Bain & Company: 90% van de bedrijven verhoogt AI-budget ondanks tegenvallende kostenbesparingen

- Uit de Automation and AI Pathfinder survey van Bain & Company blijkt dat bijna 40% van de bedrijven die de kostenbesparingen van AI hebben gemeten, uitkwam op minder dan 10% besparing. Dit terwijl zij mikten op 11% tot 20%. Toch verhoogt 90% van deze bedrijven opnieuw hun AI-budgetten.
- De meeste investeringscases gaan uit van de economische voordelen van volledige automatisering, maar de praktijk is veel mensgerichter. Momenteel gebruikt slechts 7% van de bedrijven volledig autonome AI-agents.
- 44% van de bedrijven financiert de volgende golf van AI-investeringen met besparingen uit eerdere automatiseringsprojecten, terwijl die besparingen stelselmatig lager uitvallen dan verwacht.
- Toegang tot en integratie van data vormen de grootste belemmering voor vooruitgang op het gebied van AI. Bedrijven die de beste resultaten behalen, benoemen dit probleem zelfs vaker als obstakel dan de bedrijven die hun doelstellingen niet hebben gehaald. Het dataprobleem is reëel, het als reden gebruiken om af te wachten is dat niet.

Uit onderzoek van Bain & Company onder 951 bedrijven wereldwijd blijkt dat 37% van de bedrijven mikte op kostenreducties van 11% tot 20%, maar bijna 40% van de bedrijven die hun resultaten daadwerkelijk hebben gemeten kwamen uiteindelijk op slechts 0% tot 10% kostenbesparing (zie Figuur 1). De technologie werkte, de waarde bleef echter achter. In plaats van een pas op de plaats te maken om te begrijpen waarom, verhoogt 90% van dezelfde bedrijven nu opnieuw hun budgetten. Dit keer voor AI-agents die met nog meer autonomie, complexiteit en impact zullen opereren.

Figuur 1: Bijna 40% van de bedrijven die de kostenbesparingen van AI hebben gemeten, kwam uit op minder dan 10%, ondanks een doelstelling van 11% tot 20%

De meeste leidinggevenden zien AI-agents in de nabije toekomst als autonome systemen die complexe beslissingen volledig zelfstandig van begin tot eind afhandelen. De gegevens laten echter een ander beeld zien: slechts 7% van de bedrijven gebruikt momenteel volledig autonome AI-agents. Met 38% is "menselijke goedkeuring vereist" het meest genoemde model onder respondenten. Nog eens 32% werkt met waarborgen en uitzonderingen, waarbij een mens ingrijpt zodra de agent iets tegenkomt dat hij niet met voldoende vertrouwen kan afhandelen (zie Figuur 2).

Figuur 2: De meeste investeringscases gaan uit van volledige automatiseringseconomie, maar slechts 7% van de bedrijven draait volledig autonome AI-agents

Er schuilt nog een tweede financieel risico, dat voor iedereen zichtbaar is maar vaak over het hoofd wordt gezien. 44% van de bedrijven willen hun investeringen in generatieve en agentische AI financieren door middel van besparingen uit eerdere automatiseringsprogramma’s. De volgende golf financieren met opbrengsten uit het verleden klinkt als degelijk financieel beleid. In werkelijkheid is het een zichzelf in stand houdende constructie waarin structureel waarde weglekt.

Opvallend is dat de bedrijven die hun doelstellingen wel hebben gehaald, data als een grotere barrière zien dan bedrijven die hun doelen niet hebben gehaald;44% tegenover 40%. Deze bedrijven hebben het probleem niet opgelost, maar zijn er juist tegenaan gelopen omdat ze op schaal aan het implementeren zijn. De onderpresteerders noemen daarentegen vooral organisatorische obstakels: onvoldoende budget, het ontbreken van een Center of Excellence en concurrerende prioriteiten.

Dit zijn geen technologische problemen, het zijn signalen dat AI nog niet het mandaat of de aandacht van het bestuur heeft gekregen die het nodig heeft. De bedrijven die vooroplopen hebben het dataprobleem niet sneller opgelost; ze zijn ermee gestopt het als een IT-probleem te behandelen en zijn het gaan zien als een zakelijke randvoorwaarde op bestuursniveau. Cruciaal is dat zij ook zijn gestopt met het gebruiken van onvolmaakte data als reden om actie volledig uit te stellen.