Gecontroleerde AI in de VS: Wat bijna iedereen over het hoofd ziet in de huidige AI-hype

Te riskant, te complex: de echte reden waarom Amerikaanse bedrijven hun AI nu uitbesteden

Het publieke debat over kunstmatige intelligentie draait meestal om spectaculaire taalmodellen, gigantische datacenters en de miljardenwedloop tussen de grote techreuzen. Maar buiten deze schijnwerpers vindt er een stille, maar ingrijpende transformatie plaats in de Amerikaanse economie. De focus ligt niet langer alleen op de ontwikkeling van de modellen, maar op hun soepele, veilige en winstgevende werking in het dagelijks bedrijfsleven: zogenaamde managed AI. Gedreven door een acuut tekort aan geschoolde arbeidskrachten, explosief stijgende operationele kosten en een steeds complexer wordend regelgevingslandschap, geven Amerikaanse bedrijven de controle over hun algoritmes uit handen aan gespecialiseerde dienstverleners. Dit artikel onderzoekt waarom de echte AI-boom plaatsvindt in de ogenschijnlijk onbeduidende sector van onderhoud en beheer, ontkracht de mythes rondom gangbare analistencijfers en onthult wie er werkelijk profiteert van deze nieuwe economie van kunstmatige intelligentie.

Waarom Amerikaanse bedrijven de controle over hun eigen algoritmes al lang geleden aan derden hebben overgedragen

Het publieke debat over kunstmatige intelligentie in de Verenigde Staten draait bijna uitsluitend om taalmodellen, datacenters en de concurrentiestrijd tussen de grote platformaanbieders. Wat over het hoofd wordt gezien, is een markt die economisch gezien wellicht nog belangrijker is dan de concurrentie om het krachtigste model: de werking van deze systemen in de dagelijkse bedrijfsvoering. Managed AI, het doorlopende, contractueel vastgelegde beheer van productieve AI-toepassingen, is in slechts enkele jaren tijd uitgegroeid van een niche-onderwerp tot een van de snelstgroeiende segmenten van de Amerikaanse dienstensector. Iedereen die wil begrijpen waar de Amerikaanse economie de komende jaren naartoe gaat, moet zich niet alleen afvragen wie de beste modellen bouwt, maar ook wie ze draaiende houdt, monitort, beveiligt en er verantwoordelijk voor is in geval van een crisis.

Van experiment naar verplichte werking: hoe de markt zich reorganiseert

Het verschil tussen een eenmalige AI-implementatie en een continu operationeel systeem klinkt misschien technisch, maar het is economisch gezien cruciaal. Implementatieconsultancy eindigt met de overdracht van een functionerend prototype. Managed AI begint precies waar deze overdracht eindigt en omvat monitoring, de continue werking van trainings- en inferentiesystemen, governanceprocessen, kostenbeheersing, de aansturing van autonome agenten en incidentrespons – alles binnen contractueel overeengekomen serviceniveaus. Deze verschuiving is geen toeval, maar eerder het logische gevolg van een volwordingproces: bedrijven die aanvankelijk experimenteerden met pilotprojecten staan ​​nu voor de uitdaging om productiesystemen permanent, veilig en economisch te beheren, en slechts weinig bedrijven beschikken over het interne personeel om dit alleen te realiseren.

Juist dit tekort aan vaardigheden, in combinatie met toenemende regelgeving en de enorme complexiteit van het continu beheren van AI-kosten en modelafwijkingen, drijft de vraag naar uitbestede activiteiten op. Hyperscalers zoals Amazon, Microsoft, Google, IBM en Oracle ontwikkelen steeds vaker hun eigen managed inference-oplossingen, terwijl systeemintegrators en traditionele consultancybureaus de operationele taken, het beheer en branchespecifieke toepassingen overnemen. Er ontstaat een hybride ecosysteem tussen deze twee kampen, waarin het platform de rekenkracht levert en de dienstverlener verantwoordelijkheid draagt ​​voor een soepele en conforme werking.

Miljarden aan gunstige omstandigheden vanuit Washington en Wall Street

Het politieke en economische klimaat van de afgelopen twaalf maanden heeft deze trend verder versneld. In juni 2026 ondertekende de regering een uitvoeringsbesluit ter bevordering van geavanceerde AI-innovatie en -beveiliging. Dit besluit voorziet in vrijwillige voorafgaande goedkeuring van bijzonder goed presterende modellen en richt een clearinghouse op voor AI-cyberbeveiliging, in combinatie met richtlijnen van het Cybersecurity and Information Security Agency (CISA) voor federale instanties en kritieke infrastructuur. Al in december 2025 probeerde de regering, via een ander uitvoeringsbesluit en een speciaal opgericht juridisch departement, een uniform, minimaal belastend federaal kader af te dwingen, terwijl ze zich tegelijkertijd juridisch moest verdedigen tegen uiteenlopende regelgeving in de afzonderlijke staten. Voor bedrijven die AI-systemen in meerdere staten gebruiken, creëert deze co-existentie van federaal beleid en een groeiend lappendeken van staatswetten aanzienlijke juridische onzekerheid, wat op zijn beurt de vraag naar gespecialiseerde governance-diensten aanwakkert.

Tegelijkertijd schetsen marktanalisten een beeld van explosieve groei. Een prognose die in mei 2026 werd gepubliceerd, schat de wereldwijde uitgaven aan AI voor het huidige jaar op ongeveer 2,59 biljoen dollar, een stijging van 47 procent ten opzichte van het voorgaande jaar. Alleen al de AI-diensten zullen naar verwachting goed zijn voor ongeveer 585 miljard dollar. De analisten die verantwoordelijk zijn voor deze prognose wijzen expliciet 2026 aan als een keerpunt, waarbij de investeringslast verschuift van de kapitaaluitgaven van hyperscalers naar de operationele budgetten van de bedrijven zelf. Een marktanalyse die in augustus 2026 werd gepresenteerd, ondersteunt deze these met een opmerkelijke observatie: al in 2025 overtroffen de uitgaven aan het doorlopende beheer van AI-modellen, oftewel managed inference, voor het eerst de uitgaven aan het trainen van nieuwe modellen, met 23,1 miljard dollar tegenover 16,3 miljard dollar. Deze verschuiving markeert de overgang van een onderzoeksgedreven naar een operationele economie.

Wie betaalt er nu echt? Een blik achter de schermen van de reclamebrochures van analisten

Hoewel duidelijke ranglijsten verleidelijk zijn, zijn de beschikbare gegevens niet bestand tegen een grondige analyse. Er bestaan ​​geen officiële, gestandaardiseerde statistieken over welke sectoren in de Verenigde Staten het meest uitgeven aan de exploitatie van AI-systemen. Verschillende marktonderzoeksbureaus komen tot tegenstrijdige resultaten, afhankelijk van hun definities en methodologieën. Een onderzoek wijst de financiële en verzekeringssector duidelijk aan als koploper, met een aandeel van iets meer dan een kwart van de Amerikaanse markt voor autonome AI-systemen. Een ander onderzoek, gebaseerd op het perspectief van durfkapitaal, identificeert de gezondheidszorg als verreweg het grootste uitgavensegment op het gebied van generatieve AI, met een geschat volume van ongeveer 1,5 miljard dollar in 2025 alleen al. Een derde analyse, gebaseerd op officiële enquêtes van het Census Bureau, laat zien dat – gemeten naar pure gebruikscijfers – de informatiesector aan kop staat met iets minder dan 40 procent en de financiële sector met ongeveer 34 procent, terwijl de gezondheidszorg aanzienlijk achterblijft wat betreft daadwerkelijke operationele toepassing.

Deze discrepanties zijn niet toevallig, maar weerspiegelen een fundamenteel definitieprobleem. Wie spreekt over uitgaven aan generatieve AI, verwart vaak softwarelicenties, eenmalige consultancyprojecten, infrastructuurkosten en de daadwerkelijke operationele kosten. Wie spreekt over gebruikscijfers, meet iets anders dan wie informeert naar contractvolumes voor uitbestede activiteiten. Bovendien blijkt uit officiële enquêtes van het Census Bureau, uitgevoerd tussen eind 2025 en medio 2026, dat het totale AI-gebruik onder Amerikaanse bedrijven slechts 18 tot 22 procent bedraagt ​​en sterk geconcentreerd is in grote bedrijven met meer dan 250 werknemers, waar het percentage oploopt tot ongeveer 37 procent. Er is dus geen sprake van een wijdverspreide penetratie van AI in de Amerikaanse economie. De vraag naar professioneel beheerde AI is tot nu toe vooral een fenomeen van grote bedrijven en kennisintensieve sectoren, terwijl kleine en middelgrote ondernemingen (mkb's), ondanks agressieve marketing van veel aanbieders, nauwelijks betrouwbare aankoopcijfers kunnen overleggen.

Beheerd AI-platform - Afbeelding: Xpert.Digital

Hier leert u hoe uw bedrijf snel, veilig en zonder hoge drempels AI-oplossingen op maat kan implementeren.

Een beheerd AI-platform is uw allesomvattende, zorgeloze oplossing voor kunstmatige intelligentie. In plaats van te worstelen met complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u een kant-en-klare oplossing op maat van een gespecialiseerde partner – vaak al binnen enkele dagen.

De belangrijkste voordelen in één oogopslag:

⚡ Snelle implementatie: Van idee tot gebruiksklare applicatie in dagen, niet maanden. Wij leveren praktische oplossingen die direct toegevoegde 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 de resultaten. Hoge investeringen vooraf in hardware, software of personeel zijn volledig uitgesloten.

🎯 Focus op uw kernactiviteiten: concentreer u op waar u het beste in bent. Wij zorgen voor de volledige technische implementatie, werking en het onderhoud van uw AI-oplossing.

📈 Toekomstbestendig en schaalbaar: Uw AI groeit met u mee. Wij garanderen continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.

Meer informatie vindt u hier:

• Beheerd AI-platform

Regulering als verborgen groeimotor voor operationele dienstverleners

Een belangrijke, vaak onderschatte drijfveer achter de vraag naar professioneel beheerde AI-diensten ligt in het regelgevingskader zelf. Banken en verzekeraars zijn al jaren onderworpen aan strenge eisen voor modelrisicobeheer, die toezichthouders expliciet ook toepassen op generatieve AI en autonome agenten. De beursregulator heeft cybersecurity-audits voor 2026 aangekondigd die expliciet AI-controles zullen omvatten. In de gezondheidszorg geldt het principe dat elke verwerking van beschermde patiëntgegevens door een AI-systeem onderworpen is aan dezelfde gegevensbeschermingseisen als elke andere verwerking. In de praktijk betekent dit dat het gebruik van cloudgebaseerde taalmodellen een formele overeenkomst met de aanbieder vereist met betrekking tot de verwerking van deze gegevens. Hoewel er geen aparte wetgeving voor AI in de gezondheidszorg bestaat, fungeren de bestaande regelgevingen in feite als een drempel, waardoor veel ziekenhuizen en verzekeraars gedwongen worden de werking van hun AI-systemen uit te besteden aan gespecialiseerde, aantoonbaar conforme dienstverleners, in plaats van dit zelf te doen.

Zelfs op federaal niveau ontbreekt nog steeds een alomvattende AI-wetgeving. In plaats daarvan sturen beleidsmakers via uitvoeringsregels en een wetgevingskader dat in maart 2026 werd gepresenteerd, terwijl in de praktijk het vrijwillige kader van het National Institute of Standards and Technology voor het risicomanagement van AI-systemen zich heeft gevestigd als de de facto standaard. Dit wordt aangevuld door de internationale standaard ISO 42001, die bedrijven steeds vaker aan hun eigen klanten presenteren als bewijs van goed bestuur. De Europese parallel is interessant: in de zomer van 2026 heeft de Europese Unie, als onderdeel van een zogenaamde "Digital Omnibus", belangrijke verplichtingen met een hoog risico uit haar AI-wetgeving uitgesteld tot respectievelijk eind 2027 en augustus 2028. Dit uitstel biedt Amerikaanse bedrijven met activiteiten in Europa tijdelijke verlichting, maar verandert nauwelijks iets aan de fundamentele behoefte aan governance-diensten op de Amerikaanse binnenlandse markt, omdat daar al afzonderlijke, soms strengere, sectorale regelgeving van kracht is.

De grote namen in het bedrijfsleven en hun stille machtsverschuiving

Een blik op de meest recente financiële cijfers van grote advies- en IT-dienstverleners bevestigt een verschuiving in de machtsverhoudingen binnen de sector. Bij een van de grootste wereldwijde adviesbureaus groeide de omzet uit doorlopende diensten in het derde fiscale kwartaal van 2026 tot meer dan negen miljard dollar, aanzienlijk sneller dan de traditionele, projectmatige adviesactiviteiten. In dezelfde periode rapporteerde een van de toonaangevende technologiebedrijven een zeer hoge orderportefeuille met betrekking tot AI, terwijl de traditionele adviesactiviteiten stagneerden – een patroon dat ook bij andere concurrenten te zien is. In augustus 2026 kondigden een gevestigd technologiebedrijf en een toonaangevende aanbieder van taalmodellen een samenwerking aan om gezamenlijk veilige bedrijfsoplossingen te ontwikkelen; een teken dat de grens tussen modelontwikkelaars en operationele dienstverleners steeds vager wordt.

Indiase IT-dienstverleners en Amerikaanse systeemintegrators winnen steeds vaker contracten ter waarde van miljarden dollars, met name in de financiële en gezondheidszorgsector. De vraag of diensten lokaal in de Verenigde Staten worden geleverd of via offshorecentra in India, speelt een belangrijke en tot nu toe onvoldoende gedocumenteerde rol voor gevoelige, gereguleerde sectoren. Een grote transactie tussen een IT-dienstverlener en een grote Amerikaanse zorgverzekeraar, die in juli 2026 werd aangekondigd en een waarde heeft van meer dan 500 miljoen dollar, illustreert hoe nauw traditionele IT-outsourcing en de nieuwe werking van AI-systemen met elkaar verweven zijn geraakt.

Het olifant in de kamer: mislukken de meeste AI-projecten echt?

Weinig cijfers hebben het debat over de economische voordelen van kunstmatige intelligentie het afgelopen jaar zo gedomineerd als de bewering dat 95 procent van alle pilotprojecten met generatieve AI geen meetbaar rendement op de investering opleverde. Dit cijfer, oorspronkelijk afkomstig uit een onderzoek van het Massachusetts Institute of Technology, is talloze keren herhaald in mediaberichten en verkooppresentaties zonder onafhankelijke verificatie van de onderliggende methodologie, de steekproefgrootte of de precieze definitie van nul rendement. Critici wijzen erop dat talrijke onderzoeken van leveranciers en consultancybureaus tegelijkertijd kostenbesparingen van 25 tot 40 procent rapporteren in geselecteerde, goed beheerde projecten, wat in schril contrast staat met het vermeende bijna universele falen van de technologie. Een veel alledaagser verklaring is waarschijnlijker dan een algeheel falen van de technologie: het verschil tussen een indrukwekkend demonstratieproject en een werkelijk winstgevend, duurzaam beheerd systeem ligt niet in het model zelf, maar in het ontbreken van een onderliggend operationeel model. Deze kloof tussen demonstratie en productie is precies de voedingsbodem waarop de gehele managed AI-industrie floreert.

Tussen outsourcing en interne ontwikkeling: de stille loopgravenoorlog tussen bedrijven

Niet elk bedrijf volgt de trend naar outsourcing. Hoewel enquêtes onder leidinggevenden een beeld schetsen waarin de overgrote meerderheid van de Amerikaanse bedrijven externe operationele partners belangrijk, zo niet cruciaal, vindt voor het opschalen van autonome AI-agenten, ontstaat er een tegengeluid. Grote, financieel sterke merken bouwen steeds vaker hun eigen AI-systemen op maat in plaats van standaardsoftware te gebruiken, gedreven door de overtuiging dat strategisch cruciale capaciteiten niet aan derden mogen worden uitbesteed. De beschikbare gegevens maken het nog niet mogelijk om de werkelijke verhouding tussen intern beheerde systemen en uitbestede systemen betrouwbaar te kwantificeren, waardoor het publieke debat zich beperkt tot een weinig behulpzame zwart-witbenadering, terwijl de realiteit bij de meeste bedrijven waarschijnlijk een hybride aanpak is.

Een verwant probleem, dat steeds vaker in expertkringen wordt besproken, betreft de daadwerkelijke operationele kosten. Veel bedrijven hebben tot nu toe nagelaten de lopende kosten van rekenkracht en modelgebruik systematisch te koppelen aan de daadwerkelijke productiviteitswinst. Dit heeft geleid tot een nieuw vakgebied, AI FinOps genaamd, dat zich uitsluitend richt op het financieel beheer van de operationele kosten van AI. Marktanalisten beschouwen dit nu als een van de kernwaardeproposities van professionele dienstverleners op het gebied van operationele processen, naast continue kwaliteitsborging, ingebedde governance en beleidsgestuurde automatisering.

Arbeidsmarkt: De werkelijke oorzaak van de outsourcinggolf

Achter de beslissing om de exploitatie van AI-systemen uit te besteden aan externe dienstverleners schuilt vaak simpelweg een gebrek aan interne specialisten. Arbeidsmarktanalyses uit het voorjaar van 2026 tonen aan dat de gezondheidszorg, een van de sectoren met de grootste verwachte behoefte aan AI, tot de minst voorbereide sectoren behoort op deze transformatie. Daarentegen blijkt uit enquêtes onder bedrijven uit het derde kwartaal van 2026 dat het daadwerkelijke wekelijkse gebruik van AI-tools door werknemers bijzonder hoog is in kennisintensieve sectoren zoals professionele dienstverlening en softwarebedrijven, terwijl het aanzienlijk lager ligt in de gezondheidszorg, de maakindustrie en het onderwijs. Deze discrepantie tussen vraag en expertise verklaart waarom de vraag naar operationele diensten steeds meer verschuift van pure modelontwikkeling naar operationele en architecturale capaciteiten: het tekort betreft minder specialisten die nieuwe modellen kunnen trainen, dan specialisten die bestaande systemen veilig, economisch en conform de regelgeving kunnen laten functioneren.

Wat wordt er publiekelijk besproken en wat is er werkelijk toe?

Opmerkelijk is de discrepantie tussen wat aandacht krijgt op sociale media en in het publieke debat, en wat er daadwerkelijk wordt besloten in de inkoopprocessen van bedrijven. De publieke discussie richt zich bijna uitsluitend op datacenters, elektriciteitsverbruik en de enorme schaal van infrastructuurinvesteringen door grote platformbedrijven, terwijl de fundamentele vraag wie er nu eigenlijk verantwoordelijk is voor de soepele werking van de systemen die in ziekenhuizen of bankfilialen worden ingezet, nauwelijks aandacht krijgt. Tegelijkertijd duiken er aan de onderkant van de markt nieuwe aanbiedingen op, vaak van startups, voor zogenaamde managed AI-medewerkers. Deze medewerkers zijn bedoeld om kleine en middelgrote ondernemingen, zoals tandartspraktijken of lokale dienstverleners, te ontlasten van eenvoudige taken zoals het inplannen van afspraken en klantenservice. Hoe levensvatbaar deze bedrijfsmodellen daadwerkelijk zijn, los van de marketingbeloftes, blijft onduidelijk, aangezien betrouwbare cijfers over omzet en klantbehoud ontbreken.

Opvallend is ook de groeiende scepsis ten opzichte van niet-Amerikaanse modellen en offshore-operatiecentra als het gaat om vertrouwelijke bedrijfsgegevens. Deze voorkeur voor binnenlandse, transparante operationele structuren zal naar verwachting op middellange termijn een belangrijk onderscheidend kenmerk worden in gereguleerde sectoren voor aanbieders die op geloofwaardige wijze kunnen aantonen dat zij gevoelige gegevens uitsluitend binnen de Verenigde Staten verwerken.

Een gok op controle in plaats van creativiteit

Het economische verhaal van kunstmatige intelligentie in de Verenigde Staten wordt momenteel in twee hoofdstukken verteld. Het eerste, dat veel publieke aandacht heeft gekregen, betreft steeds krachtigere modellen en gigantische investeringen in infrastructuur. Het tweede, mogelijk economisch belangrijkere hoofdstuk, gaat over wie deze modellen op een verantwoorde, veilige en economische manier in het dagelijks leven zal gebruiken zodra ze de experimentele fase hebben verlaten. Beschikbare gegevens suggereren dat de werkelijke waardecreatie zich steeds meer verschuift naar dit tweede, veel minder aantrekkelijke gebied, gedreven door een tekort aan geschoolde arbeidskrachten, regelgeving en het simpele besef dat een indrukwekkend prototype verre van een winstgevend bedrijfsmodel is. Voor aanbieders of bedrijven die in deze markt willen slagen, is de vraag niet zozeer welk model het meest intelligent is, maar eerder welke organisatie het betrouwbaar, conform de regelgeving en kosteneffectief draaiende kan houden. Dit, en niet de omvang van het volgende taalmodel, zal waarschijnlijk uiteindelijk bepalen wie er echt van profiteert in deze nieuwe economie.

Ondanks de dynamische aard van de markt is voorzichtigheid geboden. De beschikbare marktcijfers zijn voornamelijk afkomstig van commercieel gedreven studies van grote advies- en analysebureaus, waarvan de definities van beheerde AI aanzienlijk variëren en zelden onthullen welk deel daadwerkelijk toe te schrijven is aan pure operationele activiteiten in plaats van software, infrastructuur of eenmalige adviesdiensten. Tot op heden bestaat er geen betrouwbare, methodologisch consistente en onafhankelijk geverifieerde ranglijst van de sectoren met de grootste vraag naar beheerde kunstmatige intelligentie. Iedereen die verstandige investeringsbeslissingen neemt op basis van dergelijke ranglijsten, dient zich bewust te zijn van deze methodologische onnauwkeurigheid en de onderliggende aannames van elke individuele studie kritisch te onderzoeken alvorens deze als vaststaande feiten te beschouwen.

Konrad Wolfenstein

Ik sta graag tot uw beschikking als uw persoonlijke adviseur.

U kunt contact met mij opnemen via wolfenstein∂xpert.digital of

U kunt me bellen op +49 7348 4088 965 .

LinkedIn