AI maakt individuen sneller. Organisaties merken er weinig van.
Medewerkers schrijven sneller, zoeken sneller en vatten sneller samen. Toch blijven doorlooptijden, kosten en kwaliteit in veel organisaties opvallend onveranderd. De vraag die bestuurders inmiddels aan een AI-assistent voorleggen: waarom zien wij die winst niet terug in onze resultaten? Het antwoord zit zelden in de technologie en zelden in de mensen. Het zit in de ruimte daartussen: de verdampingszone, waar individuele tijdwinst oplost in coördinatie, controle, dubbel werk en processen die nog op het oude tempo zijn ingericht. Wie alleen tools uitrolt, organiseert die verdamping zelf.
De optelsom die niet klopt
Op papier is de rekensom eenvoudig: duizend medewerkers die elk een paar uur per week winnen, leveren samen een fors resultaat op.
In de praktijk klopt die optelsom zelden.
Onderzoek van MIT (2025) liet zien dat 95 procent van de generatieve AI-pilots geen meetbaar effect had op het bedrijfsresultaat. Waar winst ontstond, bleef die vooral hangen bij de individuele medewerker. Zelfs die individuele winst is minder vanzelfsprekend dan gedacht: in een experiment van METR (2025) werkten ervaren softwareontwikkelaars met AI-hulpmiddelen 19 procent langzamer, terwijl ze zelf overtuigd waren van het tegendeel.
En op het niveau van de hele economie vond Goldman Sachs (2026) begin dit jaar nog geen aantoonbaar verband tussen AI-gebruik en productiviteitsgroei.
De conclusie is niet dat AI niets oplevert.
De conclusie is dat individuele tijdwinst niet vanzelf organisatieresultaat wordt.
Vier plekken waar winst verdampt
De verdampingszone heeft vier vaste oorzaken.
De eerste is controlewerk. AI-output moet worden beoordeeld en hersteld, en die last landt meestal bij een ander dan de maker. Onderzoekers van BetterUp en Stanford (2025) noemen dit *workslop*: werk dat af oogt, maar de taak niet verder helpt. Zo'n veertig procent van de kenniswerkers ontving het in één maand, met gemiddeld bijna twee uur herstelwerk per geval.
De tweede oorzaak is coördinatie: sneller geproduceerd werk wacht alsnog op hetzelfde overleg, dezelfde goedkeuring en dezelfde agenda's.
De derde is dubbel werk: teams lossen met AI elk afzonderlijk hetzelfde probleem op, zonder dat iemand de uitkomsten bundelt.
De vierde zit in het proces zelf: wanneer één stap tien keer zo snel gaat, maar de keten op weektempo is ingericht, verdwijnt de winst in wachttijd.
Geen van deze vier verschijnt in een licentieoverzicht of adoptiedashboard.
Daarom blijven ze buiten beeld.
Waarom herontwerp vóór uitrol gaat
De reflex bij tegenvallende resultaten is meer training en betere tools.
Het onderzoek wijst een andere kant op.
In de Work Trend Index van Microsoft (2026) verklaren organisatiefactoren, zoals cultuur, leidinggevenden en de inrichting van werk, ongeveer twee keer zoveel van de AI-impact als individuele vaardigheid.
De hefboom ligt dus niet bij de gebruiker, maar bij de organisatie eromheen.
Wij herkennen dat uit eigen ervaring.
Bij Spark Labs bouwen we onze eigen AI-toepassingen, en ook bij ons werd de winst pas zichtbaar toen we rollen, afspraken en processtappen aanpasten aan het nieuwe tempo.
Herontwerp hoeft niet groot te beginnen.
Kies één proces dat ertoe doet, meet de huidige doorlooptijd en kwaliteit, en richt de stappen, controles en overdrachten opnieuw in rond wat AI overneemt.
Rol daarna pas breed uit.
Wie het andersom doet, schaalt de verdamping mee op.
Kerninzichten
- Individuele AI-productiviteit leidt niet automatisch tot organisatieresultaat.
- De grootste verliezen ontstaan in controle, coördinatie, dubbel werk en verouderde processen.
- Organisatieontwerp heeft meer invloed op AI-impact dan individuele AI-vaardigheid.
- Herontwerp processen vóór grootschalige AI-uitrol.
Reflectievraag
Als iedere medewerker morgen twintig procent sneller werkt met AI, op welke plek in uw organisatie verdwijnt die tijdwinst als eerste?
