Berfin Yağız
6 min lezen
MIT's rapport State of AI in Business 2025 onthult een verrassende, ongemakkelijke waarheid: ondanks de miljarden die in GenAI zijn geïnvesteerd, laat 95% van de pilots binnen bedrijven geen meetbare zakelijke impact zien. Wat de succesvolle 5% onderscheidt van de rest is niet de toegang tot betere modellen, grotere budgetten of geavanceerdere infrastructuur. In deze blog willen we inzoomen op een van de belangrijkste inzichten uit het MIT-rapport: de leerachterstand achter de GenAI-kloof.
De grootste barrière voor de adoptie van GenAI is niet de technologie, maar de geletterdheid binnen de hele organisatie. Het rapport laat zien dat de meeste gebruikers GenAI-tools verkiezen voor persoonlijk gebruik en kleine dagelijkse taken; maar als het aankomt op bedrijfskritisch werk, laat 90% van hen de taak liever door mensen uitvoeren. Dit toont aan dat de adoptie van AI sterk daalt zodra er geheugen, aanpassingsvermogen, responsiviteit en leerloops bij komen kijken.
Deze bevinding zou elke leider die AI-transformatie aanjaagt moeten aanspreken. De kloof die de top 5% succesvolle organisaties scheidt van de rest zit niet in budgetten of infrastructuur; het is de menselijke laag: de vaardigheden, het vertrouwen, de workflows en de geletterdheid die nodig zijn om AI-tools om te zetten in echte zakelijke waarde.
Dezelfde professionals die ChatGPT dagelijks voor persoonlijke taken gebruiken, verlangen naar leer- en geheugenmogelijkheden voor hun werk binnen de organisatie. Een aanzienlijk aantal medewerkers gebruikt AI-tools al privé en rapporteert productiviteitswinst, terwijl de formele AI-initiatieven van hun bedrijven vastlopen.
Tools integreren niet in echte workflows; ze leren niet van eerdere input, kunnen zich niet aanpassen aan verschillende teams en vergeten correcties vaak. Medewerkers laten deze tools snel links liggen omdat ze star en traag aanvoelen en losstaan van het dagelijkse werk. Medewerkers weten vaak niet hoe of wanneer ze AI moeten inzetten, missen het vertrouwen om outputs te beoordelen en zijn niet toegerust om in te schatten wanneer het model het mis heeft. Managers worstelen met het integreren van AI in bestaande processen, en veel teams hebben hun workflows niet opnieuw ontworpen om de sterke punten van AI te benutten.
Kortom, organisaties zetten geavanceerde tools in op een onvoorbereide basis en de AI-volwassenheid stort in op de menselijke laag. Dit alles leidt tot wat MIT aanduidt als de opkomst van Shadow AI: miljoenen medewerkers die op informele wijze consumenten-AI-tools gebruiken om hun werk gedaan te krijgen. Mensen vinden op eigen houtje waarde, maar bedrijven leggen die waarde niet op een gestructureerde, veilige en schaalbare manier vast.
De conclusie is duidelijk: organisaties die investeren in leren, het herontwerpen van workflows en AI-geletterdheid floreren. Organisaties die simpelweg tools uitrollen niet.
Bij Data Booster is het onze missie om organisaties de vaardigheden, structuur en het vertrouwen te geven die ze nodig hebben om data & AI betekenisvol in te zetten. Of het nu gaat om de 100.000 GenAI-leermomenten bij ABN AMRO, de gestructureerde upskilling van cross-functionele teams bij Just Eat Takeaway, of PGGM dat 400 professionals voorbereidt op een toekomst met Data Mesh: de les blijft hetzelfde. Wanneer mensen de vaardigheden en het vertrouwen krijgen om AI doelgericht in te zetten, volgt de transformatie vanzelf. Technologie versnelt de reis, maar het zijn de mensen die haar verder dragen.
