AI is in veel organisaties niet langer een experiment, maar echte regie blijft achter. Ons AI-adoptieonderzoek 2026, uitgevoerd in samenwerking met Markteffect onder 400 Nederlandse IT-beslissers, laat zien dat werknemers in 44 procent van de organisaties zelfstandig met AI-tools werken. Tegelijkertijd laat slechts 5 procent AI deels zelfstandig processen uitvoeren en ziet 58 procent meer potentie dan er nu wordt benut.
AI-adoptie in beeld: van inzet naar regie
Voorwoord
Voor veel organisaties verschuift AI in hoog tempo van experiment naar een vast onderdeel van het werk. Dat stelt steeds meer IT-beslissers voor een kritische vraag: welke waarde voegt AI toe in onze organisatie, en hoe zetten we AI verantwoord in?
Voor het AI-adoptieonderzoek 2026 bevroegen we 400 IT-beslissers* over hun grootste uitdagingen, ervaringen en standpunten. De resultaten laten zien dat AI breed wordt gebruikt, vaak op eigen initiatief. Werknemers in 44% van de organisaties werken zelfstandig met AI-tools, maar slechts 5% laat AI (deels) zelfstandig processen uitvoeren. Tegelijkertijd ziet een meerderheid (58%) meer potentie dan er nu wordt benut.
Ondertussen komen thema’s als verantwoordelijkheid, veiligheid en onafhankelijkheid steeds nadrukkelijker naar voren. IT-beslissers laten zien dat organisaties waarde hechten aan veiligheid, duurzaamheid en ethiek, hoewel dit niet altijd verankerd is in beleid. En hoewel datasoevereiniteit en regie over leveranciers aan belang winnen, heeft maar 11% een concrete strategie voor het geval AI-modellen of -diensten na updates veranderen.
In dit whitepaper delen we de belangrijkste onderzoeksresultaten en laten we zien waar de grootste gaps zitten: in governance, ethiek en het meten van AI-succes. We vullen deze inzichten aan met de scherpe blik van onze experts, met als doel organisaties te helpen om veilig op te schalen en van ambitie naar aantoonbare resultaten te gaan.
*Het AI-adoptieonderzoek 2026 is uitgevoerd in samenwerking met Markteffect onder 400 IT-beslissers bij organisaties met meer dan 50 medewerkers, die hoofdbeslisser, medebeslisser of beïnvloeder zijn in de IT-besluitvorming.
Inhoudsopgave
1. AI-adoptie
Van buzz naar praktijk
Early adopters voorspelden na de introductie van ChatGPT in 2022 dat AI razendsnel een plek op de werkvloer zou veroveren. Maar is dat daadwerkelijk gebeurd? Het AI-adoptieonderzoek 2026 laat zien dat werknemers in meer dan vier op de tien organisaties (44%) vooral op eigen initiatief met AI-tools werken. Slechts 5% laat AI (deels) zelfstandig processen uitvoeren.
Meerderheid laat potentie onbenut
Ondanks dat AI wel voor veel verschillende toepassingen wordt gebruikt, ziet meer dan de helft van de organisaties (58%) nog meer potentie in AI dan ze momenteel benutten. Een groot probleem daarbij is de beschikbaarheid van tools. Want hoewel 43 procent een duidelijk beeld heeft waar AI hun werk écht kan veranderen, zetten bijna evenveel organisaties (44%) AI vooral in waar het beschikbaar is, en niet waar de meeste waarde valt te behalen.
Joop Snijder, Head of AI, adviseert:
“Het heeft geen nut om AI-gebruik binnen een organisatie te laten leiden door waar het beschikbaar is. Dat is hetzelfde als gebruikmaken van een oplossing zonder dat er echt een probleem is. Werk in plaats daarvan naar een duidelijk doel om te verbeteren en maak op basis daarvan keuzes. Meet de voortgang en stuur bij naar het gewenste resultaat. Het vraagt discipline om slechts een paar processen te kiezen waar AI écht het verschil maakt, en de rest voorlopig te laten.”
2. Verantwoordelijkheid & besluitvorming
AI-adoptie vraagt om heldere kaders
Wie gaat er eigenlijk over AI in organisaties? Duidelijkheid over wie besluiten neemt en wie verantwoordelijk is voor de uitvoering maakt het verschil tussen experimenteren en adopteren. Als eigenaarschap en de spelregels duidelijker zijn, kunnen teams sneller opschalen en het potentieel van AI beter benutten.
Uit het AI-adoptieonderzoek blijkt dat bij de meeste organisaties (30%), een specifieke afdeling (zoals IT of Data Science) verantwoordelijk is voor de implementatie van AI. Bij een vergelijkbare groep (28%) is het managementteam verantwoordelijk. 13 procent legt de verantwoordelijkheid bij een specifiek AI- of datateam. Bij de rest van de organisaties zijn er andere verantwoordelijken, zoals project- en innovatiemanagers of externe consultants, of is er zelfs helemaal geen duidelijke verantwoordelijke.
Joop Snijder, Head of AI, deelt de visie van Info Support:
“AI-adoptie strandt vaak door onduidelijkheid over eigenaarschap. In de kern is het een organisatieverandering, en daarom moet het management vooral de kar trekken. Het MT bepaalt waar en met welk doel AI wordt ingezet, IT en data leveren de bouwstenen, en een governance-orgaan bewaakt de regels. Natuurlijk kan je specifieke taken delegeren, maar als management moet je bewust zijn van de verschuivingen die optreden.
Door de AI Act kan je dit niet meer voor je uit schuiven: sinds februari 2025 moet elke organisatie haar werknemers AI-geletterd maken, en vanaf 2 augustus 2026 gelden zwaardere verplichtingen voor hoogrisicosystemen op het gebied van veiligheid en transparantie. Wie nu dus nog geen eigenaar heeft aangewezen, loopt straks achter de feiten aan.”
Governance gap
Uit het onderzoek komt een governance gap naar voren. In hoofdstuk één zagen we dat AI-gebruik van onderaf groeit: bijna de helft van de werknemers gebruikt zelfstandig AI-tools. Tegelijk blijft sturing van bovenaf achter: bijna de helft (45%) zegt dat het vooral ontbreekt aan richting en keuzes, niet aan ideeën voor toepassingen. En in slechts 21% van de organisaties stuurt het managementteam de AI strategie actief aan met heldere doelen en middelen.
Joop Snijder, Head of AI, legt de AI-governance gap uit:
“De governance gap is voor veel organisaties ongemerkt een groot strategisch risico. Medewerkers gebruiken AI wel zelfstandig, maar de vraag waar AI het meeste oplevert blijft onbeantwoord, omdat management hier geen goed beeld bij heeft.
Er is dus veel AI-activiteit maar weinig richting, wat leidt tot fragmentatie van tools, data die op onveilige manier wordt gebruikt en de organisatie verlaat, en onnodig dubbel werk. Ondertussen bouwen concurrenten die wel sturen op doelen een onderscheidend vermogen op dat nauwelijks meer in te lopen is.”
Duurzaamheid: kloof tussen voornemen en actie
Meer dan de helft van de organisaties (55%) ziet duurzaamheid en het energieverbruik van AI als een belangrijk of doorslaggevend aspect bij besluitvorming over AI. Ook zegt ruim een derde (37%) dat het hoge energieverbruik en de impact op het klimaat een belangrijke belemmering zijn bij de adoptie van AI.
Maar in de praktijk wordt duurzaamheid lang niet altijd meegenomen bij beslissingen rondom AI. Bij 41 procent van de organisaties wordt duurzaamheid namelijk maar incidenteel meegewogen, en bij 15 procent speelt duurzaamheid helemaal geen formele rol in hun besluitvormingsproces over AI. Voor slechts 13 procent is duurzaamheid echt een formeel criterium bij de selectie van AI-oplossingen, en maar 4 procent meet het energieverbruik van AI-toepassingen actief, en rapporteert hierover.
Frank Thiele, Unit Manager, geeft de volgende tip:
“Duurzaam gebruik van AI begint met drie nuchtere vragen: hebben we hier echt AI voor nodig, kan het met een kleiner model, en weten we wat het verbruikt? Veel organisaties denken hier niet over na en proberen AI te gebruiken voor alles wat ze kunnen bedenken. Daarbij gaan ze meteen met de grootste modellen aan de slag, waardoor ze hun AI-inzet onnodig zwaar maken.
Beperking vanaf het begin is de beste duurzaamheidsstrategie, en levert vaak snellere en voordeligere oplossingen op. Maak duurzaamheid dus een formeel criterium in selectie en inkoop, en geen vakje om achteraf af te vinken.”
3. AI-uitdagingen
Veiligheid en privacy voorop
Het gebruik en de implementatie van AI-oplossingen verloopt niet altijd even soepel. Datakwaliteit bepaalt voor een groot deel of AI-toepassingen überhaupt kunnen functioneren in een organisatie, maar ook andere kwesties zoals veiligheid, uitlegbaarheid, ethische richtlijnen en het effect op de functies en arbeidsplaatsen binnen een organisatie zijn belangrijke aspecten om rekening mee te houden.
Datakwaliteit
Ruim een kwart van de respondenten (26%) geeft aan dat datakwaliteit een van de grootste uitdagingen is voor hun organisatie bij het succesvol implementeren van AI. En hoewel 45 procent zegt dat de datakwaliteit van hun organisatie van hoge of zeer hoge kwaliteit is, zegt 41 procent dat de kwaliteit eerder gemiddeld is, met aanzienlijke inconsistenties en ontbrekende informatie. 14 procent zegt zelfs dat hun data van lage of zeer lage kwaliteit is, met ernstige tekortkomingen waardoor het onbetrouwbaar is en moeilijk of helemaal niet te gebruiken voor AI-toepassingen.
Frank Thiele, Unit Manager, legt uit:
“Slechte datakwaliteit is niet een AI-specifiek probleem. Het is een operationeel probleem dat al bestond, maar dat extra zichtbaar wordt bij het gebruik van AI. Zorg dus dat je al vroeg toetst of je data geschikt is voor AI, en schoon je data op zodat het de benodigde kwaliteit heeft. Dat zal niet alleen je AI-gebruik ten goede komen, maar ook je andere werkprocessen.”
Uitlegbaarheid van AI
AI krijgt een steeds grotere rol binnen organisaties, met steeds meer verantwoordelijkheid. Dat betekent dat het belangrijker dan ooit is om goed te begrijpen hoe een antwoord of beslissing van je AI-tool precies tot stand is gekomen. In het AI-adoptieonderzoek komen hierover interessante inzichten naar voren:
- 17 procent van de Nederlandse organisaties heeft volledig en makkelijk uitlegbare AI-modellen.
- Ruim de helft (56%) heeft modellen die over het algemeen uitlegbaar zijn, maar wel complexe elementen hebben die moeilijker te verduidelijken zijn.
- 18 procent geeft aan dat de uitlegbaarheid beperkt is en dat het moeilijk is om de werking van de modellen duidelijk te maken.
- 9 procent geeft aan dat hun modellen helemaal niet uitlegbaar zijn.
Ethisch kader
Bij AI-gebruik is het niet alleen belangrijk dat je toepassing goed werkt, maar ook dat de tool op de juiste manier wordt ingezet. Dat betekent dat organisaties die AI implementeren ook rekening moeten houden met ethische uitdagingen zoals privacy, veiligheid en transparantie. In hoofdstuk twee zagen we al dat bijna driekwart van de respondenten (74%) zegt dat ethiek en transparantie belangrijk of zelfs doorslaggevend waren voor de besluitvorming van hun organisatie bij het selecteren en implementeren van AI. Maar wordt dat ook echt in de praktijk toegepast?
Het onderzoek laat zien dat er hier wederom een kloof tussen voornemen en uitvoering bestaat, wat mogelijk voortkomt uit de eerder besproken governance gap. Slechts 17 procent van de respondenten geeft aan dat hun organisatie een officieel vastgesteld en gedocumenteerd ethisch kader heeft. Wel zegt een derde (33%) dat er richtlijnen zijn, maar dat die niet formeel zijn vastgelegd. Ook zegt 36 procent dat er momenteel wordt gewerkt aan de ontwikkeling van een kader. Toch laat 8 procent weten dat er momenteel geen ethisch kader is in hun organisatie, en dat daar ook niet aan wordt gewerkt. 7 procent heeft geantwoord: weet ik niet / niet van toepassing.
Wat is het effect van AI op de arbeidsmarkt?
AI-tools maken processen efficiënter en helpen teams om sneller te werken. Nu wordt die tijdswinst vaak meteen gebruikt als bewijs voor hogere verwachtingen: meer output, kortere deadlines en minder ruimte voor planning, learning, creativiteit en stimulerende taken. Zo ontstaat de AI-productiviteitsparadox: werknemers werken sneller en produceren meer, maar profiteren niet van de ruimte die AI hun biedt. Wat zal het langetermijneffect hiervan zijn op de werkzaamheden van personeel, en het aantal beschikbare arbeidsplekken?
Frank Thiele, Unit Manager, legt uit:
“Het idee dat AI werk makkelijker maakt, klopt niet. Het routinewerk verdwijnt, maar het oordeelswerk blijft over. Dat is mentaal juist zwaarder. Cognitieve uitputting door het continu beoordelen van AI-output, ‘AI-brainfry’, wordt een serieus probleem. Werkgevers die alleen sturen op productiviteit zullen zien dat dit op de lange termijn niet de beste aanpak is.”
Joop Snijder, Head of AI, zegt hierover:
“Eerdere technologische revoluties hebben laten zien dat het aantal arbeidsplekken juist groeit. Ik zie geen reden waarom dat bij AI anders zou zijn, maar het blijft lastig te voorspellen waar de groei zit. AI zal banen veranderen, banen laten verdwijnen en ook nieuwe banen doen ontstaan, met groei als resultaat. Vergrijzing is het echte probleem: we moeten met minder mensen meer doen om de economie draaiende te houden. In dat licht is AI eerder een onderdeel van het antwoord dan het probleem. Maar alleen als we productiviteitswinst echt laten landen, en niet direct inruilen voor hogere outputeisen.”
4. Veiligheid & onafhankelijkheid
Van top of mind naar concreet beleid
AI wordt voor steeds meer werkzaamheden gebruikt, raakt steeds meer verweven met belangrijke bedrijfsprocessen en krijgt daarmee toegang tot (soms gevoelige) data. In 2026 staan veiligheid en onafhankelijkheid nadrukkelijker op de agenda van IT-beslissers, zeker in het licht van geopolitieke ontwikkelingen en strengere wetgeving. Wie heeft toegang, waar wordt data verwerkt en opgeslagen, en hoe voorkom je dat je te afhankelijk wordt van één provider?
Frank Thiele, Unit Manager, adviseert:
“Veilig AI-gebruik is cruciaal, zeker nu AI steeds meer toegang en verantwoordelijkheid krijgt. Behandel AI-systemen daarom meteen als belangrijke productiesystemen, en niet als experimentele toepassing. Zorg voor hetzelfde change management, dezelfde audits en dezelfde pentesten als bij andere cruciale systemen. Want een AI dat wordt gebruikt in een bedrijfskritisch proces is zelf ook een bedrijfskritisch systeem.”
Afhankelijkheid van veranderingen in AI-modellen
Naast veiligheid is ook afhankelijkheid van AI-modellen en hun leveranciers een belangrijke factor om rekening mee te houden. Wat doe je als je AI-tools na een update ineens anders werken, andere output produceren, of bepaalde functies niet meer ondersteunen waar jouw organisatie op leunt?
Slechts één op de tien (11%) zegt dat de organisatie een vastgestelde strategie en concrete maatregelen heeft voor het geval dit gebeurt. Bij 41 procent heeft de organisatie wel beleid of richtlijnen, maar zijn deze nog niet uitgewerkt of worden deze niet altijd toegepast.
Meer dan één op de drie (36%) heeft hier nog helemaal geen richtlijnen voor: 23 procent zegt dat ze mogelijke benaderingen wel verkennen, en 13 procent geeft aan dat hier geen plannen voor zijn. 8 procent weet niet of hun organisatie een plan heeft. De resultaten laten dus opnieuw zien dat het bij veel organisaties ontbreekt aan sturing vanuit het management.
Datasoevereiniteit: hosting binnen Europa
Door het toenemende belang van veilige, altijd beschikbare data en onvoorspelbare geopolitieke ontwikkelingen is datasoevereiniteit de afgelopen jaren steeds relevanter geworden voor veel organisaties.
Vier op de tien respondenten zeggen dat hun organisatie alleen AI-oplossingen gebruikt die in Europa worden gehost. Nog eens vier op de tien (39%) hebben een lichte voorkeur: zij willen dat AI-data in Europa wordt gehost, maar het is geen doorslaggevende factor. Voor 12 procent is dit afhankelijk van de data: bij algemene informatie is de locatie niet van belang, maar bij privacygevoelige of financiële data is Europese hosting verplicht. 9 procent zegt dat hun organisatie geen voorkeur heeft.
5. Investering & resultaten
Van ambitie naar ROI
Hoe meten organisaties het succes van AI-toepassingen, en welke investeringen verwachten IT-beslissers te doen? Het onderzoek laat zien dat de grootste graadmeters voor succes de kwaliteit en betrouwbaarheid van de data en verbeterde efficiëntie zijn. Daarnaast geeft de grootste groep (24%) van de IT-beslissers aan het komende jaar tussen de 250.000 en 1 miljoen euro te investeren in AI.
Hogere omzet voor één op de vijf organisaties
Ervaren Nederlandse organisaties concrete financiële voordelen dankzij AI-tools? De overgrote meerderheid van de IT-beslissers zegt van wel. Slechts 20 procent heeft nog geen merkbare financiële voordelen ervaren, en 10 procent gebruikt nog geen AI. De meeste organisaties ervaren financiële voordelen dankzij tijdsbesparing en procesverbetering (36%). Scherpere zakelijke beslissingen (24%) en lagere operationele kosten (24%) zijn ook grote voordelen, en 19 procent ziet ook een hogere omzet dankzij AI.
6. Conclusie & aanbevelingen
AI is in veel organisaties niet langer een experiment, maar onderdeel van het dagelijks werk. Tegelijkertijd blijft gecontroleerde opschaling vaak achter: niet omdat er te weinig initiatieven zijn, maar omdat de randvoorwaarden nog onvoldoende zijn ingericht. In het AI-adoptieonderzoek komen drie duidelijke gaps naar voren: governance, ethiek en meetbaarheid. Onze experts doen daarom de volgende aanbevelingen:
Gap 1: governance
Dicht de governance gap met eigenaarschap en sturing
AI-adoptie is in de kern een organisatieverandering en vraagt om sturing. Richt governance zo in dat iedereen weet wie beslist, wie uitvoert en wie controleert. Beperk het aantal initiatieven tot de plekken waar AI echt waarde moet en kan toevoegen, en voorkom dat tooling of toeval de agenda bepalen. Behandel AI bovendien als een productiesysteem: zorg voor change management, security, auditing en continuïteit vanaf het begin, inclusief een aanpak voor updates of veranderingen in modellen en diensten van leveranciers.
Gap 2: ethiek
Zorg voor een concreet ethisch kader met ruimte voor dialoog
Veel organisaties vinden verantwoord AI-gebruik belangrijk, maar worstelen met de stap naar concrete, werkbare richtlijnen. Leg ethische uitgangspunten daarom formeel vast en maak ze praktisch: wat mag wel en niet, hoe ga je om met data, transparantie en uitlegbaarheid, en welke controles horen daarbij. Zorg dat ethiek niet “los” staat, maar onderdeel is van besluitvorming, inkoop, ontwikkeling en gebruik. Veel praktijkvragen ontstaan bovendien in grijze gebieden waar richtlijnen niet precies passen. Zorg dus voor duidelijke uitgangspunten, maar laat ook ruimte voor het gesprek: wie mag wat aankaarten, en wie maakt de eindbeslissing bij een dilemma? Investeer daarnaast structureel in AI-geletterdheid, zodat medewerkers niet alleen kunnen werken mét AI, maar ook begrijpen waar de risico’s en grenzen liggen.
Gap 3: meetbaarheid
Maak doelen meetbaar en blijf bijsturen
Zonder heldere meting blijft AI-gebruik lastig te sturen, te verantwoorden en nog lastiger op te schalen. Formuleer daarom duidelijke doelen en KPI’s die aansluiten op wat je wil bereiken. Let daarbij niet alleen op prestaties zoals tijdswinst of hogere productie, maar denk ook aan duurzaamheid, datakwaliteit, veiligheid, verandering in gedrag van werknemers en het soort werk dat wordt gedaan. Gebruik die inzichten om keuzes te maken: doorgaan op dezelfde voet, aanpassen of stoppen? Zo leiden AI-investeringen tot duurzame en aantoonbare resultaten.
Slot
Aan dit AI-adoptieonderzoek (april 2026), namen 400 Nederlandse IT-beslissers deel en is uitgevoerd in samenwerking met Markteffect. Dit whitepaper is mede mogelijk gemaakt door:
Download whitepaper
Alle onderzoeksresultaten, figuren en expertinzichten in één document, handig om intern te delen.
Info Support
Info Support biedt end-to-end IT-oplossingen die jouw organisatie versterken. Onze ruim 500 experts nemen verantwoordelijkheid voor het volledige traject. Jouw kritische IT in veilige handen, gebouwd op vakmanschap, versterkt met AI in de hele lifecycle.
Wij helpen organisaties om businessvraagstukken te vertalen naar AI-functionaliteit die geïntegreerd wordt in bestaande applicaties, dataplatformen en bedrijfsprocessen. Met een beproefde aanpak en hoogwaardige trainingen zorgen we ervoor dat jouw organisatie klaar is voor de toekomst en optimaal kan excelleren en innoveren.