Enterprise AI ROI in 2026: waarom 89% van de investeringen stukloopt (en hoe je wél waarde vangt vóór de EU AI Act-deadline)

Er zijn weinig managementdromen die zo hard zijn verkocht als enterprise AI: sneller beslissen, slanker opereren, minder frictie in de keten, en een organisatie die ineens „datagedreven” voelt. In 2024 liep de wereldwijde AI-uitgavenmotor op tot $252 miljard (26% groei). In de eerste helft van 2025 ging er nog eens $47 miljard in AI-initiatieven. En toch is het dominante geluid in boardrooms niet triomf, maar nervositeit.

Want de ROI-vraag is veranderd. Niet langer: “Kunnen we iets met AI?” Dat antwoord is bijna overal „ja”. De ongemakkelijke nieuwe vraag is: “Waarom hebben we na al dat geld nog steeds pilots, terwijl de P&L nauwelijks beweegt?”

De cijfers zijn pijnlijk precies. Van die $47 miljard in H1 2025 leverde slechts 11% meaningful returns op. De overige 89% is, in verschillende vormen, vastgelopen: in proof-of-concepts die nooit productiewaardig werden, in tooling die activiteit meet maar geen waarde, of in projecten die pas laat ontdekken dat governance, data en security geen bijlagen zijn maar de hoofdmoot.

En in Europa komt er een extra tijdsdruk bij. Op 2 augustus 2026 wordt het regime voor high-risk AI onder de EU AI Act volledig toepasbaar. Wie nu nog AI als „een technologieproject” behandelt, wordt straks gedwongen tot retrofit: logging toevoegen achteraf, menselijke oversight verzinnen na incidenten, auditsporen herstellen die nooit zijn aangelegd. Dat is de duurste manier van leren.

Executive Summary

• In 2025 leverde slechts 11% van enterprise AI-investeringen meetbare waarde; 89% leverde minimale of geen ROI.
• De grootste faalfactor is de pilot-to-production chasm: pilots werken met schone data en handmatige workarounds; productie faalt op schaal (50–500 gebruikers), integraties, autorisatiecomplexiteit en compliance.
• Succesvolle programma’s draaien de budgetlogica om: 50–70% van resources gaat naar data readiness, niet naar modelkeuze.
• Multi-agent systemen falen 41–86,7% zonder orkestratie; 37% van breakdowns komt door coördinatie alleen.
• EU AI Act-compliance voor high-risk systemen voegt 10–20% kosten toe—maar voorkomt boeterisico tot €35 miljoen of 7% wereldwijde omzet.
• De herstelroute: run AI als digitale transformatie, start met evals, bouw production-ready architectuur, beperk identity sprawl, en contracteer vendors op auditability en aansprakelijkheid.

De ROI-paradox: iedereen gebruikt AI, bijna niemand verdient eraan

Op papier is adoptie geen probleem meer: 88% van bedrijven zegt AI regelmatig te gebruiken. Maar slechts 21% heeft AI op productieschaal met meetbare returns. De rest bevindt zich in een schaduwgebied: er is wel output, maar het is niet gekoppeld aan bedrijfswaarde.

Dat verklaart waarom je tegelijkertijd twee dingen waar kunt zien:

Ten eerste: de projectportefeuille groeit. Investeringen stijgen gemiddeld door, met druk vanuit de top om „iets met GenAI” te doen.

Ten tweede: veel leiders voelen weinig. PwC-onderzoek laat zien dat 56% van CEO’s zegt „niets” te krijgen van hun AI-adoptie. Gallagher becijfert intussen dat de gemiddelde tijd tot ROI 28 maanden is. In 2026—met kwartaalritmes en budgetcycli—zijn 28 maanden een eeuwigheid.

De kern van de paradox is dat AI op teamniveau wél werkt (een analist die sneller schrijft, een accountmanager die beter samenvat), maar op organisatieniveau vaak niet wordt verzilverd. Een versnelling die niet in de procesketen landt, is een kostenpost met een goed verhaal.

Waar het misgaat: de pilot-to-production chasm (en waarom die zo voorspelbaar is)

Larridin vat het scherp samen: enterprise AI werkt pas als je het runt als digitale transformatie, niet als side project. In pilots zie je een gecontroleerde werkelijkheid: 5–10 gebruikers, gecureerde data, en stille menselijke correctie in de achtergrond. Het is vaak niet eens fraude; het is gewoon hoe pilots „per ongeluk” slagen.

Zodra je naar productie gaat verandert het speelveld:

• Je krijgt 50–500 gebruikers met rommelige, incomplete en inconsistent gelabelde data.
• De handmatige workaround („Sarah checkt dit even”) blijkt niet schaalbaar.
• Integraties exploderen: legacy-systemen, API-latency, rate limits, en permission-modellen.
• Security en compliance komen niet meer als advies, maar als poortwachter—met doorlooptijden die projecten kunnen stilzetten.

Het gevolg is dat een model dat 95% scoort op testdata in productie ineens 60% haalt. En dat is het moment waarop organisaties het verkeerde gesprek gaan voeren: ze zoeken een beter model, terwijl het probleem in werkelijkheid de operatie is.

De onzichtbare kostenmotor: data readiness (50–70% van je projectbudget)

Als je één KPI in je AI-programma hard moet maken, laat het dan deze zijn: hoeveel van je totale inspanning gaat naar data?

In succesvolle AI-initiatieven gaat 50–70% van de resources naar data readiness. Niet omdat dat „mooi” is, maar omdat enterprise data zelden klaar is voor automatisering op schaal. CRM’s zitten vol null values. Metadata is incompleet. Processen zijn historisch gegroeid en nergens uniform.

Daarbovenop komt de moderne RAG-realiteit: vector databases en documentcorpora die voortdurend veranderen. Zodra je synchronisatie, chunking en bronverwijzingen niet strak regelt, bouw je een systeem dat overtuigend klinkt maar in stilte degradeert.

In de praktijk is data readiness dus geen fase vóór AI. Het is een permanente productiefunctie.

Waarom agentic AI ROI kan opblazen (en waarom het vaak juist misgaat)

Multi-agent systemen beloven autonomie: agents die taken verdelen, tools aanroepen, beslissingen voorbereiden, en workflows uitvoeren. Maar de faalmodus is nieuw. Zonder orkestratie lopen systemen vast in deadlocks, inconsistent state en memory poisoning.

De harde cijfers uit het dossier zijn een waarschuwing: 41–86,7% failure rates voor multi-agent systemen zonder goede orchestration; 37% van de breakdowns komt door coördinatie alleen.

Dit maakt agentic AI een ROI-versneller alleen als je de randvoorwaarden productiewaardig maakt: observability, limieten op autonomie, foutpaden, en menselijke escalatie. Anders creëer je een organisatiebrede „foutvermenigvuldiger”: één hallucination wordt input voor drie downstream agents, en de schade groeit exponentieel.

Voor wie dit onderwerp praktisch wil aanpakken, sluit dit aan op onze eigen verdieping over architectuur, security en observability in 2026: Production-ready AI agents in 2026: architectuur, security, observability en EU AI Act.

De security-rekening die je ROI opeet: identity sprawl en exposure gaps

ROI-discussies worden nog te vaak gevoerd alsof security een aparte begrotingslijn is. In werkelijkheid bepaalt security of je überhaupt kunt schalen.

Het dossier beschrijft een structurele verschuiving: machine identities outnumber human employees 82:1. Iedere agent, integratie en automatisering draait op tokens, API keys of OAuth. In de praktijk zijn die vaak long-lived „voor het gemak”, met brede permissies „om blokkades te voorkomen”. Dat gemak wordt een aanvalspad.

Daarom is die Unit 42-observatie zo belangrijk: bijna 90% van onderzoeken raakt identity weaknesses, en 90% van breaches komt uit preventable exposure gaps—dus niet uit exotische APT-magie, maar uit basisfouten die je kunt ontwerpen en monitoren.

Wie dit ROI-technisch wil framen: security is niet alleen risicoreductie, maar het verschil tussen „pilot” en „productie”. Zie ook: Machine identity security ROI voor agentic AI (2026).

EU AI Act: kostenopslag, maar ook een ROI-instrument (als je het goed benut)

Voor Nederlandse organisaties is 2026 het jaar waarin AI-governance ophoudt een PowerPoint te zijn. Per 2 augustus 2026 moeten high-risk AI-systemen voldoen aan eisen rond risk management, datasetkwaliteit, logging, human oversight, conformity assessment en post-market monitoring.

In het dossier staat een praktische vuistregel: 10–20% overhead op implementatiekosten voor compliance-by-design. Dat klinkt als een belasting, maar het is ook een selectie-instrument: projecten die die 10–20% niet kunnen dragen, waren vaak al te fragiel om ROI te leveren.

De boeterisico’s zijn bovendien asymmetrisch groot: €35 miljoen of 7% van de wereldwijde omzet bij non-compliance. En daarnaast blijft GDPR relevant met mogelijke boetes tot €20 miljoen of 4%—zeker waar AI-systemen persoonlijke data verwerken en de erasure-discussie rond modelweights juridisch nog niet is uitgekristalliseerd.

Perplexity-onderzoek (op basis van NL/EU-bronnen) benadrukt voor Nederland vooral de praktische kant: inventarisatie per risiconiveau, auditability, logging, en het borgen van menselijke regie. Dat raakt direct je procurement: leveranciers moeten kunnen aantonen hoe ze transparantie, bias-mitigatie, logging en oversight ondersteunen.

De herstelstrategie: van „AI als tool” naar „AI als operatie”

De beste samenvatting uit de primaire bron is ook de ongemakkelijkste: het verschil zit niet in het model, maar in de manier van implementeren. Je kunt dat vertalen naar een herstelstrategie in drie lagen: waarde, operatie, en compliance.

1) Begin niet met enthousiasme, maar met evals

Larridin’s advies—“start with evals, not enthusiasm”—is de snelste manier om vanity metrics te doden. Definieer vooraf wat succes is in termen van tijd, foutreductie, conversie of cost-out. Doe wekelijkse eval-reviews, niet kwartaalretros.

2) Kies use cases waar waarde aantoonbaar is

Het dossier signaleert dat meer dan 50% van GenAI-budgetten naar sales/marketing tooling gaat, terwijl MIT juist de grootste ROI in back-office automation vond. Dat betekent niet dat commerciële use cases verkeerd zijn; wel dat ze vaak moeilijker „hard” te maken zijn dan factuurverwerking, knowledge retrieval of supply chain optimalisatie.

3) Reserveer budget voor data als productiefunctie

Als data readiness 50–70% van de effort is, dan moet het in je planning en governance zitten als doorlopende capability. Anders wordt het een serie noodgrepen die je implementatie vertraagt en je maintenance omhoog trekt (15–30% van build cost per jaar).

4) Ontwerp agentic AI met remmen, logging en menselijke escalatie

Multi-agent ROI vraagt om orkestratie, rate limits, tool-permissions en observability. Anders is het niet autonomie maar onvoorspelbaarheid.

5) Behandel procurement als risicomanagement

Het dossier noemt dat vendor partnerships 67% slagen en interne builds slechts 33% zo vaak. Dat is geen pleidooi tegen intern bouwen, maar wel voor volwassen sourcing: bouw waar je competitief voordeel hebt; koop waar je auditability, security engineering en schaal kunt „inheriten”.

De enige tabel die je nodig hebt: ROI-lekken en hun ‘fix’

Nederlandse lezer: wat betekent dit morgen voor budget en roadmap?

De EU AI Act maakt 2026 tot een scharnierjaar: niet omdat „AI verboden wordt”, maar omdat high-risk systemen alleen nog houdbaar zijn als je governance en auditability productief maakt.

Concreet betekent dit voor budgettering en procurement:

• Maak compliance een workstream, geen gate. Als IT Security pas op het einde instapt, krijg je 6–12 maanden vertraging precies waar je board juist versnelling wil.
• Reserveer expliciet voor logging, monitoring en human oversight. Niet als „nice to have”, maar als voorwaarde om agentic AI te mogen inzetten in gereguleerde processen.
• Contracteer op transparantie en aansprakelijkheid. Laat leveranciers vastleggen wat er gelogd wordt, hoe incidenten worden gemeld, en hoe er wordt omgegaan met foutieve output of autonome acties.

Wie governance als competitieve capability wil behandelen in plaats van als hinder, kan hierop doorpakken met: AI governance in 2026: strategische business impact & ROI.

Slot: ROI is niet kapot—je implementatiemodel wel

De harde les van 2025 is niet dat AI “overhyped” is. De les is dat organisaties AI te vaak hebben ingevoerd als software-aankoop: een copilot hier, een chatbot daar, een pilot die het goed doet in een gecontroleerde omgeving. Dat levert activiteit op, maar zelden een herontworpen procesketen.

De 11% die wél waarde vangt, heeft geen magische modellen. Ze hebben discipline: evals vóór deployment, data readiness als grootste begrotingspost, productiearchitectuur die falen verwacht, en governance die auditability en menselijke regie afdwingt.

In Europa komt daar een extra argument bij: wie nu compliance-by-design bouwt, koopt niet alleen boetereductie, maar ook snelheid. Want in 2026 is de echte ROI-winst niet “meer AI”. Het is: minder pilots, minder retrofit, en meer productie—met bewijs.