde een hybride model waarbij AI routinematige vragen afhandelt en menselijke medewerkers complexe gevallen oplossen. Hoewel een berekende besparing van 60 miljoen dollar werd gerealiseerd, stegen de totale kosten voor klantenservice weer, omdat zowel de AI-infrastructuur als een aanzienlijk personeelsbestand nu onderhouden moesten worden. Dit is geen succesverhaal van automatisering, maar eerder een dure les over de beperkingen van technische optimalisatie zonder strategisch verandermanagement.

De organisatorische dimensie van falen

Het kernprobleem ligt niet zozeer in de technologie zelf, maar in het vermogen van de organisatie om deze effectief te integreren. Onderzoek naar verandermanagement toont aan dat ongeveer 70 procent van alle transformatie-initiatieven hun doelstellingen niet haalt. Dit percentage is nog hoger bij AI-specifieke projecten: schattingen wijzen op een mislukkingpercentage van 80 tot 95 procent als bedrijven geen duidelijke doelen, gedefinieerde meetinstrumenten of consistente managementkaders vaststellen.

De redenen voor dit falen zijn structureel, niet technisch. Ten eerste is er een aanzienlijk gebrek aan vertrouwen tussen management en personeel. Studies tonen aan dat 50 tot 70 procent van de werknemers angst heeft voor ingrijpende technologische veranderingen. Deze angst is niet irrationeel, maar gebaseerd op legitieme vragen: Hoe zal mijn baan veranderen? Zal ik status of expertise verliezen? Zal het werk bovenop mijn bestaande verantwoordelijkheden komen, zonder dat ik daarvoor de nodige middelen of erkenning krijg? Leiders onderschatten deze vragen vaak of interpreteren ze als weerstand tegen vooruitgang, in plaats van ze te zien als systemische implementatieproblemen.

Ten tweede bestaat er een fundamentele kloof tussen de strategische intenties van het management en de operationele haalbaarheid. Minder dan 30 procent van de bedrijven met AI-initiatieven heeft concrete implementatiemetrieken vastgesteld. Dit betekent dat de meeste bedrijven AI-systemen introduceren zonder duidelijk te definiëren wat succesvolle implementatie nu precies inhoudt of hoe de voortgang gemeten kan worden. Het is vergelijkbaar met een bouwproject zonder bouwtekeningen of kwaliteitscontroles. De technologie wordt geïmplementeerd omdat deze strategisch noodzakelijk wordt geacht ("angst om iets te missen"), niet omdat er een duidelijke verwachting van voordelen is.

Ten derde ontstaan ​​er aanzienlijke dataproblemen die niet zomaar met investeringen opgelost kunnen worden. 73 procent van de organisaties noemt datakwaliteit of data-toegankelijkheid als hun grootste uitdaging. Dit is geen kwestie van technologische middelen, maar van organisatorische volwassenheid. Bedrijven die data al decennialang in silo's hebben opgeslagen, kunnen deze structuren niet zomaar doorbreken door een AI-systeem te introduceren. Het resultaat: AI-systemen werken met input van lage kwaliteit en produceren daardoor output van lage kwaliteit ("garbage in, garbage out").

De grenzen van automatisering: de paradox van de klantbeleving

Een ander fenomeen is duidelijk zichtbaar in de automatisering van de klantenservice. ServiceNow meldt dat AI-systemen in staat zijn om ongeveer 80 procent van de eenvoudige klantvragen autonoom af te handelen. De oplostijden kunnen met 52 procent worden verkort en het percentage klanten dat bij het eerste contact wordt geholpen, kan met 40 procent worden verbeterd. Dit zijn indrukwekkende operationele resultaten. Tegelijkertijd tonen klantonderzoeken echter aan dat 93 procent van de klanten de voorkeur geeft aan een menselijke contactpersoon voor complexe problemen. Dit is geen kwestie van persoonlijke voorkeur, maar weerspiegelt een fundamentele beperking.

De meeste problemen van klanten in de praktijk zijn niet eenvoudig. Ze zijn contextafhankelijk, vaak emotioneel geladen en vereisen inzicht in de individuele situatie. Een klant die problemen ondervindt met een terugbetaling heeft niet alleen behoefte aan een snelle reactie, maar ook aan het gevoel begrepen te worden. Bij complexe financiële producten moet de klant erop kunnen vertrouwen dat de tegenpartij zijn of haar belangen behartigt. Dit zijn eigenschappen die fundamenteel buiten het bereik van mechanische automatisering liggen, omdat ze oordeelsvermogen en oprechte menselijke interactie vereisen.

De gegevens suggereren dat AI-systemen in de klantenservice het meest effectief zijn wanneer ze fungeren als hulpmiddel voor menselijke medewerkers (een "co-piloot"), en niet als vervanging. Een systeem dat medewerkers ondersteunt bij routinetaken, documentatie automatiseert of informatie vooraf opzoekt, levert positieve resultaten op. Een systeem dat probeert mensen volledig te vervangen, leidt vaak tot een reeks negatieve gevolgen: klanten stappen over naar andere aanbieders, het aantal klachten neemt toe en het vertrouwen in het merk neemt af. Het operationele doel van kostenbesparing wordt daarmee ondermijnd, omdat klantverlies en reputatieschade duurder zijn dan de behaalde besparingen.

Een nieuwe dimensie van digitale transformatie met 'Managed AI' (Artificial Intelligence) – Platform & B2B-oplossing | Xpert Consulting - Afbeelding: Xpert.Digital

Hier leert u hoe uw bedrijf snel, veilig en zonder hoge toetredingsdrempels maatwerk AI-oplossingen kan implementeren.

Een Managed AI Platform is uw complete, zorgeloze pakket voor kunstmatige intelligentie. In plaats van complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u van een gespecialiseerde partner een kant-en-klare oplossing op maat – vaak binnen enkele dagen.

De belangrijkste voordelen in één oogopslag:

⚡ Snelle implementatie: van idee tot operationele toepassing in dagen, niet maanden. Wij leveren praktische oplossingen die direct waarde creëren.

🔒 Maximale gegevensbeveiliging: uw gevoelige gegevens blijven bij u. Wij garanderen een veilige en conforme verwerking zonder gegevens met derden te delen.

💸 Geen financieel risico: u betaalt alleen voor resultaten. Hoge initiële investeringen in hardware, software of personeel vervallen volledig.

🎯 Focus op uw kernactiviteiten: concentreer u op waar u goed in bent. Wij verzorgen de volledige technische implementatie, exploitatie en het onderhoud van uw AI-oplossing.

📈 Toekomstbestendig & Schaalbaar: Uw AI groeit met u mee. Wij zorgen voor continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.

Meer hierover hier:

• De Managed AI-oplossing - Industriële AI-services: de sleutel tot concurrentievermogen in de dienstensector, de industrie en de machinebouw

Een realitycheck: wie profiteert er vandaag de dag echt van AI?

De beschikbare gegevens wijzen op een tweedeling in de economie. Enerzijds zijn er de techreuzen en een paar gespecialiseerde "AI-native" bedrijven die blijven investeren in AI-infrastructuur en deze diep integreren in hun bedrijfsmodellen. Anderzijds is er de grote meerderheid van traditionele bedrijven die AI hebben omarmd, maar slechts beperkt succes boeken in termen van waardecreatie.

Uit gegevens van McKinsey blijkt dat ongeveer 23 procent van de bedrijven actief bezig is met het opschalen van AI-systemen, terwijl 39 procent zich nog in de experimentele fase bevindt. Dit betekent dat hoewel 62 procent op de een of andere manier met AI bezig is, hun betrokkenheid zeker niet homogeen is. Bedrijven met duidelijke AI-strategieën en gevestigde governance-structuren behalen een ongeveer 2,5 keer hoger rendement op investering (ROI) dan bedrijven die AI ad hoc of als een puur tactisch initiatief implementeren. De best presterende bedrijven, die een tienvoudig rendement op investering behalen, vormen een exclusieve groep. Dit zijn bedrijven die AI niet zien als een geïsoleerde IT-oplossing, maar als een geïntegreerd onderdeel van een alomvattende bedrijfstransformatie.

Volgens BCG bedraagt ​​het gemiddelde rendement op investering (ROI) momenteel 11,2 procent, terwijl volwassen organisaties al rendementen behalen die twee keer zo hoog zijn. Dit is geen onbeduidend verschil. Het betekent dat de volwassenheid van een organisatie twee tot drie keer belangrijker is dan pure technologische capaciteit. Ter vergelijking: een traditioneel bedrijf dat zich richt op operationele efficiëntie kan een rendement van 15 tot 20 procent verwachten. AI-initiatieven concurreren daarom niet op een gelijk speelveld; ze moeten uitzonderlijke rendementen opleveren om de inherente risico's van de technologie te rechtvaardigen.

De investeringsparadox: meer geld, minder vertrouwen

Het fenomeen dat zich voor 2026 aftekent, is opmerkelijk. Terwijl technologiebedrijven recordbedragen blijven investeren in AI, neemt het vertrouwen onder traditionele bedrijven af. Meta, Google en Microsoft verhogen hun budgetten drastisch. Tegelijkertijd herzien traditionele bedrijven hun AI-plannen.

Forrester voorspelt dat 25 procent van de geplande investeringen in AI zal worden uitgesteld tot 2027. Dit is geen terugtrekking, maar een herplanning. De boodschap van bedrijven is duidelijk: "We zullen in AI investeren, maar alleen wanneer we de voordelen duidelijk zien." Dit markeert de overgang van een fase van speculatief experimenteren naar een fase van resultaatgerichte investeringen.

Een tweede fenomeen versterkt deze dynamiek: meetblindheid. 46 procent van de bedrijven heeft geen gestructureerd raamwerk voor het meten van ROI (Return on Investment). Dit betekent dat bijna de helft van de investerende bedrijven niet echt weet of hun projecten werken. Aangezien een gemiddeld AI-initiatief drie tot vijf jaar nodig heeft om de volledige waarde te bereiken, leidt dit tot een situatie waarin bedrijven jarenlang budgetten toewijzen zonder valide succesindicatoren. Het is alsof je in complete duisternis rijdt – in de hoop uiteindelijk je bestemming te bereiken.

De culturele component: het diepgewortelde organisatorische probleem

Hierin schuilt het echte probleem. AI-implementaties mislukken niet omdat de technologie faalt. Ze mislukken omdat bedrijven technologische oplossingen proberen toe te passen op organisatorische problemen die een culturele oorsprong hebben. Studies tonen aan dat culturele factoren en weerstand de belangrijkste belemmeringen vormen bij meer dan 50 procent van de mislukte AI-initiatieven.

Dit manifesteert zich op verschillende niveaus. Ten eerste is er een wijdverspreide angst voor banenverlies. Bedrijven die AI implementeren, communiceren zelden openlijk dat de technologie banen zou kunnen vervangen. Ze spreken over 'automatisering', 'efficiëntie' en 'productiviteit'. Maar werknemers begrijpen de onderliggende boodschap. Als deze angst niet wordt aangepakt door middel van daadwerkelijke omscholing, duidelijke functiebeschrijvingen en baangaranties, leidt dit tot verborgen weerstand, een lage acceptatiegraad en een soort passieve weigering.

Ten tweede is er een fundamenteel vertrouwensprobleem met AI-systemen zelf. Veel werknemers zijn sceptisch over het vermogen van AI om genuanceerde beslissingen te nemen. Ze maken zich zorgen over vooringenomenheid, valse positieven en het risico dat geautomatiseerde systemen belangrijke context over het hoofd zien. Deze scepsis is niet ongegrond. Er is ruimschoots bewijs voor hallucinaties in AI-modellen en foutgevoeligheid in specifieke gevallen die ondervertegenwoordigd zijn in de trainingsdata. Als werknemers niet begrijpen hoe een AI tot een beslissing komt, zullen ze het systeem negeren of het vertrouwen in de organisatie zelf verliezen.

Ten derde komen structurele tekortkomingen aan het licht. Organisaties met diepe functionele silo's kunnen AI-systemen die ontworpen zijn voor samenwerking tussen verschillende afdelingen niet effectief inzetten. Bedrijven waarvan de evaluatiesystemen individuele prestaties boven samenwerking stellen, zullen moeite hebben om te investeren in collaboratieve AI-modellen. Het middenmanagement, dat zich bedreigd voelt door automatisering, zal subtiele barrières opwerpen voor de implementatie ervan. Deze problemen kunnen niet worden opgelost met betere software, maar alleen met een daadwerkelijke herstructurering van de organisatie.

De les: Technologie is geen vervanging voor strategie

Uit al deze gegevens komt één les naar voren die niet nieuw is, maar in deze context opnieuw geleerd moet worden: technologie alleen lost geen bedrijfsproblemen op. Het is een hulpmiddel. Een krachtig hulpmiddel in de handen van organisaties die weten hoe ze het moeten gebruiken – en een zeer kostbaar speeltje in de handen van degenen die hopen op magische veranderingen.

Bedrijven die daadwerkelijk vooruitgang boeken met AI doen verschillende dingen tegelijk: ze hebben een duidelijke bedrijfsstrategie waarin AI een specifieke rol speelt, in plaats van de allesomvattende oplossing te zijn. Ze investeren in verandermanagement met dezelfde energie en budgetten als in de technologie zelf. Ze stellen duidelijke meetkaders op vóór de implementatie. Ze trainen hun medewerkers continu om in een door AI ondersteunde omgeving te werken. Ze pakken culturele weerstand proactief aan. En ze creëren sterke governance-structuren om ervoor te zorgen dat AI-systemen aansluiten bij de waarden van het bedrijf.

Dit zijn geen eenvoudige of snelle processen. Onderzoek van Deloitte toont aan dat 'agentische AI' – de volgende generatie AI – gemiddeld drie tot vijf jaar nodig heeft om daadwerkelijk toegevoegde waarde te leveren. Dit is geen kritiek op de technologie, maar een realistische constatering dat diepgaande organisatorische transformatie tijd kost.

Het uit elkaar drijven: wie wint en wie verliest?

Een fascinerend fenomeen komt naar voren wanneer we kijken naar wie AI succesvol heeft geïmplementeerd. Meta, Google en Spotify blijven fors investeren en rapporteren positieve resultaten. Dit zijn bedrijven met een diepgaand begrip van datawetenschap, een gevestigde innovatiecultuur en de middelen om fouten te tolereren en ervan te leren. Klarna daarentegen introduceerde AI voornamelijk om kosten te besparen, waarbij de strategische dimensie over het hoofd werd gezien.

Dit schetst de contouren van een economie met twee niveaus. De eerste groep bestaat uit bedrijven die AI zien als een transformatief instrument en beschikken over de benodigde structuren, data en culturen. De tweede groep bestaat uit traditionele bedrijven die AI willen omdat hun concurrenten het ook doen, maar die de organisatorische volwassenheid missen. Deze groep zal blijven experimenteren, geld uitgeven en beperkt succes boeken, terwijl ze structurele concurrentienadelen opbouwen ten opzichte van de eerste groep.

Deze dynamiek zal de komende vijf jaar intensiveren. Organisaties die nu investeren in verandermanagement en organisatorische volwassenheid, naast hun technologische investeringen, zullen de winnaars zijn. Degenen die uitsluitend in technologie investeren en hopen op automatische transformatie, zullen falen.

Vooruitzicht: 2026 en verder

De voorspelling van Forrester voor 2026 klopt helemaal: "De kunst van het mogelijke maakt plaats voor de wetenschap van het praktische." Het tijdperk van speculatieve experimenten loopt ten einde en het tijdperk van resultaatgerichte investeringen begint. CFO's zullen bij AI-beslissingen betrokken zijn, niet uit enthousiasme, maar omdat ze duidelijke rendementsverwachtingen hebben. Het feit dat 30 procent van de grote bedrijven verplichte AI-trainingen invoert, wijst erop dat men erkent dat organisatorische competentie nog steeds ontwikkeld moet worden. Bedrijven die hun AI-plannen uitstellen, worden niet langer als verliezers gezien, maar als verstandig, omdat ze de benodigde tijd en organisatorische vereisten realistisch inschatten.

De boodschap voor bedrijfsleiders is duidelijk: de hype rond AI is nog niet voorbij. De technologie is echt en zal resultaten blijven leveren waar traditionele systemen tekortschieten. Maar de naïeve overtuiging dat investeringen in AI alleen al transformatieve resultaten zullen opleveren, behoort tot het verleden. De volgende fase van AI-implementatie zal niet worden bepaald door technologische, maar door organisatorische doorbraken. Wie dit begrijpt, zal winnen. De anderen zullen jaren en kapitaal verspillen, om uiteindelijk weer op hetzelfde punt uit te komen als waar ze hadden moeten beginnen: met een strategische, geïntegreerde en mensgerichte aanpak.

☑️ onze zakelijke taal is Engels of Duits

☑️ Nieuw: correspondentie in uw nationale taal!

Konrad Wolfenstein

Ik ben blij dat ik beschikbaar ben voor jou en mijn team als een persoonlijk consultant.

U kunt contact met mij opnemen door het contactformulier hier in te vullen of u gewoon te bellen op +49 89 674 804 (München) . Mijn e -mailadres is: Wolfenstein ∂ Xpert.Digital

Ik kijk uit naar ons gezamenlijke project.

☑️ MKB -ondersteuning in strategie, advies, planning en implementatie

☑️ Creatie of herschikking van de digitale strategie en digitalisering

☑️ Uitbreiding en optimalisatie van de internationale verkoopprocessen

☑️ Wereldwijde en digitale B2B -handelsplatforms

☑️ Pioneer Business Development / Marketing / PR / Maatregel

Profiteer van de uitgebreide, vijfvoudige expertise van Xpert.Digital in een uitgebreid servicepakket | R&D, XR, PR & Optimalisatie van digitale zichtbaarheid - Afbeelding: Xpert.Digital

Xpert.Digital heeft diepe kennis in verschillende industrieën. Dit stelt ons in staat om op maat gemaakte strategieën te ontwikkelen die zijn afgestemd op de vereisten en uitdagingen van uw specifieke marktsegment. Door continu markttrends te analyseren en de ontwikkelingen in de industrie na te streven, kunnen we handelen met vooruitziende blik en innovatieve oplossingen bieden. Met de combinatie van ervaring en kennis genereren we extra waarde en geven onze klanten een beslissend concurrentievoordeel.

Meer hierover hier:

• Gebruik de 5 -voudig competentie van Xpert.Digital in één pakket - van 500 €/maand