Iedereen zegt dat AI belangrijk is. Slechts 5% doet er écht iets mee.

Het jaarlijkse Global Human Capital Trends-onderzoek van Deloitte kijkt naar hoe organisaties werken, leiden en veranderen. De editie van 2026 bevat een opvallend patroon: bij elk van de grote thema's rond AI zegt een ruime meerderheid van de bedrijven dat het belangrijk is. En bij elk van die thema's zegt slechts 5 tot 7 procent dat het ook echt vooruitgang boekt.

Die kloof tussen weten en doen is geen technologieprobleem. Het is een ontwerpprobleem. En precies daar liggen kansen voor bedrijven die het anders aanpakken.

De cijfers die opvallen

Belangrijk vinden is niet hetzelfde als het doen

Deloitte legde dezelfde twee vragen voor bij vijf verschillende thema's: hoe belangrijk is dit voor u? en hoe ver staat u er al in? Het resultaat is telkens hetzelfde beeld: een brede erkenning, veel initiatieven, en bijna geen echte doorbraken.

AI bovenop oude processen plakken werkt niet

Bijna 60% van de werknemers gebruikt vandaag bewust AI op het werk. Toch zegt slechts 14% van de leiders dat hun organisatie bedreven is in het vormgeven van de samenwerking tussen mens en AI. De rest legt AI als een extra laag over bestaande processen, systemen en rollen heen.

Dat verklaart waarom de winst zo ongelijk verdeeld is. Organisaties die in het ontwerp van die samenwerking voorop lopen, hebben bijna 2,5 keer meer kans om betere financiële resultaten te rapporteren, en zijn twee keer zo vaak van mening dat ze werknemers zinvol werk bieden.

Ook de data zelf wordt minder betrouwbaar

Een tweede reeks cijfers verdient aandacht, want ze raakt aan wat voor elk bedrijf het fundament is: betrouwbare informatie.

Het rapport citeert een financieel medewerker die 25 miljoen dollar overmaakte na een videogesprek met een deepfake van de financieel directeur. En bij een Amerikaans beveiligingsbedrijf bleek 1 op 6 sollicitaties tekenen van fraude te vertonen. Dit zijn geen verre scenario's. Het zijn de risico's van een wereld waarin "wie deed wat?" steeds moeilijker te achterhalen is.

Wie beslist als AI mee beslist?

Zestig procent van de executives gebruikt AI vandaag al regelmatig om beslissingen te ondersteunen, en Gartner verwacht dat tegen 2027 de helft van de zakelijke beslissingen door AI-agents wordt ondersteund of geautomatiseerd. Toch zegt maar 5% van de organisaties dat ze hier voorop lopen. Meer dan de helft (57%) van de onderzochte organisaties heeft bovendien een laag niveau van besluitvormingsmaturiteit.

Wie mag beslissen, wanneer grijpt een mens in, en wie draagt de verantwoordelijkheid als het misloopt? Dat zijn vragen die u beter beantwoordt vóórdat een systeem live gaat dan achteraf.

De bedrijven die het wél doen

Het rapport bevat ook concrete voorbeelden van wat er gebeurt als organisaties het ontwerp serieus nemen:

• Levi Strauss verhoogde de verkoop van een productcategorie met 15% in drie maanden door ontwerpers, handelaars en marketing te laten samenwerken met AI die zwakke signalen in de vraag opspoorde.
• 7-Eleven automatiseerde 95% van de routinetaken in recrutering met een AI-assistent, goed voor 40.000 uur per week, en gaf recruiters een nieuwe rol in plaats van ze te vervangen.
• Cleveland Clinic herontwierp taken van medische assistenten en creëerde zo de capaciteit van 430 voltijdse medewerkers, met meer dan 2 miljoen dollar besparing.
• Atlassian zag het gemiddelde wekelijkse AI-gebruik bij nieuwe medewerkers stijgen van 57% naar 93% door AI bewust in de onboarding in te bouwen.

Wat deze voorbeelden gemeen hebben: de winst kwam niet uit een duurder model of een extra licentie, maar uit het opnieuw bedenken hoe het werk loopt.

Wat betekent dit voor uw bedrijf?

Deloitte schrijft het zelf: technologie is kopieerbaar, de manier waarop u mensen en systemen samen laat werken niet. Dat is goed nieuws voor kleinere en middelgrote organisaties. Een kmo hoeft de grootste speler niet te zijn, maar kan wel sneller bijsturen. Het begint met een paar eenvoudige vragen:

• Welk concreet werkproces willen we verbeteren, en wat is daar vandaag het knelpunt?
• Wie beslist in dat proces, en op welk punt moet een mens kunnen ingrijpen?
• Welke data gebruiken we, en kunnen we vertrouwen op de herkomst en kwaliteit ervan?
• Hoe meten we of het resultaat er echt is, in plaats van enkel of het systeem draait?

Bij Flozon vertrekken we altijd vanuit het resultaat dat u wil bereiken. We kijken eerst naar het proces en de mensen die ermee werken, en kiezen daarna pas de technologie die daarbij past: een integratie tussen bestaande systemen, een maatwerkoplossing of AI waar die echt meerwaarde biedt. Zo komt u aan de goede kant van de kloof terecht.