de 95-procent-mythe

Het meest geciteerde AI-cijfer van dit moment, 95 procent van de AI-pilots zou geen meetbaar resultaat opleveren, komt uit een MIT-rapport waarvan de methodologie zelfs in de eigen berichtgeving inconsistent wordt beschreven. Vrijwel elk ander rondzingend faalcijfer heeft vergelijkbare gebreken: een kleine steekproef, geheime data of een leverancier als opdrachtgever. Toch wijzen ook de degelijke bronnen dezelfde kant op: een kleine minderheid van de bedrijven verdient aantoonbaar geld met AI. Het patroon is reëel, de precieze percentages zijn wankel.

In de productiekloof werk ik de these uit: de demo is 20 procent van het werk, en tussen pilot en productie sneuvelen de meeste projecten. Dit essay is de cijfer-check die daarbij hoort. Waar komen de faalcijfers vandaan, hoe stevig staan ze, en wat blijft er overeind als je streng bent?

klopt het dat 95 procent van de ai-projecten mislukt?

Dat weet niemand, en het MIT-rapport waar het cijfer vandaan komt bewijst het in elk geval niet. In augustus 2025 ging één kop de wereld over: 95 procent van de generatieve-AI-pilots levert geen meetbaar effect op de winst-en-verliesrekening, ondanks 30 tot 40 miljard dollar aan investeringen (Fortune, 2025). De bron was “The GenAI Divide: State of AI in Business 2025” van MIT Project NANDA. Het cijfer haalde boardrooms, beurscommentaren en talloze LinkedIn-posts, en het duikt bijna een jaar later nog in vrijwel elke presentatie over AI-strategie op.

Wie het rapport zelf wil lezen, moet eerst een aanvraagformulier invullen. De ruwe data zijn nooit vrijgegeven. En de methodologie wordt wisselend beschreven: het rapport zelf spreekt van 52 gestructureerde interviews, 153 enquêtes verzameld op vier conferenties en een review van ruim 300 publieke AI-initiatieven, terwijl Fortune in de eigen berichtgeving 150 interviews en 350 enquêtes noemt (Futuriom, 2025). Die aantallen spreken elkaar tegen binnen de dekking van hetzelfde rapport. Analistensite Futuriom legde bovendien de grafiek waar het cijfer op leunt naast de conclusie en betwist of die 95 procent er überhaupt uit af te leiden valt. Wharton-hoogleraar Kevin Werbach uitte publiekelijk twijfel over het rapport, in voorzichtige bewoordingen. De hardere eis, dat MIT de volledige data vrijgeeft of het rapport intrekt, komt van Futuriom zelf. Die twee moet je uit elkaar houden, en de meeste doorvertellingen doen dat niet.

Misschien ligt het werkelijke percentage lager, misschien hoger. Het eerlijke antwoord is dat het meest geciteerde AI-cijfer van dit moment tegelijk het minst controleerbare is. Een rapport over slordige AI-implementatie dat zelf methodologisch slordig oogt: de ironie mag je hardop benoemen.

waar komen die andere faalcijfers vandaan?

Uit onderzoek dat vrijwel altijd kleiner, zachter of belanghebbender is dan de koppen suggereren. Loop de bekendste langs en je ziet steeds hetzelfde: het percentage in de kop en het onderzoek eronder passen zelden op elkaar.

Het op één na populairste cijfer komt van RAND Corporation: ruim 80 procent van de AI-projecten zou falen, twee keer zo vaak als IT-projecten zonder AI (RAND, 2025). Lees je de publicatie zelf, dan staat er letterlijk “by some estimates”. RAND citeert hier een bestaande schatting van anderen. Het eigen onderzoek bestond uit interviews met 65 ervaren data scientists en ML-engineers en leverde een kwalitatieve analyse van vijf grondoorzaken op. Dat is waardevol werk, en het onderbouwt het percentage zelf niet. Vrijwel elke doorvertelling plakt die twee dingen aan elkaar alsof het één meting was.

Dan de verdubbeling die in 2025 rondging: 42 procent van de bedrijven staakte dat jaar het merendeel van de AI-initiatieven, tegen 17 procent in 2024, en gemiddeld sneuvelde 46 procent van de proof-of-concepts vóór productie. Die cijfers komen uit de “Voice of the Enterprise”-reeks van S&P Global Market Intelligence, een enquête onder ruim duizend IT- en businessbeslissers in Noord-Amerika en Europa. De reeks bestaat echt en meerdere onafhankelijke bronnen citeren exact dezelfde getallen, maar de primaire publicatie is ook mij niet gelukt in te zien. Ik geef ze dus door zoals ik ze aantrof: secundair bevestigd (WorkOS, 2025).

Gartner voorspelde in juni 2025 dat ruim 40 procent van de agentic-AI-projecten voor eind 2027 wordt geannuleerd, door oplopende kosten, onduidelijke bedrijfswaarde en gebrekkige risicobeheersing (Gartner, 2025). Dat is een voorspelling, dus per definitie nog niet op uitkomst te controleren. Interessanter vind ik een bijvangst uit hetzelfde persbericht: van de duizenden leveranciers die zichzelf agentic AI noemen, leveren er volgens Gartner slechts zo’n 130 daadwerkelijk agentic-capaciteiten. De rest verkoopt opgepoetste chatbots en RPA. Gartner noemt dat “agent washing”, en dat woord alleen al is het onthouden waard bij elke leveranciersdemo.

En dan het Nederlandse cijfer: 21 procent AI-projectsucces, het laagste van zes onderzochte Europese landen, gecombineerd met de hoogste interne weerstand (38 procent). Dat komt uit “State of Integration & AI 2026”, onderzoek in opdracht van integratieplatform Frends, uitgevoerd door Sapio Research (Frends, 2026). Twee kanttekeningen horen erbij. Een integratieplatform heeft baat bij de conclusie dat een integratie-eerst-aanpak werkt. En de steekproef betreft organisaties vanaf 201 medewerkers, dus grootbedrijf en de bovenkant van de middenmarkt. Voor een bedrijf met vijftien man zegt dit cijfer weinig.

wat blijft er overeind als je de wankele cijfers wegstreept?

Een patroon dat door methodologisch onafhankelijke bronnen keer op keer wordt bevestigd: vrijwel iedereen heeft AI in gebruik, en de meetbare winst blijft bij een minderheid hangen. Dat patroon leunt gelukkig op steviger materiaal dan de kop-percentages hierboven.

Morgan Stanley volgt per kwartaal hoeveel S&P 500-bedrijven een meetbaar AI-voordeel kunnen benoemen: 10 procent eind 2024, 15 procent in het derde kwartaal van 2025, 21 procent eind 2025 (Morgan Stanley, 2026). De trend stijgt, en het blijft een minderheid, nota bene bij de grootste en best gefinancierde bedrijven ter wereld. IBM vroeg begin 2025 tweeduizend CEO’s naar hun AI-investeringen: een kwart van de initiatieven leverde de verwachte ROI, en 16 procent is bedrijfsbreed opgeschaald (IBM via Fortune, 2025). McKinsey’s eigen State of AI-enquête, consultancy-onderzoek dus, laat hetzelfde beeld zien: 88 procent van de organisaties gebruikt AI in minstens één bedrijfsfunctie, 39 procent ziet meetbare impact op het resultaat en ongeveer 38 procent is voorbij de pilotfase (McKinsey via CX Today, 2026). BCG, eveneens consultancy, komt onder 1.800 executives op een kwart dat significante waarde rapporteert (BCG, 2025).

Voor het MKB is de OECD-enquête onder ruim tweeduizend mkb-bedrijven in twaalf landen het relevantst: de AI-adoptie in het mkb groeide van 7,1 procent in 2023 naar 17,4 procent in 2025, terwijl de kloof met grote bedrijven juist groeide, van 23,4 naar 34,6 procentpunt (OECD, 2026). Eurostat meet in de EU 55 procent AI-gebruik bij grote bedrijven tegen 17 procent bij kleine (Eurostat via Ipsos, 2026). Ik noem die cijfers bewust EU-breed: een betrouwbaar Nederlands mkb-cijfer heb ik niet gevonden, en de getallen die op Nederlandse marketingblogs circuleren spreken elkaar zo hard tegen dat ik ze geen van alle gebruik.

Tel het op. Aandelenanalisten, een CEO-enquête, twee consultancies en officiële statistiek, allemaal met verschillende methoden, komen uit op hetzelfde beeld. Je hoeft de 95 procent van MIT dus helemaal niet te geloven om de productiekloof serieus te nemen. Sterker: wie zijn verhaal op dat ene omstreden percentage bouwt, doet precies wat het rapport de bedrijven verwijt. Indrukwekkende demo, dunne onderbouwing.

wat doen de bedrijven die wél waarde halen anders?

Drie patronen komen in het onderzoek steeds terug, elk met een eigen bron en een eigen slag om de arm.

Kopen boven bouwen. Het omstreden MIT-rapport bevat één bevinding die veel minder aandacht kreeg dan de kop: ingekochte AI-oplossingen en partnerships slaagden in ongeveer 67 procent van de gevallen, eigen interne bouw in ongeveer 33 procent (Fortune, 2025). Zelfde rapport, dus zelfde slag om de arm. Het spoort wel met wat ik in de praktijk zie: wie zelf bouwt, onderschat beheer, onderhoud en de gang naar productie stelselmatig.

Klein beginnen en focussen. Het kwart van de bedrijven dat volgens BCG significante waarde haalt, richt zich op een klein aantal initiatieven, schaalt die snel op en past de onderliggende kernprocessen aan (BCG, 2025). Consultancy-onderzoek, met een adviespraktijk als belang, en het sluit aan bij het IBM-beeld dat opschalen de bottleneck is.

Data en integratie op orde vóór de pilot. Netwerkleverancier Cisco noemt in zijn AI Readiness Index 13 procent van de bedrijven “Pacesetters”; die groep zette vier keer zoveel pilots om naar productie (Cisco, 2025). Vendor-onderzoek, net als het Frends-rapport dat in Europa hetzelfde patroon vindt. Onafhankelijker is de studie naar agentic AI bij industriële bedrijven die Forbes deze maand aanhaalde, met een term die precies beschrijft wat ik bij klanten zie: de “capability-deployment verification gap”. Een pilot werkt keurig in de testomgeving en verliest elk vertrouwen zodra hij tegen live bedrijfsdata draait (Forbes, 2026).

zo ga je zelf om met faalcijfers en pilots

Voor de MKB-lezer die morgen een AI-voorstel op zijn bureau krijgt, dit is de volgorde die ik zelf aanhoud:

1. Wantrouw elk rond percentage. Vraag naar de steekproef, de opdrachtgever en of de ruwe data openbaar zijn. Een cijfer uit leveranciersonderzoek is marketing tot het tegendeel blijkt.
2. Kies één proces waar de euro’s of uren nu al meetbaar zijn: offertes, klantvragen, planning, facturatie.
3. Spreek vóór de pilot af wat succes is, in geld of uren per week, en wie dat meet.
4. Koop of huur een bewezen oplossing voordat je iets laat bouwen. De best onderbouwde succespatronen wijzen die kant op.
5. Controleer eerst of de data die het systeem nodig heeft bestaat, klopt en toegankelijk is. Zo klein als een nette FAQ, zo groot als je ERP-koppeling.
6. Plan de productiegang vóór de pilotstart: wie beheert het straks, wat kost het per maand, wat gebeurt er bij fouten.
7. Stop op tijd. Een gestaakte pilot van drie weken kost een fractie van een zombieproject van een jaar.

Wat je in elk geval kunt overslaan: een eigen model trainen, een bedrijfsbreed AI-transformatieprogramma optuigen, en instappen bij elke partij die het woord agent op de homepage heeft gezet. Geen enkel cijfer in dit essay geeft daar aanleiding toe, en de agent-washing-schatting van Gartner geeft juist aanleiding tot het omgekeerde.

waar ik sta

Ik geloof de 95 procent niet, en ik geloof ook de omgekeerde hype niet. Mijn positie: het rondpompen van faalcijfers is zelf demo-cultuur, een indrukwekkende kop op een dunne meting, terwijl het onderliggende patroon geen kop nodig heeft. Onafhankelijke bronnen laten steeds hetzelfde zien: meetbare AI-waarde blijft bij een minderheid, en die minderheid koopt in, begint klein en heeft haar data op orde voordat de pilot start. Dat is saaier dan een percentage van 95, en het is wel iets waar je op kunt bouwen.