In het kort
- MIT onderzocht miljardeninvesteringen in AI: 95% van de bedrijfsbrede pilots leverde geen meetbaar resultaat op.
- Hetzelfde onderzoek: bij ruim 90% van die bedrijven gebruikten medewerkers al AI op eigen houtje. Adoptie mislukte niet, ze verhuisde naar het individu.
- Werkende AI-adoptie = een model + jouw context + één terugkerende taak. Daar heeft het MKB structureel voordeel.
Eerst de cijfers
Grote bedrijven staken de afgelopen jaren 30 tot 40 miljard dollar in AI-projecten. MIT onderzocht wat dat opleverde en publiceerde de uitkomst in The GenAI Divide: State of AI in Business 2025: 95% van de pilots had geen meetbaar effect op het resultaat.
Je zou denken: AI is dus een hype.
Maar in hetzelfde rapport staat een tweede bevinding, en die haalt zelden de krant. Bij ruim 90% van diezelfde bedrijven gebruikten medewerkers al volop AI. Eigen accounts, eigen werkwijze, buiten elk dashboard om. Terwijl maar 40% van de werkgevers een officieel abonnement had geregeld.
AI-adoptie is niet mislukt. Ze is verhuisd.
Weg uit het bedrijfsbrede project, naar één persoon met één terugkerende taak.
Wat AI-adoptie werkelijk is
De definitie die uit al dat onderzoek naar boven komt is simpel:
AI-adoptie = een model + jouw context + één terugkerende taak.
Adoptie is de afstand tussen een generiek model en jouw specifieke werk. Die afstand moet naar nul. Een licentie verkleint hem niet, een dashboard ook niet. Context doet dat: jouw werkwijze, jouw voorbeelden, jouw correcties, keer op keer teruggevoerd in het model.
Veertig inlogaccounts zijn een statistiek. Eén taak die voortaan door het model loopt, dat is adoptie.
Waarom grote bedrijven hier zo slecht in zijn
Niet omdat de mensen daar dommer zijn. De structuur zit tegen, op drie punten.
Toestemming. Een bedrijfsbrede uitrol is een keten: budget, security-review, juridische check, leveranciersonderhandeling, training. McKinsey: bijna twee derde van de organisaties komt niet voorbij de pilotfase. Die keten is geen onwil, een groot bedrijf moet dat borgen. Maar hij maakt itereren onmogelijk. En itereren is precies hoe adoptie ontstaat.
Pasvorm. Een uitrol geeft 5.000 mensen dezelfde generieke tool voor 5.000 verschillende banen. Uit het MIT-rapport: slechts 5% van het maatwerk haalde de praktijk, terwijl flexibele, algemene tools zich wél verspreidden. Mensen omarmen wat ze naar hun eigen werk kunnen buigen. En de enige die de vorm van jouw werk kent, ben jij.
Opbouw. Wharton-professor Ethan Mollick zag het al in 2023: taalmodellen zijn een doorbraak voor individuele productiviteit, nog niet voor organisaties. De medewerkers die AI stiekem om hun eigen werk vormden noemde hij secret cyborgs. Persoonlijke context groeit elke werkdag een beetje. Bedrijfsprojecten beginnen steeds opnieuw: elke reorganisatie, elke leverancierswissel, elke contractronde.
Drie jaar opbouwen wint van drie jaar herstarten.
Waarom het MKB hier in het voordeel is
Lees die drie punten nog eens, maar dan als MKB-ondernemer.
Toestemming? Die keten ben jij in je eentje. Tussen besluiten en doen zit een middag, geen drie kwartalen.
Pasvorm? In een bedrijf van vijf tot vijftig mensen weet iedereen precies hoe het eigen werk eruitziet. Er zit geen stafafdeling tussen die generiek inkoopt voor iedereen.
Opbouw? Jouw context is al bij elkaar. De offertes van vorig jaar, je prijsafspraken, hoe jij een klant te woord staat. Bij een concern verspreid over duizend mensen. Bij jou in een paar mappen.
“Het MKB loopt achter op AI” klopt dus maar half. Jullie lopen achter op de vorm die bijna nooit werkt. En jullie staan voor op de vorm die wél werkt.
Zo begint het
Niet met een plan voor alles. Met één terugkerende taak, elke week hetzelfde:
- de offerte die je elke keer vanaf hetzelfde sjabloon opbouwt
- de wekelijkse rapportage uit dezelfde drie bronnen
- de eerste opzet van elke vacaturetekst, mailing of productomschrijving
Kies er één. Geef het model je voorbeelden en je eisen, corrigeer wat er misgaat, en voer die correcties terug.
Neem een installatiebedrijf dat elke week offertes maakt. De ondernemer geeft het model tien oude offertes, de prijslijst en de huisregels: wij noemen nooit een prijs zonder voorbehoud. De eerste week corrigeert hij de helft. Elke correctie gaat terug in de instructies. Na een maand levert het model een eerste opzet waar hij nog vijf minuten aan schaaft, waar eerst een uur in zat. Geen project, geen consultant. Eén taak die vanzelf loopt.
Wie de context bezit, bezit de adoptie. Waarom dat eigenaarschap ook strategisch telt, schreven we eerder in AI-soevereiniteit: wie is straks eigenaar van jouw voorsprong?
Wat dit niet oplost
Eén getraind model maakt van jouw bedrijf geen ander bedrijf. De moeilijkste vraagstukken blijven liggen, en het inrichten is echt werk, verspreid over weken.
Maar dat is precies het punt. De dure route leverde in 95% van de gevallen niets op. De kleine route levert vanaf week één, en wordt daarna elke maand beter.
Daarom laten wij AI-strategie nooit beginnen met een tool-keuze, maar met één vraag: welke taak pakken we het eerst? Het is onze missie in het klein: wat in Amerika al bewezen is hier laten landen, zodat een ondernemer in Friesland voorsprong krijgt in plaats van achterstand.
De data komt uit miljardenprojecten. De les is gratis.