AI-adoptie: waarom gebruik en structurele adoptie twee heel verschillende dingen zijn

Bijna elke organisatie gebruikt inmiddels AI in enige vorm: een medewerker die ChatGPT opent voor een tekst, een marketeer die AI gebruikt om content te concepten. Maar een klein deel van diezelfde organisaties heeft AI daadwerkelijk verweven in bedrijfsprocessen op een manier die structureel, herhaalbaar resultaat oplevert. Dat gat tussen "gebruiken" en "structureel toepassen" is waar de echte winst, en het echte werk, zit. McKinsey meet het wereldwijd: 88 procent van de organisaties gebruikt AI in minstens één bedrijfsfunctie (The State of AI 2025), maar slechts 1 procent van de leiders noemt de eigen organisatie volwassen in AI (Superagency in the workplace, 2025). En maar zo'n 6 procent haalt meer dan 5 procent van het bedrijfsresultaat uit AI.

Wat het verschil is tussen gebruik en adoptie

Gebruik is individueel en incidenteel: iemand opent een tool wanneer het hem uitkomt, voor een taak die hij zelf heeft bedacht. Adoptie is structureel en organisatiebreed: het proces zelf is heringericht rond wat AI kan, met een aanwijsbare eigenaar, een meting van voor en na, en herhaalbaarheid voor iedereen die het proces gebruikt, niet alleen voor de ene persoon die toevallig wist hoe. Het verschil tussen die twee is precies het verschil tussen "we hebben AI geprobeerd" en "AI levert ons meetbaar iets op".

Dit onderscheid is geen semantisch spel. Het is de reden waarom twee organisaties met exact dezelfde tools (allebei een Copilot-licentie, allebei een ChatGPT Teams-abonnement) totaal verschillende resultaten kunnen boeken. De ene organisatie heeft de licentie uitgedeeld en hoopt op resultaat; de andere heeft één concreet proces heringericht rond die licentie, met iemand die verantwoordelijk is voor of het daadwerkelijk werkt.

Waarom de meeste organisaties op "gebruik" blijven steken

Eerste reden: geen mandaat om processen te herzien. AI wordt vaak bij IT neergelegd, of bij één enthousiaste medewerker, zonder dat die persoon het mandaat heeft om een bestaand proces daadwerkelijk te veranderen. Die persoon kan wel een tool aanraden, maar niet beslissen dat het team voortaan anders gaat werken, en zonder die beslissingsbevoegdheid blijft het bij een suggestie, niet bij adoptie.

Tweede reden: begonnen bij de tool, niet bij het proces. Wanneer het startpunt "we hebben nu Copilot, wat kunnen we ermee" is, in plaats van "dit proces kost te veel tijd, wat lost dat op", blijft de impact beperkt tot wat die ene tool toevallig goed kan: ongeacht of dat wel het grootste knelpunt is.

Derde reden: geen nulmeting, dus geen bewijs. Zonder een meting van de situatie vóór AI, kan niemand achteraf aantonen of het iets heeft opgeleverd. Bij de eerstvolgende budgetronde is dat een project zonder verdediging: het wordt dan stilletjes losgelaten, niet omdat het niet werkte, maar omdat niemand kon bewijzen dát het werkte.

Wat structurele adoptie wél vraagt

Vier elementen komen steeds terug bij organisaties die de stap wél maken: een concreet proces als startpunt (niet "AI" in het algemeen, maar bijvoorbeeld "de opvolging van binnenkomende leads"), een eigenaar die verantwoordelijk is voor het resultaat (niet alleen voor de techniek), een meting vooraf en erna, en tijd voor het team om te wennen aan de nieuwe manier van werken. Dat laatste wordt structureel onderschat: een proces kan technisch al klaar zijn, terwijl het team er nog weken of maanden mee moet oefenen voordat het echt gaat werken zoals bedoeld.

Adoptie is daarmee primair een organisatorisch vraagstuk, geen technisch vraagstuk. De techniek is bij de meeste standaardtoepassingen (documentverwerking, klantcommunicatie, rapportages) inmiddels volwassen genoeg. Het knelpunt zit vrijwel altijd in de organisatie eromheen: wie is eigenaar, wanneer wordt gemeten, wie neemt het team mee.

Een concreet voorbeeld: hetzelfde tool, twee uitkomsten

Twee vergelijkbare bedrijven schaffen allebei een Copilot-licentie aan voor het hele team. Bedrijf A stuurt een aankondigingsmail, wijst iedereen op de nieuwe licentie, en gaat ervan uit dat het team het zelf wel oppakt. Drie maanden later gebruikt een handvol mensen het sporadisch voor tekst opschonen; de licentie staat er, het rendement niet. Bedrijf B kiest één proces, het samenvatten van klantgesprekken voor het CRM, wijst een eigenaar aan, meet hoeveel tijd dat nu kost, en zet Copilot daar gericht op in met een vast protocol. Na drie maanden is dat proces aantoonbaar sneller, met cijfers om het te bewijzen. Dezelfde licentie, twee compleet verschillende uitkomsten: het verschil zat niet in de tool, maar in de aanpak eromheen.

Wat dit voor jouw organisatie betekent

Als AI bij jullie vooral individueel wordt gebruikt zonder duidelijk eigenaarschap of meting, zit je met grote waarschijnlijkheid in de brede meerderheid, niet in de kleine groep die er structureel resultaat uit haalt. Dat is geen probleem om je voor te schamen, en zeker geen uitzondering: het is de norm. Het is wel een concreet startpunt, omdat het aangeeft waar de eerste winst te behalen is: niet meer tools kopen, maar één bestaand proces daadwerkelijk herinrichten.

Van "gebruik meten" naar "adoptie meten": het verschil met een AIMI-scan

Een simpele vraag als "gebruikt jullie team AI?" meet gebruik, niet adoptie, en dat is precies het probleem dat dit artikel beschrijft. De AIMI-scan is gebouwd om dat onderscheid wél te maken: in plaats van één ja/nee-vraag, meet de scan vijf aparte lagen (Cognitie, Gedrag, Proces, Technologie, Organisatie), waarbij Gedrag specifiek meet of gebruik structureel is of incidenteel, en Organisatie specifiek meet of er een eigenaar is. Dat splitst het brede begrip "adoptie" op in de onderdelen die er in de praktijk toe doen. Zie de volledige uitleg op de AIMI-modelpagina.

Vergelijking: gebruik vs. structurele adoptie

| | Gebruik | Structurele adoptie | |---|---|---| | Wie beslist | Individuele medewerker | Aangewezen eigenaar | | Meting | Geen | Nulmeting + vervolgmeting | | Herhaalbaarheid | Alleen voor die ene persoon | Voor iedereen die het proces gebruikt | | Resultaat bij vertrek medewerker | Verdwijnt met de persoon | Blijft, want ingebed in het proces | | Zichtbaar voor management | Nauwelijks | Volledig, met cijfers |

Veelgestelde vragen

Waar komen de 88 procent en de 1 procent vandaan? Allebei uit onderzoek van McKinsey, en allebei wereldwijd, niet specifiek voor Nederland. De 88 procent komt uit The State of AI 2025: het aandeel organisaties dat AI regelmatig gebruikt in minstens één bedrijfsfunctie. De 1 procent komt uit Superagency in the workplace (januari 2025): het aandeel leiders dat de eigen organisatie volwassen noemt, waarbij AI volledig in de werkprocessen zit en substantieel resultaat oplevert. Het zijn twee verschillende onderzoeken, maar ze laten hetzelfde patroon zien. Onderzoek van MIT NANDA (2025) wijst dezelfde kant op: 95 procent van de AI-pilots levert geen meetbare financiële impact op.

Hoe stap ik van gebruik naar structurele adoptie? Begin bij één proces met veel herhaling, meet het huidige resultaat, richt het opnieuw in met AI en een aangewezen eigenaar, en meet opnieuw. Herhaal dat per proces in plaats van in één keer de hele organisatie te willen veranderen.

Wat is de eerste stap om te weten waar ik nu sta? Weten waar je nu staat, per laag, niet alleen als totaalindruk. Doe de AIMI-scan om je huidige niveau in kaart te brengen.

Kost structurele adoptie meer dan losse tool-aanschaf? Niet per se in geld, wel in tijd en aandacht: het vraagt om iemand die eigenaarschap neemt en om een meting die anders niet nodig zou zijn. Die tijdsinvestering is vaak kleiner dan gedacht en verdient zich terug doordat het resultaat wél aantoonbaar en herhaalbaar is.

Is individueel gebruik dan waardeloos? Nee, het is vaak het begin: iemand die individueel ontdekt wat een tool kan, legt de basis voor een latere, gestructureerde toepassing. Het probleem ontstaat pas als het bij dat individuele stadium blijft hangen zonder ooit door te groeien.

Waarom lukt het grote bedrijven ook niet altijd beter dan kleine? Omvang helpt niet automatisch. Grotere organisaties hebben vaak meer losse initiatieven tegelijk, wat het juist moeilijker maakt om overzicht en eigenaarschap te organiseren. Kleinere organisaties met één duidelijke beslisser kunnen sneller schakelen.

Hoe herken ik of mijn organisatie op "gebruik" blijft steken? Vraag jezelf af: is er iemand die met naam en toenaam verantwoordelijk is voor het resultaat van AI-gebruik in minstens één proces? Is daar een meting van voor en na? Als het antwoord op beide nee is, zit je waarschijnlijk nog op het niveau van individueel gebruik.

Wat is een realistische eerste stap als we nu nergens staan? Kies één proces met veel herhaling, wijs één eigenaar aan, en meet de huidige situatie voordat je iets verandert. Dat is genoeg om te beginnen: je hoeft niet meteen een organisatiebrede aanpak te hebben.