En dan stelt uw board de vraag waar u stiekem tegenop ziet. Wat heeft dit ons nou eigenlijk opgeleverd?
U aarzelt. Want het eerlijke antwoord is dat u het niet helemaal zeker weet.
Dit is geen technologieprobleem. Het is een meetprobleem. En in 2026 is dat dé grootste financiële uitdaging voor CFO’s die AI echte zakelijke waarde willen laten leveren — niet alleen indrukwekkende slidedecks.
Dit is het getal waar elke CFO even bij stil moet staan. Volgens de Global AI Survey van McKinsey uit maart 2026, onder bijna 1.900 C-suite executives, verhoogde 86% van de bedrijven hun AI-budget in 2025. Slechts 29% kan het rendement betrouwbaar meten. IBM’s enterprise-onderzoek van februari 2026 liet zien dat maar 5% van de organisaties met actieve AI-programma’s behaalt wat IBM omschrijft als “substantial ROI” — een rendement dat de bottom line aantoonbaar verbetert, bovenop de volledige implementatiekosten.
Geen 5% van de AI-projecten. 5% van álle organisaties.
Dus die CFO die u op het volgende sectorcongres tegenover zich heeft, vol vertrouwen pratend over zijn AI-transformatie? De kans is 95% dat ook hij niet kan aantonen dat het zijn P&L heeft verbeterd.
Een handige term om in uw achterzak te houden: gecamoufleerde productiviteit. Hij beschrijft investeringen die op taakniveau lijken te werken, maar verdwijnen voordat ze de financiële cijfers bereiken.
Zo gaat dat in de praktijk. Uw salesteam gebruikt Copilot om accounts samen te vatten vóór de calls. Ze besparen 20 minuten per call. Vermenigvuldig dat met 50 reps die 200 calls per maand doen, en u heeft een getal dat het prachtig doet in een boardpresentatie.
Maar steeg de omzet? Werden de deal cycles korter? Verbeterde de klanttevredenheid op een manier die u terugziet in retentie? Worden die verbanden niet gemeten, dan is die besparing van 20 minuten geen productiviteit. Het is een activiteitenmetric vermomd als ROI.
De “ROI of AI”-studie van Deloitte liet zien dat 85% van de executives hun AI-investeringen heeft verhoogd, terwijl slechts 15% een significante meetbare ROI rapporteert. Een NBER-studie onder bijna 6.000 executives in de VS, het VK, Duitsland en Australië liet zien dat meer dan 80% van de bedrijven geen merkbare AI-impact zag op werkgelegenheid of productiviteit — ondanks dat AI-adoptie tussen begin 2025 en begin 2026 steeg van 61% naar 71%.
De Global CEO Survey 2026 van PwC, onder 4.454 CEO’s in 95 landen, liet zien dat 56% niets uit hun AI-investeringen had gehaald. Slechts 12% rapporteerde dat AI zowel de omzet liet groeien én de kosten verlaagde.
Het probleem is niet dat AI niet werkt. Het probleem is dat de meeste organisaties de verkeerde dingen meten — en de winst op de verkeerde plekken herinvesteren. En dat is aan u als CFO om op te lossen.
Voordat u ROI kunt meten, heeft u een eerlijke kostenbasis nodig. En de meeste enterprise AI-budgetten zijn niet eerlijk. Niet vanwege slechte intenties, maar omdat de werkelijke kosten van een AI-uitrol structureel moeilijker zichtbaar zijn dan die van een traditionele software-investering.
Een onderzoek van CIO.com uit 2025 liet zien dat de meeste organisaties hun AI-projectkosten verkeerd inschatten met meer dan 10% — en bijna een kwart onderschat met 50% of meer. Branche-onderzoek suggereert dat organisaties in jaar 1 budgetoverschrijdingen van 30–40% riskeren als ze niet alle uitrolkosten meenemen.
Hoe ziet die verborgen 40% er in de praktijk uit?
Het is het data-pipelinewerk dat niemand had begroot, omdat het niet in het vendorvoorstel stond. Het zijn de cloud compute- en API-call-kosten die stilletjes oplopen naarmate de adoptie groeit. Het is de security-audit die uw compliance-team eiste voordat iemand het tegen de projectmanager had gezegd. Het zijn de change management-kosten als de adoptie stagneert en u externe hulp nodig heeft om het momentum terug te krijgen. En het is wat onderzoekers pilot purgatory noemen — de maanden en het budget die opgaan aan een proof-of-concept die prachtig demo’t, maar de stap naar productie niet maakt.
Een praktische correctie van finance leaders die dit hebben meegemaakt: vermenigvuldig uw vendorofferte met 1,4–1,6 om de werkelijke total cost of ownership voor jaar 1 te schatten. Voor AI met integratie van legacy-systemen of industriële applicaties loopt die multiplier op tot 2,5–4×.
Dit is geen reden om de investering terug te schroeven. Het is de minimale financiële discipline die nodig is om een AI-businesscase op te bouwen die u na zes maanden niet voor schut zet.
Hier gaan de meeste CFO-benaderingen van AI-ROI de mist in. Ze behandelen het als één berekening op één moment. Bespaarde uren × uurloon − platformkosten. Die formule levert een getal op dat verdedigbaar klinkt — tot iemand in de zaal doorvraagt.
AI-waarde is niet lineair. Die ontvouwt zich in fases. En elke fase vraagt om andere metrics en een andere managementrespons.
De harde financiële resultaten die al zichtbaar zijn: kostenreducties uit geautomatiseerde workflows, omzet gegenereerd door AI-versterkte processen, foutreducties die direct kostenbesparing opleveren. Deze cijfers zijn echt en verdedigbaar. Maar het duurt 18 tot 36 maanden voordat ze zich volledig manifesteren, naarmate de adoptie verdiept en gedrag verandert. Ze al in maand 6 verwachten is een van de belangrijkste redenen waarom boards het vertrouwen in AI-programma’s verliezen — vóórdat het compounding-effect echt begint.
De richtinggevende signalen die laten zien dat fase 1 eraan komt. Month-end close die verschuift van dag 5 naar dag 2. Kosten per verwerkte factuur die kwartaal op kwartaal dalen. Case resolution time die zakt van drie dagen naar vier uur. Dit is niet het eindrapport. Dit zijn leading indicators — en juist die metrics houden uw board op één lijn terwijl fase 1 zijn tijd nodig heeft.
De fase waar bijna geen enkele CFO over rapporteert, en aantoonbaar de strategisch belangrijkste. Dit is de optiewaarde die u heeft opgebouwd: het opgeschoonde, gegovernde data-estate dat toekomstige AI-uitrollen sneller en goedkoper maakt, de interne expertise die concurrenten niet zomaar kunnen kopen, de platforminfrastructuur die met elke nieuwe use case in waarde toeneemt. Een concurrent kan dezelfde software licenseren. Maar hij kan de institutionele capability die u in maanden heeft opgebouwd, niet kopen. Dat is een structureel voordeel — en hoort thuis in uw boardrapportage.
Zelfs wanneer AI echte tijdsbesparingen oplevert, verspillen de meeste organisaties die. Productiviteitswinst wordt opgeslokt door hogere volume-eisen in plaats van geïnvesteerd in het werk dat de business écht verandert.
Onderzoekers noemen dit het Ratchet Effect. Baseline-outputverwachtingen bewegen alleen omhoog. De 20 minuten die uw sales rep bespaarde op accountvoorbereiding worden 20 minuten extra CRM-invoer in plaats van 20 minuten extra echt verkopen. De efficiencywinst verdampt voordat hij de omzetregel bereikt.
De organisaties die dit patroon doorbreken, maken de herinvesteringskeuze bewust. Ze besteden AI-gegenereerde tijdwinst gericht: het grootste deel aan output van hogere kwaliteit (betere beslissingen, sterkere forecasts, accuratere rapportages — niet alleen méér volume), een deel aan het opbouwen van menselijke vaardigheden die AI niet kan vervangen, en een deel aan de cognitieve recovery die de kwaliteit van het oordeel op lange termijn op peil houdt.
Dit is het verschil tussen AI als loopband en AI als echte operationele hefboom. Het is geen technologische beslissing. Het is een leiderschapsbeslissing. En dit is dé beslissing die bepaalt of uw fase 1-ROI ooit écht arriveert.
Probeer dit gedachte-experiment vóór uw volgende AI-investeringsbeslissing.
Als uw board u vandaag zou vragen om een helder, controleerbaar verband aan te tonen tussen uw AI-uitgaven en een specifiek financieel resultaat — hoe lang duurt het gesprek dan voordat u moet zeggen: “we werken nog aan die nulmeting”?
Duurt het antwoord langer dan 30 seconden, dan heeft u geen AI-probleem. U heeft een meetinfrastructuur-probleem. En dat is eigenlijk het beter oplosbare van de twee — want het betekent dat de waarde er waarschijnlijk al ís, alleen onzichtbaar.
De organisaties in de 5% die IBM identificeert als bedrijven met substantiële AI-ROI delen één kenmerk dat niets te maken heeft met welk model ze kozen of hoeveel ze uitgaven. Ze begonnen met een grondige beoordeling van hun datavolwassenheid, hun governance-frameworks en de specifieke workflows waar AI verdedigbare unit economics kon leveren — vóórdat ze opschaalden.
En dat is precies waar de AI Business Scan van Intwo begint. Niet met een technologisch advies. Maar met een eerlijke externe blik op wat uw huidige data-estate, organisatorische gereedheid en workflow-ontwerp daadwerkelijk aankunnen, en waar de gaten tussen uw AI-ambitie en AI-infrastructuur u stilletjes de rendementen kosten die u verwacht.
Want de concurrentiekloof in 2026 ligt niet tussen bedrijven die AI gebruiken en bedrijven die dat niet doen. Hij ligt tussen de 5% die de vraag van de board met een getal kunnen beantwoorden — en de 95% die nog werken aan de nulmeting.
Aan welke kant van die kloof bouwt u?
Alex stuurt initiatieven voor digitale transformatie aan met Cloud-, AI-, Security-, Data- en Modern Work-oplossingen. Met focus op marktuitbreiding, omzetversnelling en het opbouwen van strategische relaties is hij gespecialiseerd in enterprise sales, nationale go-to-market-strategie en het helpen van organisaties bij duurzame bedrijfsgroei door klantgerichte oplossingen.
Laten we contact opnemen en samen uw AI-uitdagingen aanpakken.