Is de AI-omzet er echt? Het antwoord vanuit de vraagkant op de bubbelvraag (2026)
By Surya Pratap
3 augustus 2026
12 min read
Startup Strategy
3 augustus 2026
12 min read
Elke serieuze versie van het argument over de AI-bubbel komt uiteindelijk neer op één onbeantwoorde vraag. De capex is enorm, de financiering is circulair, de afschrijving komt eraan — en dat is allemaal te overleven als de omzetcurve op tijd steiler wordt. Gebeurt dat? Die vraag kun je niet vanaf de aanbodkant beantwoorden, want de bedrijven die de infrastructuur bouwen, zijn de laatsten die je kunnen vertellen of hun klanten er waarde uit halen. Je moet hem vanaf de vraagkant beantwoorden: betalen bedrijven echt, en krijgen ze er iets voor terug?
De data hierover zijn beter dan het debat doet vermoeden, en ze zeggen iets interessanters dan "het is allemaal hype" of "de adoptie explodeert". Bedrijven zeggen op grote schaal geld toe en zijn van plan dat te blijven doen. Dat geld loopt daarna vast op een specifiek, herkenbaar en goed gedocumenteerd punt in de trechter. Als je AI aan bedrijven verkoopt, is dat vastlooppunt tegelijk het grootste risico voor de hele these en de helderste beschrijving van je markt die er bestaat.
Begin bij het totaalcijfer. De wereldwijde AI-uitgaven van bedrijven worden voor 2026 geraamd op ongeveer $407 miljard, zo'n 34,8% meer dan de $302 miljard in 2025. Grote bedrijven willen dit jaar ongeveer 1,7% van hun omzet aan AI uitgeven, tegenover 0,8% in 2025 — een verdubbeling van het deel van het bedrijf dat eraan wordt besteed. In veel bedrijven zal AI naar verwachting binnen twee jaar 25–50% van het totale IT-budget opslokken. Financiële dienstverlening en tech lopen voorop; het onderwijs blijft achter.
Het allerbelangrijkste getal voor de bubbelvraag is echter dit: 94% van de organisaties zegt te blijven investeren in AI, ook zonder direct rendement. Dat is een uitspraak over overtuiging, niet over resultaten, en die snijdt aan twee kanten. Optimisten lezen het als duurzame vraag die niet verdampt door één slecht kwartaal. Pessimisten lezen het als precies het op geloof gebaseerde uitgavenpatroon dat een bubbel kenmerkt, en merken op dat "toegezegd ongeacht het rendement" geen zin is die een recessie ongeschonden doorstaat. Allebei redelijk. Wat het wel vaststelt, is dat de vraag op korte termijn niet in de eerste plaats afhangt van ROI, en dat telt enorm als je voorspellingen maakt voor de komende achttien maanden.
Dit is waar het geld naartoe gaat. Uit een enquête van maart 2026 onder 650 techleiders van bedrijven bleek dat 78% van de bedrijven pilots met AI-agents draait, en slechts 14% productieschaal heeft bereikt. Dat gat van 64 punten is waar de meeste AI-budgetten stilletjes verdwijnen — niet in technologie die faalt, maar in initiatieven die in een demo werken en nooit onderdeel worden van hoe het bedrijf draait.
Andere metingen komen vanuit andere richtingen op hetzelfde uit. IDC stelde vast dat 88% van de AI-pilots geen productie haalt. De analyse van RAND kwam erop uit dat 80,3% van de AI-projecten niet de beoogde bedrijfswaarde levert, met een nuttige uitsplitsing: 33,8% gestopt vóór productie, 28,4% afgerond maar ondermaats, en 18,1% met enige waarde die de kosten niet rechtvaardigt. Die laatste categorie is stilletjes de meest vernietigende, want die projecten werkten wel.
Over de statistiek '95% van de AI-pilots faalt'
Je komt hem overal tegen; hij komt uit het rapport GenAI Divide van MIT, gebaseerd op 52 interviews met bestuurders, enquêtes onder 153 leidinggevenden en een analyse van 300 openbare uitrols. Hij is ook breed bekritiseerd om hoe hij falen definieert — "geen meetbaar effect op de winst-en-verliesrekening" is een hoge lat die veel terecht nuttige interne tools niet zouden halen. Zie de 95% als richtinggevend, niet als precies. De verdeling 78/14 voor productieschaal is het stevigere getal, en vertelt hetzelfde verhaal met minder drama.
De rendementsdata lossen de schijnbare tegenstrijdigheid op tussen "de meeste pilots falen" en "iedereen geeft meer uit". Eerst de gemiddelden: IDC en Microsoft komen uit op ongeveer $3,70 per dollar die aan generatieve AI wordt uitgegeven, met een mediane tijd tot positieve ROI van ongeveer 14 maanden. Dat is een goed rendement op een trage klok — trager dan de meeste kwartaalplanningscycli, en dat verklaart op zichzelf al een groot deel van waarom programma's worden stopgezet.
Maar het gemiddelde verbergt de bevinding die ertoe doet. Bedrijven met volwassen AI-programma's melden ongeveer $4,60 per dollar. Bedrijven die nog in de pilotfase zitten, melden $1,20. Dezelfde technologie, dezelfde leveranciers, bijna vier keer het rendement — de variabele is niet het model, maar hoe ver de organisatie in de uitrol is gekomen. Daartegen afgezet kloppen de teleurstellende koppen: slechts ongeveer 25% van de initiatieven leverde de ROI die bestuurders verwachtten, slechts 39% van de organisaties meldt een meetbaar effect op de EBIT, en hoewel meer dan 70% een "positieve" ROI meldt, meldt minder dan 1% een rendement boven 20%, waarbij de meeste op 1–5% uitkomen en dat vaak in productiviteit meten in plaats van in geld.
Met andere woorden: de waarde is echt en geconcentreerd bij de minderheid die het afmaakte. Het grootste deel van de uitgaven zit in het deel van de curve waar het rendement nauwelijks boven quitte uitkomt, omdat het grootste deel van de uitgaven het gat niet is overgestoken.
Vijf oorzaken verklaren ongeveer 89% van de mislukkingen bij het opschalen: de complexiteit van integratie met legacysystemen, wisselende outputkwaliteit bij hoge volumes, het ontbreken van monitoringtools, onduidelijk organisatorisch eigenaarschap en onvoldoende trainingsdata uit het domein. Lees die lijst nog eens en zie dat slechts anderhalf punt echt over AI gaat. De rest gaat over integratie, operatie en organisatieontwerp — dezelfde redenen waarom softwareprojecten in bedrijven al dertig jaar mislukken.
De onderzoekers van MIT kwamen via een andere route tot dezelfde conclusie. Bestuurders wijzen vaak naar regelgeving of modelprestaties; het onderzoek wees in plaats daarvan op een "leerkloof" in hoe organisaties de tools opnemen, en op gebrekkige integratie in het bedrijf. De 5% van de uitrols die aanzienlijke waarde creëerde, had drie kenmerken gemeen: strak afgebakende initiatieven, focus op een specifiek domein en slimme partnerschappen. Niets over modelkeuze.
Er is ook een probleem met de vorm van de kosten dat het benoemen waard is, omdat het projecten doodt die verder goed werken. Uber zou zijn volledige AI-budget voor 2026 al in april hebben opgemaakt — een illustratie van de tokenval bij prijzen op basis van verbruik, waarbij succes het gebruik verhoogt, gebruik de kosten verhoogt, en een financeteam dat per jaar budgetteerde halverwege het jaar ontdekt dat de post is verviervoudigd. Een pilot die uitgroeit tot een niet-begrote kostenpost, is een pilot die wordt geschrapt door iemand die nooit heeft getwijfeld of hij werkte.
Eén bevinding verdient het om uit de stapel te worden gehaald. Pilots die interne AI-specialisten combineerden met externe expertise, haalden een slagingspercentage van 67%. Interne IT-teams die alleen bouwden, haalden 22%. Een verschil van een factor drie, door teamsamenstelling en niet door technologie.
Als je AI-implementatie verkoopt, is dat getal je hele pitch en zou je er waarschijnlijk mee moeten openen. Maar het is breder nuttig. Het zegt dat de bepalende beperking voor AI in bedrijven een specifiek, inkoopbaar soort ervaring is — mensen die het gat tussen pilot en productie al eens zijn overgestoken en weten waar het projecten opslokt. Die capaciteit is schaars, zit niet in een modelabonnement, en is de reden waarom de patronen van "systems of action" en forward-deployed engineering steeds terugkomen als de vorm van bedrijven die werken.
Wordt de omzetcurve dan steiler? Het eerlijke antwoord is dat het afhangt van iets heel anders dan waar het bubbeldebat zich meestal op richt. Het hangt er niet van af of het volgende model beter is — capaciteit is niet de beperking, en is dat al een tijd niet meer. Het hangt ervan af of een groot aantal bedrijven van 14% op productieschaal naar iets aanzienlijk hogers gaat, en dat is een uitvoeringsvraag over integratie, eigenaarschap, monitoring en kostendiscipline, geen onderzoeksvraag.
Dat is echt nog onbeslist, en het is redelijk om daar onzeker over te zijn. Maar het is de moeite waard om op te merken dat het een oplosbaar soort probleem is, dat de organisaties die het oplosten $4,60 per dollar krijgen, en dat het gat tussen die twee toestanden een markt is. Als de AI-weddenschap gelijk krijgt, dan door onopvallend uitrolwerk en niet door een modelrelease — en dat is een vrij goede beschrijving van wat de bedrijven die het nu waard zijn om te bouwen eigenlijk doen.
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.