Veel organisaties investeren in kunstmatige intelligentie (AI) zonder helder inzicht in de resultaten van hun inspanningen. Dit rapport onthult dat de adoptie van AI de afgelopen jaren explosief is toegenomen, maar dat minder dan 40% van de organisaties in staat is om de impact op bedrijfsniveau te demonstreren. De belangrijkste reden hiervoor is het ontbreken van effectieve meetinstrumenten die organisaties helpen om de voortgang, impact en effectiviteit van hun AI-initiatieven te evalueren. Het rapport benadrukt dat het meten van AI-resultaten essentieel is voor het maken van gefundeerde beslissingen en het rechtvaardigen van bredere uitrol, en biedt een raamwerk voor AI-monitoring dat vier belangrijke dimensies van impact in kaart brengt.
Voor organisaties die AI willen implementeren of verbeteren, biedt dit rapport praktische handvatten en inzichten. Het is gericht op managers, beleidsmakers en AI-specialisten die de effectiviteit van hun AI-strategieën willen verhogen. Door gebruik te maken van AI-scans en analysetools kunnen zij niet alleen de huidige situatie in kaart brengen, maar ook gerichte verbeteringen doorvoeren. Dit rapport stelt dat het ontwikkelen van een cultuur van meten en rapporteren een strategische competentie is, die organisaties in staat stelt om AI van een experiment naar structurele waarde te transformeren.
Veel organisaties investeren in AI zonder precies te weten wat het oplevert. Ze starten pilots, implementeren tools en kondigen ambities aan — maar missen de instrumenten om te beoordelen waar ze staan, wat werkt en wat niet. Dat is een kostbare blinde vlek. Wie AI serieus wil inzetten, heeft inzicht nodig: in de huidige situatie, de voortgang van initiatieven en de impact op productiviteit en werkprocessen. Dit tweede artikel in een driedelige serie over AI in organisaties bespreekt hoe analysetools, AI-scans en monitoringmechanismen die inzichten kunnen leveren — en daarmee de basis vormen voor gerichte verbetering en verantwoorde schaling.
Hoe analysetools en scans de AI-volwassenheid van uw organisatie in kaart brengen — en gericht verbeteren mogelijk maken
De meetkloof: adoptie zonder inzicht
De adoptie van AI is de afgelopen jaren explosief gestegen. Waar in 2023 nog 33% van de organisaties wereldwijd generatieve AI gebruikte, is dat in 2025 opgelopen naar 72%, zo blijkt uit de McKinsey State of AI 2025. Maar adoptie is niet hetzelfde als impact. McKinsey constateert tegelijkertijd dat minder dan 40% van de organisaties een duidelijke bijdrage van AI op bedrijfsniveau kan aantonen. En dat heeft een directe oorzaak: de meeste organisaties meten onvoldoende.
Zonder meetinstrumenten ontstaat een situatie waarbij AI-initiatieven blijven leven op basis van enthousiastme, anekdotes en verwachtingen — in plaats van op feiten. McKinsey noemt dit expliciet als belemmering: organisaties die geen duidelijke KPI's hanteren gekoppeld aan bedrijfsresultaten, slagen er niet in de waarde van AI-pilots te bewijzen en kunnen daarmee ook geen bredere uitrol rechtvaardigen. 'Measurement is immature,' concludeert het rapport, en benadrukt dat organisaties met rijpe meetsystemen minder AI-incidenten kennen en meer waarde realiseren.
Voor Nederlandse organisaties geldt hetzelfde beeld. Het AI-Trendonderzoek 2025 van Berenschot en Waag Futurelab laat zien dat slechts een minderheid beschikt over vastgestelde afspraken voor AI-toepassing en evaluatie. Bij 43% ontbreken richtlijnen volledig — laat staan meetprotocollen voor impact en voortgang.
Wat moet worden gemeten? Een raamwerk voor AI-monitoring
Effectieve AI-monitoring begint met de juiste meetdimensies. Er zijn vier niveaus waarop AI-impact zinvol kan worden gevolgd.
1. Procesefficiëntie
In hoeverre versnelt AI specifieke werkprocessen? Denk aan doorlooptijden, afhandelingstijden van klantvragen, of de tijd die medewerkers besteden aan routinetaken. Uit onderzoek van McKinsey en BCG naar consultants die werken met generatieve AI, bleek dat zij taken tot 25% sneller afronden en met hogere kwaliteit — concreet meetbare winsten.
2. Kwaliteit van output
Neemt het aantal fouten af? Is de kwaliteit van documenten, analyses of beslissingen verbeterd? Kwaliteitsmetingen vereisen een nulmeting vóór AI-implementatie en periodieke hertesting nadien.
3. Medewerkerbeleving en adoptie
Hoeveel medewerkers gebruiken AI actief en regelmatig? Hoe ervaren zij de samenwerking met AI-tools? Uit het EY US AI Pulse Survey (december 2025) bleek dat 96% van de organisaties die in AI investeren productiviteitswinst ervaart, maar dat slechts 57% die winst als significant bestempelt. Adoptiedata geven inzicht in waar weerstand of onzekerheid zit.
4. Businessimpact
Wat is het effect op klanttevredenheid, omzet, kosten of marktaandeel? McKinsey's State of AI rapporteert dat AI de klanttevredenheid met tot 45% kan verbeteren — maar dat dit alleen zichtbaar is als de juiste metingen zijn ingericht.
AI-scans: de nulmeting als startpunt
Voordat voortgang gemeten kan worden, is een nulmeting nodig. AI-readiness scans en volwassenheidsmodellen bieden daarvoor een gestructureerde aanpak. Ze brengen de huidige situatie in kaart op meerdere dimensies tegelijk: strategie en visie, governance en beleid, datakwaliteit, technologische infrastructuur, medewerkercompetenties en cultuur.
Internationaal zijn er verschillende erkende raamwerken voor AI-volwassenheid. Het AI Maturity Model van Stanford HAI en het Responsible AI Maturity Model van IBM onderscheiden doorgaans vijf niveaus — van 'geen AI-beleid' tot 'AI volledig geïntegreerd in strategie en bedrijfsvoering.' Een scan op basis van zo'n model geeft organisaties een eerlijk beeld van waar ze staan en wat de prioriteiten zijn voor verbetering.
In de Nederlandse context ontwikkelen steeds meer adviesbureaus en kennisinstellingen specifieke AI-scans voor organisaties. CBS publiceert jaarlijks de AI-monitor, die op sectorniveau inzicht geeft in gebruik, vaardigheden en impact van AI in Nederland.
Een goede AI-scan omvat minimaal: een inventarisatie van actieve en geplande AI-toepassingen, beoordeling van datakwaliteit en -beschikbaarheid, toetsing van beleid en governance-structuren, meting van AI-geletterdheid bij medewerkers en leidinggevenden, en analyse van cultuur en verandervermogen.
Analysetools: van data naar inzicht
Naast periodieke scans is het inrichten van doorlopende monitoring essentieel. Hiervoor zijn steeds krachtigere AI-analysetools beschikbaar die data uit meerdere systemen combineren en realtime inzichten leveren.
People Analytics platforms zoals Microsoft Viva Insights, Visier of Workday People Analytics meten hoe medewerkers tijd besteden, welke tools ze gebruiken en hoe dat samenhangt met productiviteit en welzijn. Procesmonitoringtools zoals Celonis en UiPath Process Mining visualiseren hoe werkprocessen feitelijk verlopen en waar knelpunten zitten.
BI-tools zoals Power BI, Tableau of Looker maken het mogelijk om AI-gerelateerde KPI's te volgen in een centraal overzicht. AI-specifieke monitoringtools zoals Arthur AI, Fiddler AI of Arize richten zich op de kwaliteit van AI-modellen zelf: zijn de uitkomsten nog betrouwbaar, driftet het model, en worden governance-grenzen gerespecteerd?
Van meten naar verbeteren: de cyclus van leren
Monitoring heeft alleen waarde als de inzichten leiden tot actie. Organisaties die succesvol zijn met AI, hanteren een cyclische aanpak: meten → analyseren → bijsturen → opnieuw meten. Dit vraagt om een gedeelde taal en duidelijke verantwoordelijkheden: wie is eigenaar van de AI-KPI's? Wie interpreteert de data? En wie heeft mandaat om bij te sturen?
McKinsey benadrukt dat hoge AI-performers governance en metingen actief verbinden: zij hanteren gedefinieerde model-reviewcycli, gedocumenteerde verantwoording en periodieke audits. Een recent Gartner-onderzoek bevestigt dit: 45% van organisaties met hoge AI-volwassenheid houdt AI-initiatieven langer dan drie jaar actief, tegenover slechts 20% bij minder volwassen organisaties.
Een praktische werkwijze is het invoeren van een kwartaalrapportage over AI-voortgang, gepresenteerd aan het managementteam. Daarin worden actieve initiatieven beoordeeld op impact, adoptie, risico's en doorontwikkeling. Initiatieven die niet presteren worden bijgestuurd of gestopt. Initiatieven die werken, worden versneld en opgeschaald.
De rol van AI bij het meten van AI
Een interessante ontwikkeling is dat AI zelf steeds vaker wordt ingezet om de impact van AI te meten en te analyseren. Generatieve AI-modellen kunnen grote hoeveelheden kwalitatieve feedbackdata verwerken — van enquêtes, gesprekken en reflecties van medewerkers — en hier snel patronen in herkennen. Natural language processing kan automatisch analyseren hoe medewerkers in hun eigen woorden AI-ervaringen beschrijven, welke knelpunten terugkeren en waar kansen liggen.
Dit maakt het mogelijk om het monitoringproces zelf te versnellen en te verrijken. CBS signaleert in de AI-monitor 2024 dat ook op macroniveau de monitoring van AI-gebruik verbetert, met nieuwe statistieken over producerende en gebruikende bedrijven, opleidingen en arbeidsmarktvraag.
Conclusie: meten als strategische competentie
Monitoring en meting zijn geen technische bijzaak — ze zijn een strategische competentie. Organisaties die weten waar ze staan, wat werkt en wat niet, kunnen AI doelgericht inzetten en de investering verantwoorden. Wie niet meet, stuurt blind.
De combinatie van periodieke AI-scans, doorlopende analysetools en een heldere rapportagecyclus geeft organisaties het instrumentarium om AI te laten groeien van experiment naar structurele waarde.
In het vorige deel van deze driedelige serie artikelen gingen we in op
het fundament van succesvolle AI implementatie. In het derde en
laatste deel van deze serie bespreken we hoe RAG-gebaseerde AI-assistenten en agents de volgende stap zetten: proactieve ondersteuning van werk, ontwikkeling en productiviteitsstijging.
Bronnen en inspiratie
- McKinsey & Company (2025). The State of AI 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- CBS (2025). AI-monitor 2024. https://www.cbs.nl/nl-nl/longread/aanvullende-statistische-diensten/2025/ai-monitor-2024
- EY (2025). EY US AI Pulse Survey, december 2025. https://www.so-mc.nl/ai-wiki/hoe-kan-ik-mijn-productiviteit-verhogen-met-ai/
- Gartner (2025). AI maturity and governance research. https://www.knostic.ai/blog/ai-governance-statistics
- Berenschot & Waag Futurelab (2025). AI-Trendonderzoek 2025. https://ibestuur.nl/overheid-in-transitie/toepassingen/slechts-klein-deel-overheid-heeft-beleid-voor-gebruik-van