Transformeren met ai
techniek is niet de bottleneck
Als digitale transformatie mislukt, is dat zelden het gevolg van techniek. Het gaat meestal mis door het gat tussen ’toegang hebben tot een tool’ en ‘die tool daadwerkelijk in het businessproces verweven krijgen’. Dat gat staat centraal in een nieuwe publicatie van OpenAI.
Tekst: ROBBERT HOEFFNAGEL Beeld: AI – WONDERWORKS
De onderzoekers gebruikten voor hun rapport How Organizations Use AI: Evidence from ChatGPT telemetriedata: meer dan zeventien miljoen berichten van ruim 1700 organisaties, gekoppeld aan functietitels, taakclassificaties en financiële bedrijfsgegevens. Het resultaat is zeker geen succesverhaal, al geeft het wel een interessant beeld van hoe ongelijk en traag digitale transformatie via ai tot nu toe verloopt.
De onderzoekers – Aaron Chatterji, David Holtz, Neel Rakholia, Prasanna Tambe en Gawesha Weeratunga – plaatsen hun bevindingen expliciet in de traditie van onderzoek naar zogeheten general purpose technologies: elektriciteit, de stoommachine, de computer. Het patroon is volgens hen telkens hetzelfde. Toegang tot de technologie is niet de bottleneck; de bottleneck is dat organisaties moeten leren welke toepassingen waarde opleveren, moeten investeren in complementaire capaciteiten en hun manier van werken moeten herstructureren. Waarde ontstaat pas nadat die vertaalslag heeft plaatsgevonden, niet al direct bij de eerste aanschaf.
Voor ai vertaalt zich dat direct in de cijfers. Tussen juni 2025 en maart 2026 groeide het totale aantal gegenereerde output-tokens bij ChatGPT Enterprise-klanten ongeveer zevenvoudig. Maar bij een vaste groep bedrijven die al eerder — tussen januari 2024 en juni 2025 — was ingestapt, verviervoudigde het gebruik in diezelfde periode alsnog. Ruwweg de helft van de totale groei komt dus niet van nieuwe klanten, maar van bestaande klanten die dieper gaan integreren. Dat is precies het diffusiepatroon dat de literatuur over general purpose technologies voorspelt: eerst adoptie, dan een langzamere, geleidelijke verdieping.
‘Bedrijven met een hogere productiviteit per werknemer hebben een significant grotere kans om ChatGPT Enterprise te adopteren’
Wie loopt voorop?
Een cruciale vraag voor elke transformatiestrategie is: wie loopt voorop, en waarom? Door ChatGPT Enterprise-accounts te koppelen aan Compustat, een database met financiële data van Amerikaanse beursgenoteerde bedrijven, laat het onderzoek zien dat early adopters geen doorsnee bedrijven zijn. Hun gemiddelde omzet ligt op 2,3 miljard dollar tegenover 168 miljoen dollar bij niet-adopters. Ze hebben gemiddeld drieduizend werknemers in dienst, tegenover 354, en investeren fors meer in r&d en in kapitaalgoederen.
Dat is deels een kwestie van budget. De onderzoekers laten echter ook zien dat schaal niet de enige verklaring is. Bedrijven met een hogere omzet (lees: productiviteit) per werknemer hebben een significant grotere kans om ChatGPT Enterprise te adopteren. Belangrijker nog voor transformatiedenkers: Bedrijven met een grotere voorraad aan organisatorisch kapitaal vóór de adoptiedatum – gemeten aan de hand van de zogeheten selling, general & administrative expenses, r&d-investeringen en gekapitaliseerde software – adopteren eveneens vaker en intensiever. Digitale transformatie via ai lijkt dus niet zozeer een nieuw hoofdstuk te zijn, maar eerder een voortzetting van een patroon bij bedrijven die al langer investeren in organisatie, kennis en systemen. Wie dat fundament niet heeft, start met een achterstand die de technologie zelf niet wegneemt, schrijven de onderzoekers.
Dat brengt een ongemakkelijke implicatie met zich mee, die de onderzoekers zelf ook benoemen: als grotere bedrijven die relatief veel investeren in kennis, systemen en software sneller en dieper adopteren, kan generatieve ai bestaande verschillen tussen bedrijven in productiviteit en marktwaarde eerder vergroten dan verkleinen – ook al is de onderliggende technologie voor iedereen even breed beschikbaar.
Waar landt transformatie het eerst?
Zes maanden na adoptie is het gebruik verrassend breed verspreid over functies en senioriteitsniveaus, zo blijkt uit het onderzoek. Het blijft niet hangen bij één technische afdeling. Engineering- en technische medewerkers vormen de grootste gebruikersgroep (circa elf procent van de wekelijks actieve gebruikers), gevolgd door executives, oprichters en partners (negen procent). Maar bereik en intensiteit zijn twee verschillende dingen: analisten en medewerkers in marketing en communicatie versturen wekelijks aanzienlijk meer berichten via hun ai-chatbot dan de gemiddelde gebruiker binnen hun bedrijf, terwijl executives juist onder het gemiddelde zitten.
‘De techniek zorgt niet voor de vertraging; de organisatie doet dat’
Het scherpste patroon zit in senioriteit. Medewerkers aan het begin van hun carrière sturen structureel acht tot negen berichten per week meer dan de gemiddelde actieve gebruiker binnen hetzelfde bedrijf. Managers, directeuren en executives zitten daar juist onder. Voor wie transformatie aanstuurt, is dat een belangrijk signaal: de meest intensieve gebruikers zitten niet aan de top van de organisatie, maar onderaan — waar leercurves het steilst zijn en werkprocessen nog het minst zijn vastgeroest.
Wat OpenAI wel en niet claimt over productiviteit
Opvallend is hoe terughoudend de onderzoekers zelf zijn over productiviteitswinst. Het rapport meet gebruik, geen output. Er wordt nergens gesteld dat meer berichten naar een ai-chatbot sturen tot betere resultaten leidt. De auteurs benadrukken bovendien expliciet dat hun bevindingen ‘niet causaal’ moeten worden geïnterpreteerd. Bedrijven die ai intensiever gebruiken, hebben ook al een hogere omzet en marktwaarde per werknemer voordat je naar ai-gebruik kijkt.
Wat het onderzoek wel biedt, is een empirische onderbouwing van een volgens de onderzoekers vaak genegeerde waarheid: digitale transformatie met ai is geen aankoopbeslissing, maar een organisatieproject. Een traject dat draait op complementaire investeringen, brede verspreiding door de hele hiërarchie heen en aanhoudende begeleiding tot lang na de eerste uitrol. Voor wie die transformatie zelf moet leiden, is dat misschien de meest bruikbare conclusie uit het onderzoek: De techniek zorgt niet voor de vertraging; de organisatie doet dat.
Wat betekent 'gebruik' concreet?
Met een classifier die berichten indeelt in zestig taakcategorieën, brengt het onderzoek in kaart waar digitale transformatie zich in de praktijk afspeelt.
- Meer dan de helft van de actieve gebruikers zet ChatGPT wekelijks in voor documentatie en technisch schrijven.
- Bijna de helft gebruikt ChatGPT wekelijks voor technisch-digitaal werk.
- Onderzoek, planning, data-analyse, sales en marketing, juridisch werk en financieel-fiscaal werk volgen bij grote groepen gebruikers.
Kijk je naar berichtvolume in plaats van bereik, dan verschuift het beeld: documentatie, technisch werk en het opstellen van berichten domineren het volume, terwijl taken zoals marktonderzoek relatief weinig berichten opleveren. Breedte van gebruik en diepte van gebruik zijn dus geen synoniemen, en dat onderscheid is precies waar transformatiestrategieën vaak misgrijpen: een tool die door iedereen wordt gebruikt, is niet automatisch een tool die het werk al fundamenteel heeft veranderd.
