“Niemand in onze markt had een slecht jaar. Twee van hen hadden een heel goed jaar.”
Zes op de honderd
Koplopers lopen uit is een kleine groep bedrijven die van dezelfde tools een groeiende voorsprong maakt. Ze gaven niet meer uit. Zij bouwden het werk opnieuw op, en jij zette AI naast het werk zoals het al liep.
Je cijfers zijn prima. Juist daarom is deze lastig te zien, want wat er bewoog is de afstand tussen jou en de twee bedrijven waar je van verliest.
Dezelfde tools, dezelfde markt, dezelfde vier jaar. Het gat is het verhaal.
Komt dit bekend voor
Wat je eerst merkt, daarna, en veel later.
Deze blijft lang verborgen, want geen van de vroege signalen ziet eruit als een concurrentieprobleem. Ze zien eruit als een gewoon kwartaal.
1
Eerst: niets
Iedereen in je markt kocht in hetzelfde jaar dezelfde tools. Je mensen melden dat ze sneller zijn, en ze hebben gelijk. Acht op de tien zegt dat AI de eigen productiviteit verbeterde.1 De markt ziet eruit zoals altijd.
2
Dan: een klant zegt iets
Iemand zegt dat de andere leverancier dit in twee dagen rond heeft. Je checkt het, het klopt, en het gaat om één specifiek ding en niet om alles. Je boekt het weg als een verschil in werkwijze en gaat weer aan het werk.
3
Veel later: drie aanbestedingen achter elkaar
Je verliest drie keer op prijs of levertijd van dezelfde naam. De reden zit in een werkstroom die zij twee jaar geleden opnieuw hebben opgebouwd, en die van jou opnieuw opbouwen kost nu dezelfde twee jaar terwijl zij doorgaan.
Het vervelende aan fase twee is dat het het enige goedkope moment is. In fase drie kost de oplossing wat hij toen had gekost, plus twee jaar afstand.
Koplopers lopen uit is een kleine groep die voorsprong pakt met dezelfde tools die iedereen kocht.
Zes bedrijven op de honderd halen echt financieel resultaat uit AI, en dat aandeel is in een jaar niet bewogen terwijl iedereen bleef uitgeven.1
Kort
McKinsey vroeg dit voorjaar 1.719 mensen in 97 landen. 6% schrijft minstens 5% van de winst aan AI toe en noemt het effect aanzienlijk. Precies hetzelfde aandeel als een jaar eerder.1
Wat hen onderscheidt is geen budget. Bijna driekwart heeft een werkstroom opnieuw opgebouwd rond AI, tegen 55% het jaar ervoor, tegenover ongeveer een kwart van alle anderen.1
Bij grote bedrijven ging het aandeel dat AI-agents opschaalt in één jaar van 27% naar 40%. Bij kleinere bedrijven bleef het staan op 22%.1
Microsoft vond dat de organisatie om iemand heen 67% van het effect van AI verklaart, tegen 32% voor de eigen instelling en het eigen gedrag.2
Verderop staat een sommetje dat je laat zien hoe snel de afstand groeit. Het kost twee minuten en je kunt elke aanname erin veranderen.
Het begint meestal met een van deze
Een klant vertelde je wat een concurrent nu in twee dagen rond heeft
Je AI-uitgaven lijken op die van iedereen en je resultaten ook
Je staat op het punt nog een jaar hetzelfde goed te keuren en je wilt daar een reden voor
Je investeert in bedrijven en wilt weten welke van hen stilletjes uitloopt
Wat je meeneemt
Een sommetje dat laat zien hoe snel de afstand tot je snelste concurrent groeit
Wat de 6% werkelijk anders doet, met de cijfers per punt
Waarom AI aan een werkstroom toevoegen en er een opnieuw opbouwen verschillende curves opleveren
Waar dit zit in de vijf AI Culture Levels, en wat je daarheen brengt
Wat we ermee bedoelen
Iedereen kocht hetzelfde. Zes procent deed er iets mee.
McKinsey doet dit wereldwijde onderzoek al bijna tien jaar. De editie van dit jaar, gepubliceerd op 25 augustus, ondervroeg 1.719 mensen in 97 landen. De kop is dat er vrijwel niets bewoog: 37% zegt dat AI iets aan de winst heeft bijgedragen, hetzelfde als vorig jaar, en 6% zijn koplopers, ook hetzelfde als vorig jaar.1
Ondertussen ging het aandeel bedrijven dat AI door de hele organisatie uitrolt van 38% naar 44%, en zegt acht op de tien mensen er zelf productiever van te zijn geworden. De activiteit ging dus omhoog en de groep met resultaat groeide niet. Dat is de vorm van een markt waarin dezelfde paar bedrijven blijven winnen.
Ze hebben je niet overboden. Zij bouwden één ding opnieuw en jij versierde één ding, en vier jaar later is dat een ander bedrijf.
Paul Musters
Wat de 6% anders doet is het bruikbare deel, en het is saaier dan de meeste mensen verwachten. Bijna driekwart van hen heeft door AI een werkstroom fundamenteel opnieuw ingericht, tegen 55% het jaar ervoor. Bij alle anderen is dat ongeveer een op de vier.1 Dat ene gedrag scheidt de twee groepen beter dan budget dat doet.
Het gemeten deel
Vijf dingen die ze meer doen, en één die ze even vaak doen.
Deze komen allemaal uit hetzelfde onderzoek, waarin de 6% wordt vergeleken met alle anderen erin.1
Bouwde een werkstroom opnieuw op rond AI, in plaats van AI eraan toe te voegen
~75%
Alle anderen, dezelfde vraag
~25%
Jaagt met AI op efficiëntie, de koplopers
~80%
Alle anderen, dezelfde vraag
~80%
Bij het eerste paar splitsen de twee groepen. Bij het tweede paar zijn ze gelijk: allebei jagen ze ongeveer even hard op efficiëntie. Het verschil is dat de koplopers óók op groei jagen.1
Lees dat tweede paar nog een keer, want dat verandert wat je maandag doet. Iedereen jaagt op efficiëntie. Wat vrijwel niemand buiten de 6% er tegelijk bij doet, is jagen op groei of op iets werkelijk nieuws. Efficiëntie alleen levert je een goedkopere versie op van het bedrijf dat je al had.
2×
zo vaak leidinggevenden die zich zichtbaar aan AI verbinden, en een vastgelegde manier om te meten wat AI-initiatieven opleveren
En het gat tussen groot en klein ging open in één jaar
Dit is het cijfer dat ik voor het bestuur van een scale-up zou leggen. Bij bedrijven met meer dan een miljard omzet ging het aandeel dat AI-agents opschaalt in twaalf maanden van 27% naar 40%. Bij kleinere bedrijven bleef het precies staan.1
Grote bedrijven
Meer dan een miljard dollar jaaromzet
Vorig jaar27%
Dit jaar40%
+13 puntenDe snelste beweging in het hele onderzoek.
Kleinere bedrijven
Waar de meeste lezers van deze pagina werken
Vorig jaar22%
Dit jaar22%
Geen veranderingEr ging niets achteruit. De afstand groeide toch.
Aandeel respondenten van wie de organisatie AI-agents opschaalt in een of meer afdelingen, uitgesplitst naar bedrijfsomvang, in twee opeenvolgende edities van hetzelfde onderzoek.1
Kleinere bedrijven gingen niet achteruit. Ze stonden stil terwijl de andere groep bewoog, en dat levert van buitenaf hetzelfde resultaat op en voelt van binnenuit totaal anders. Er ging niets mis in jouw jaar.
Doe de som
Hoe snel groeit de afstand?
Kies de werkstroom waar je klanten je op beoordelen. Een order, een offerte, een claim, een release. Vergelijk daarna twee manieren om er AI op te zetten: het toevoegen aan de stappen die je hebt, of de stroom opnieuw opbouwen. Elk getal hier mag je veranderen.
dagen na n jaar = vandaag × (1 − jaarlijkse winst)n, voor jullie allebei
Jij, na 3 jaar8,6 dagen
Zij, na 3 jaar6,1 dagen
Zij zijn sneller met factor1.40×
De 5% en de 15% zijn een illustratie van het verschil tussen AI toevoegen en opnieuw opbouwen, geen gemeten cijfer. Wat wel gemeten is: bijna driekwart van de bedrijven met echt resultaat heeft een werkstroom opnieuw opgebouwd, tegen ongeveer een kwart van alle anderen.1
Het getal dat hier telt is de laatste regel, niet de eerste twee. Je klant ervaart jouw achteneenhalve dag niet. Hij ervaart dat iemand anders het in zes doet.
Probeer het eens met vijf jaar en dezelfde percentages. Dat is ongeveer de lengte van een strategiecyclus, en daar wordt een verschil dat op een afrondingsfout leek de reden dat je niet op de shortlist staat.
Op de ladder
De 6% zit op een level, en je kunt zien welk.
We lezen bedrijven op vijf levels, van iedereen doet maar wat tot AI hoort bij hoe de zaak draait. Hier is de hele ladder, met hoeveel bedrijven op elke trede staan.
01Campfire60%
02Wild West25%
03Blueprint10%
04Engine4%Hier wordt het werk herbouwd
05Ecosystem1%
Aandeel bedrijven per level. Level 4, Engine, is waar AI in de bedrijfsvoering zit in plaats van ernaast, en dat ligt dicht bij de 6% die McKinsey aanwijst.13
Op level 1 en 2, en dat is ongeveer acht op de tien bedrijven, is AI iets dat individuen gebruiken. Er gebeuren goede dingen en die blijven waar ze gebeurden. Op level 3 wordt de methode opgeschreven, zodat een goede werkstroom zich kan verspreiden. Level 4 is waar iemand het werk zelf opnieuw inricht, en dat is precies het gedrag dat McKinsey bij driekwart van de koplopers vond.
Twee levels afstand klinkt klein. Het is ongeveer het verschil tussen de 27% en de 40%, en tussen een bedrijf dat opbouwt wat het leert en een bedrijf dat steeds opnieuw begint.
Wat een meting toevoegt voordat je iets opnieuw inricht
Een Operating Profile in gebruik. Persoonlijkheidstype en AI-niveau in één profiel, met de agents die daarbij passen.
Microsoft keek naar 29 factoren en vroeg welke voorspellen of AI iets oplevert. De omgeving om iemand heen, dus cultuur, steun van de leidinggevende en hoe met talent wordt omgegaan, verklaart 67% ervan. De eigen instelling en het eigen gedrag verklaren 32%.2 Meer dan twee keer zoveel zit buiten het individu.
Daarom mislukt het opnieuw inrichten van een werkstroom vaker dan zou moeten. De nieuwe stroom gaat uit van mensen die op een bepaalde manier werken, en niemand keek of die mensen in het pand zijn. Eén profiel per persoon, met twee dingen erin: hoe iemand werkt, en hoe ver diegene is met AI. Je komt erachter wie de nieuwe versie meteen kan draaien, en wie eerst iets anders nodig heeft.
Over emaho
emaho meet één Operating Profile per persoon: persoonlijkheidstype en AI-niveau in één profiel. Daarop bouwen we een persoonlijke set AI-agents die past bij hoe iemand werkt, binnen de tools die hij al gebruikt. Vijftien minuten invullen, het eerste profiel is gratis, gemaakt voor bedrijven van 20 tot 500 mensen.
Vijftien minuten per persoon. Geen creditcard, geen verplichtingen.
Wat je doet
Eén werkstroom, drie kwartalen.
Niemand bouwt een bedrijf opnieuw op in één planningscyclus, en de 6% probeerde dat ook niet. Ze haalden één ding uit elkaar en zetten het terug in een vorm die vanaf het begin uitging van AI. Zo ziet dat eruit op een kalender.
Dit kwartaal · kiezen en kijken
Kies de stroom waar je klanten je op beoordelen. Eén, geen drie, en geen programma. Besteed daarna twee weken aan de vraag wie een opnieuw opgebouwde versie werkelijk zou kunnen draaien, want daar sneuvelen de meeste herinrichtingen: het proces klopt en de mensen zaten nooit in het plan.
Volgend kwartaal · het midden opnieuw bouwen
Haal de stappen eruit die alleen bestaan omdat een mens de vorige stap met de hand deed. Zet er meteen een groeidoel naast het efficiëntiedoel. Beide groepen in het onderzoek jagen ongeveer even hard op efficiëntie, dus efficiëntie is het toegangsgeld. Wat de koplopers eraan toevoegen is een doel dat alleen klopt als het werk anders is.
Het kwartaal daarna · zorgen dat het blijft
Geef het een naam op bestuursniveau en een getal dat wordt gerapporteerd. Koplopers hebben twee keer zo vaak leidinggevenden die zich zichtbaar verbinden, en twee keer zo vaak een vastgelegde manier om te meten wat het werk oplevert.1 Die twee reizen samen, want een herinrichting zonder getal wordt in maand vijf stilletjes losgelaten.
Drie kwartalen is niet snel, en dat is het eerlijke deel. De bedrijven die voorliggen begonnen een tijd geleden, en juist daarom telt de kalender zwaarder dan de ambitie.
Welke werkstroom zou jij opnieuw opbouwen?
Stuur me degene waar je klanten je op beoordelen en wat hij nu kost. Ik vertel je waar ik als eerste naar zou kijken en waar deze herinrichtingen meestal vastlopen. Ik beantwoord deze zelf, meestal in dezelfde week.
De eerste kosten zijn onzichtbaar in je eigen cijfers. Je verbetert elk jaar, je marge houdt stand, en de afstand tot het snelste bedrijf in je categorie groeit toch. Doe de som hierboven met vijf jaar in plaats van drie en je ziet hoe stil dat gaat.
Dan is er het geld dat je uitgeeft zonder te bewegen. Zestig procent van de bedrijven verwacht dit jaar meer in AI te investeren, en het aandeel met echt financieel resultaat is in twaalf maanden niet veranderd.1 Meer uitgeven aan dezelfde vorm van werk is hoe je in de 94% blijft.
Wat het uiteindelijk beslist is tijd. Een werkstroom opnieuw opbouwen kost kwartalen, geen weken. Elk jaar dat je wacht, is het bedrijf dat eerder begon een jaar verder in een curve die blijft buigen, en begin jij vanaf waar je nu staat in plaats van waar zij toen stonden.
Vragen
Vragen over het groeiende gat
Waarom halen sommige bedrijven wel resultaat uit AI?
Omdat ze het werk opnieuw hebben opgebouwd in plaats van AI ernaast te zetten. Bijna driekwart van de 6% met echt financieel resultaat heeft een werkstroom fundamenteel opnieuw ingericht, tegen ongeveer een kwart van alle anderen.
Hoeveel bedrijven halen echt rendement uit AI?
Zes op de honderd, in het onderzoek van McKinsey onder 1.719 mensen in 97 landen. Zij schrijven 5% of meer van de winst aan AI toe en noemen het effect aanzienlijk. Precies hetzelfde aandeel als een jaar eerder.
Op welk niveau wordt het werk opnieuw ingericht?
Op level 4. emaho plaatst bedrijven op vijf AI Culture Levels, en Engine is waar iemand het werk zelf herontwerpt in plaats van AI ernaast te zetten. De scan is zes vragen en drie minuten.
Ligt het aan het budget?
Nee. Wat de twee groepen scheidt is niet hoeveel ze uitgeven maar of ze het werk opnieuw hebben ingericht. Koplopers geven wel vaker meer dan 15% van hun IT-budget uit aan AI, maar dat volgt op de keuze en gaat er niet aan vooraf.
Wordt het gat tussen grote en kleine bedrijven groter?
Ja, en snel. Bij bedrijven met meer dan een miljard omzet ging het aandeel dat AI-agents opschaalt in twaalf maanden van 27% naar 40%. Bij kleinere bedrijven bleef het staan op 22%.
Wat doet emaho aan een groeiende achterstand?
De mensenkant eerst, want twee derde van het effect zit in de organisatie om iemand heen. Daarna één werkstroom opnieuw opbouwen met de mensen erin die hem kunnen draaien. Begin met je eigen profiel, dat is gratis.
Wat is het verschil tussen AI toevoegen en werk opnieuw opbouwen?
Toevoegen laat de stappen staan en maakt er een paar sneller. Opnieuw opbouwen haalt de stappen weg die alleen bestaan omdat een mens de vorige met de hand deed. Het eerste geeft een vlakke lijn, het tweede een curve.
Is efficiëntie genoeg?
Nee. Beide groepen jagen ongeveer even hard op efficiëntie, dus dat is het toegangsgeld. Wat de koplopers erbij doen is een doel voor groei of iets nieuws, dat alleen klopt als het werk anders is.
Hoeveel van het effect van AI zit in de organisatie?
Microsoft komt uit op 67% uit de organisatie om iemand heen, tegen 32% uit de eigen instelling en het eigen gedrag, gemeten over 29 factoren. Het is dus niet de persoon en het is niet de tool.
Waar begin je als je wilt bijblijven?
Bij één werkstroom, degene waar je klanten je op beoordelen. Eerst uitzoeken wie de nieuwe versie zou kunnen draaien, dan het midden opnieuw bouwen, dan er een naam en een getal aan hangen op bestuursniveau. Drie kwartalen.
Dichtbij
Aan welke kant van het gat je uitkomt
Elk hiervan is een reden dat een bedrijf tools blijft kopen en blijft staan waar het staat.
Wie zou de opnieuw opgebouwde versie kunnen draaien?
Twee derde van de vraag of AI iets oplevert zit in de organisatie om de persoon heen. Zoek voordat je een werkstroom opnieuw opbouwt uit wie in je bedrijf al werkt op de manier waar de nieuwe stroom van uitgaat.
Kijk naar de organisatie, niet naar de toolsTwee derde van de vraag of AI iets oplevert zit in hoe het werk om de persoon heen is ingericht.
Zoek uit wie de nieuwe versie kan draaienDe profielen laten zien wie een opnieuw opgebouwde werkstroom morgen kan dragen en wie er een jaar voor nodig heeft.
Bouw één werkstroom opnieuw op met die mensen erinBeginnen bij de werkstroom en hopen dat de mensen bijtrekken is de dure volgorde.
Eerste profiel gratis · geen creditcard · gemaakt voor bedrijven van 20 tot 500 · jij bepaalt wat je team te zien krijgt
Nog niet toe aan iets voor je team? Begin dan bij het level van het bedrijf. De Culture Level scan is zes vragen, drie minuten, en vraagt niets van je.
Vijftien jaar leiderschaps- en teamontwikkeling in Nederlandse scale-ups. Die praktijk zit nu in software: één Operating Profile per persoon, met agents die echt passen. Hij schrijft deze pagina’s vanuit wat hij bij klanten tegenkomt, niet vanuit een onderzoekssamenvatting.
McKinsey, The state of AI in 2026: On the road to ROI, gepubliceerd op 25 augustus 2026. Online onderzoek van 4 mei tot 8 juni 2026, 1.719 respondenten in 97 landen, gewogen naar het aandeel van elk land in het wereldwijde bbp; 36% werkt bij organisaties met meer dan een miljard dollar jaaromzet. Bron van: 6% zijn AI-koplopers, die 5% of meer van het bedrijfsresultaat aan AI toeschrijven en het effect aanzienlijk noemen, onveranderd ten opzichte van 2025; 37% schrijft ten minste enig effect op het bedrijfsresultaat toe aan AI, eveneens vrijwel onveranderd; 44% meldt dat AI door de hele organisatie wordt opgeschaald, tegen 38% eerder; bij grote organisaties steeg het aandeel dat AI-agents opschaalt van 27% naar 40% terwijl kleinere organisaties bleven staan op 22%; bijna driekwart van de koplopers heeft werkstromen fundamenteel opnieuw ingericht, tegen 55% het jaar ervoor, tegenover ongeveer een kwart van de andere respondenten; ongeveer 80% van beide groepen jaagt op efficiëntie, terwijl de meeste koplopers daarnaast op groei of vernieuwing jagen; koplopers hebben twee keer zo vaak betrokkenheid van de hoogste leiding en vastgelegde processen om effect te meten, meer dan twee keer zo vaak meer dan 15% van het IT-budget aan AI, drie keer zo vaak agents die in de meeste afdelingen worden opgeschaald, 2,7 keer zo vaak andere handelende AI, en 3,3 keer zo vaak het voornemen om binnen drie jaar fundamenteel te veranderen; 80% zegt dat AI de eigen productiviteit verbeterde; 60% verwacht de AI-investeringen te verhogen.
Microsoft, 2026 Work Trend Index Annual Report, gepubliceerd op 5 mei 2026. Onderzoek door Edelman Data x Intelligence onder 20.000 kenniswerkers die AI op het werk gebruiken, in tien markten waaronder Nederland, afgenomen van 18 februari tot 7 april 2026, naast geanonimiseerde telemetrie uit Microsoft 365. Bron van: organisatorische factoren als cultuur, steun van de leidinggevende en hoe met talent wordt omgegaan verklaren 67% van het gemelde effect van AI, tegen 32% voor de eigen instelling en het eigen gedrag, gemeten over 29 factoren. Microsoft merkt op dat het om zelfgerapporteerde statistische samenhang gaat en niet om oorzakelijke effecten.
emaho AI Culture Levels. Aandeel organisaties per level, geijkt aan BCG 2025 en McKinsey 2025. Level 4, Engine, bevat ongeveer 4% van de organisaties.
Cijfers zijn overgenomen zoals ze zijn gepubliceerd. De 5% en 15% in de som zijn een illustratie van het verschil tussen AI toevoegen aan een werkstroom en hem opnieuw opbouwen, geen gemeten cijfer, en allebei zijn ze aan te passen. De drie fasen in het herkenningsblok zijn samengesteld uit klantsituaties en komen niet uit transcripten.
