Kunstmatige intelligentie biedt organisaties de kans om hun processen te optimaliseren en waarde te creëren, maar de realiteit laat zien dat slechts 6% van de bedrijven daadwerkelijk als 'high performer' kan worden geclassificeerd. De meeste organisaties blijven steken in experimenten en marginale verbeteringen, vaak door een gebrek aan een solide fundament. Dit fundament bestaat uit een duidelijke visie op AI, effectieve governance-structuren en hoogwaardige data. Het rapport benadrukt dat zonder deze basis, AI-initiatieven niet verder komen dan ad-hoc oplossingen en dat de risico's van slechte datakwaliteit en gebrekkige controle aanzienlijk zijn.
Voor organisaties die willen profiteren van AI, is het essentieel om nu actie te ondernemen en de juiste voorwaarden te scheppen. Dit rapport richt zich op leiders en besluitvormers die verantwoordelijk zijn voor de implementatie van AI in hun organisatie. Door te investeren in een heldere AI-visie, robuuste governance en datamanagement, kunnen bedrijven niet alleen de risico's beheersen, maar ook de kansen maximaliseren. De urgentie om deze fundamenten te leggen is groter dan ooit, aangezien organisaties die dit nalaten, achterop raken in een snel evoluerend technologisch landschap.
Kunstmatige intelligentie belooft organisaties productiever, sneller en slimmer te maken. Toch blijkt de praktijk weerbarstig: van de organisaties die AI al breed toepassen, kwalificeert slechts 6% als echte 'high performer' — bedrijven die AI op grote schaal inzetten en structurele waarde genereren, aldus de McKinsey State of AI 2025. De overige 94% blijft steken in pilots, losstaande experimenten of marginale efficiëntiewinsten. De oorzaak ligt zelden in de technologie zelf. Vrijwel altijd ontbreekt het aan een stevig fundament: een heldere visie op AI, werkende governance-structuren en data van voldoende kwaliteit. Dit eerste artikel in een driedelige serie bespreekt wat organisaties moeten regelen vóórdat ze AI succesvol kunnen benutten — en waarom die basis urgenter is dan ooit.
Hoe visie, governance en data de basis vormen voor duurzame AI-inzet in organisaties
De staat van AI-adoptie: wijdverbreid, maar oppervlakkig
Generatief AI heeft in korte tijd een ongekende verspreiding doorgemaakt. Volgens McKinsey's State of AI 2025 — een onderzoek onder 1.993 deelnemers in 105 landen — gebruikt inmiddels 88% van de organisaties AI in ten minste één bedrijfsfunctie, en maakt 72% gebruik van generatieve AI, tegenover slechts 33% een jaar eerder. Toch slaagt bijna twee derde er niet in AI op te schalen naar de volledige organisatie.
Dit is de paradox van het huidige AI-tijdperk: adoptie is hoog, impact is laag. McKinsey identificeert een reeks structurele belemmeringen die organisaties tegenhouden: gefragmenteerde AI-initiatieven zonder centrale visie of leiderschap, het plakken van AI op verouderde werkprocessen zonder die te herontwerpen, en tekortschietende datakwaliteit gecombineerd met zwakke governance en privacyzorgen. De conclusie is helder — AI-systemen presteren nooit beter dan de data en structuren waarop ze steunen.
In Nederland is het beeld vergelijkbaar. Het AI-Trendonderzoek 2025 van Berenschot en Waag Futurelab toont aan dat bij 43% van de organisaties richtlijnen voor AI-gebruik volledig ontbreken. Hoewel meer dan 90% van de respondenten verwacht dat het AI-gebruik de komende jaren fors toeneemt, heeft slechts een minderheid de organisatorische randvoorwaarden op orde. Zelfs waar beleid is opgesteld, ontbreekt vaak aandacht voor ethiek, medezeggenschapsraad en samenwerking met AI-ontwikkelaars.
Visie als vertrekpunt: meer dan een technologische keuze
Een AI-visie is geen luxe — het is de onmisbare eerste stap. Zonder een gedeeld antwoord op de vraag waarom de organisatie AI inzet en welk doel dat dient, worden AI-projecten al snel doelzoekende oplossingen. Een stevige AI-visie bepaalt de strategische richting: gaat het om kostenreductie, betere dienstverlening, innovatie, of een combinatie daarvan?
McKinsey maakt daarin een belangrijk onderscheid tussen 'high performers' en de rest. Koplopers richten zich niet alleen op efficiëntie, maar koppelen AI expliciet aan groei- en innovatiedoelstellingen. Daardoor verkrijgen ze meer cross-functionele betrokkenheid en investeringsbereidheid. Bovendien zijn AI high performers drie keer zo gericht op het betrekken van senior leiderschap. De CEO of directie neemt eigenaarschap over de AI-richting — en dat maakt het verschil.
Een AI-visie bevat doorgaans antwoorden op drie kernvragen: Welke waarde moet AI toevoegen voor de organisatie, medewerkers en klanten? Welke grenzen stellen we aan de inzet van AI, ethisch en juridisch? En hoe positioneert AI ons ten opzichte van de omgeving — partners, concurrenten en regelgevers? Steden als Amsterdam en Nijmegen hebben inmiddels concrete visiestukken opgesteld, met de mens centraal en aandacht voor realistische verwachtingen. De visie is niet technologisch, maar maatschappelijk verankerd.
Governance: het raamwerk dat AI beheersbaar houdt
Naast een visie is governance de spil waarom duurzame AI-inzet draait. Governance omvat de afspraken, structuren, rollen en processen die bepalen hoe AI ontwikkeld, ingezet, gemonitord en bijgestuurd wordt. Het is het verschil tussen ad-hoc experimenteren en een volwassen AI-programma.
Uit de McKinsey State of AI 2025 blijkt dat 51% van de organisaties al negatieve AI-uitkomsten heeft meegemaakt — van onjuiste resultaten tot bias en gebrek aan transparantie. High performers onderscheiden zich juist doordat zij deze risico's beter beheersen via gestructureerde governance: menselijke controle ('human-in-the-loop'), gecentraliseerd toezicht en heldere verantwoordelijkheden op bestuursniveau. Slechts 28% van de organisaties legt de eindverantwoordelijkheid voor AI-governance bij de CEO; slechts 17% bij de raad van bestuur.
De Europese AI Act voegt urgentie toe aan dit vraagstuk. De verordening, die gefaseerd in werking treedt, verplicht organisaties tot risicogebaseerde beoordeling van hun AI-systemen, transparantie naar gebruikers en deugdelijke documentatie. Dit raakt elk bedrijf, ongeacht de omvang. Organisaties die governance nu op orde brengen, zijn straks niet alleen beter beschermd tegen incidenten, maar ook voorbereid op naleving van regelgeving en audits.
Effectieve AI-governance bestaat minimaal uit: een AI-beleidsdocument met gebruiksrichtlijnen en verboden toepassingen, een duidelijke beslisstructuur (wie mag wat goedkeuren), periodieke audits van actieve AI-toepassingen, en een meldingsprocedure voor incidenten en ongewenste uitkomsten. ISO/IEC 42001 — de internationale managementsysteemstandaard voor AI — biedt daarvoor een bruikbaar raamwerk.
Heldere doelstellingen: meten wat telt
Visie en governance zijn onvolledig zonder concrete, meetbare doelstellingen. Toch is dit exact de plek waar veel organisaties struikelen. McKinsey signaleert dat organisaties zonder duidelijke KPI's gekoppeld aan bedrijfsresultaten niet in staat zijn om de waarde van AI-pilots aan te tonen en daarmee ook geen draagvlak krijgen voor bredere uitrol. Zonder meting geen verbetering, en zonder verbetering geen schaalbare inzet.
Goede AI-doelstellingen zijn specifiek, tijdgebonden en herleidbaar naar strategische ambities. Denk aan: verkorting van doorlooptijden met 20% in een specifiek proces, vermindering van handmatige invoerfouten met de helft, of een meetbare stijging van klanttevredenheidsscores via AI-ondersteunde service. Uit het McKinsey-rapport blijkt bovendien dat organisaties die AI koppelen aan groei- en innovatiedoelen — naast efficiency — vijf keer zo geneigd zijn grote AI-investeringen te doen en hierop door te pakken.
Een bijkomend voordeel van heldere doelstellingen is dat ze de conversatie over AI in de organisatie concretiseren. Medewerkers begrijpen dan niet alleen dát AI wordt ingezet, maar ook waartoe en met welk effect. Dat versterkt draagvlak en verlaagt weerstand.
Data en content op orde: de brandstof van AI
Geen enkel AI-systeem presteert boven het niveau van de data waarop het opereert. Toch zijn slechte datakwaliteit, versnipperde informatieopslag en zwak databeheer de meest genoemde structurele belemmeringen voor AI-schaling, zo stelt McKinsey. Organisaties die AI succesvol schalen, investeren in schone, geïntegreerde en goed beheerde data — niet in de silo's en verouderde databases die de meeste organisaties nog kennen.
Datamanagement voor AI vraagt om aandacht op vier vlakken. Ten eerste kwaliteit: data moet actueel, volledig en consistent zijn. Ten tweede toegankelijkheid: de juiste data moet beschikbaar zijn voor de juiste AI-toepassingen, zonder telkens handmatige interventie. Ten derde governance: duidelijke afspraken over eigenaarschap, gebruik, opslag en verwijdering van data, mede in het licht van AVG-compliance en de AI Act. Ten vierde content: organisaties die AI inzetten voor kenniswerk moeten ook hun interne documenten, procedures en kennisbases op orde hebben — dit is de 'content' die AI-assistenten en RAG-systemen voeden (meer hierover in deel drie van deze serie).
Een praktisch startpunt is een data-inventarisatie: welke data is beschikbaar, waar staat die, wie is eigenaar, en wat is de kwaliteit? Aansluitend kan een prioritering worden gemaakt op basis van de AI-toepassingen die de meeste waarde opleveren.
Conclusie: de basis als strategische keuze
Organisaties die de basiscondities voor AI verwaarlozen, investeren in drijfzand. De technologie is beschikbaar, betaalbaar en krachtig — maar zonder visie, governance, heldere doelstellingen en data van kwaliteit levert ze weinig structurele waarde op. Slechts 6% van de organisaties behoort nu tot de groep AI high performers. Het verschil zit niet in toegang tot betere tools, maar in de mate waarin het fundament op orde is.
De urgentie is groot. Organisaties die nu investeren in de juiste basis, bouwen een duurzame voorsprong op. Wie wacht, loopt achter in een race die steeds sneller gaat. De volgende stap — het meten en monitoren van de huidige AI-situatie met behulp van analysetools en scans — wordt besproken in
deel twee van deze serie.
Bronnen en Inspiratie
- McKinsey & Company (2025). The State of AI 2025: Agents, Innovation, and Transformation. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- Berenschot & Waag Futurelab (2025). AI-Trendonderzoek 2025. https://ibestuur.nl/overheid-in-transitie/toepassingen/slechts-klein-deel-overheid-heeft-beleid-voor-gebruik-van
- M&I/Partners (2024). AI Monitor Gemeenten 2024. https://www.binnenlandsbestuur.nl/digitaal/kunstmatige-intelligentie/slechts-een-op-drie-gemeenten-heeft-beleid-over-inzet-ai
- Batool, A.; Zowghi, D.; Bano, M. (2025). AI governance: a systematic literature review. AI and Ethics. https://link.springer.com/article/10.1007/s43681-024-00556-2
- Europese Commissie (2024). EU AI Act — Regulation on Artificial Intelligence. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai