Kunstmatige intelligentie wordt niet langer alleen verkocht als een eenvoudige efficiëntieverbetering. Volgens het IBM-diagnose verandert het in een inkomstenmotor, een herontwerp van het bedrijfsleiderschap en een herstructurering van de technologische architectuur die organisaties ondersteunt. De vraag is echter niet of bedrijven meer zullen investeren, maar of ze die investering kunnen omzetten in meetbare resultaten zonder gevangen te raken in eindeloze pilots.
Een van de belangrijkste conclusies van de wereldwijde studie van het IBM Institute for Business Value (IBV), uitgevoerd in samenwerking met Oxford Economics, is dat meer dan 2.000 senior executives hun visie delen over hoe hun organisaties tussen 2025 en 2030 zullen evolueren. In de “Bedrijf 2030” is het overheersende verhaal duidelijk: AI zal van een aanvullend hulpmiddel voor bestaande processen evolueren naar het weefsel dat beslissingen, operaties en producten in realtime verbindt.
Van AI als kostenbesparing naar AI als bron van nieuwe inkomsten
De meest opvallende statistiek is de sprong in verwachtingen over de bijdrage aan omzet. Tegen 2030 verwacht 79% van de ondervraagde executives dat AI aanzienlijk zal bijdragen aan de omzet van hun organisatie. Tegenwoordig ligt dat percentage op 40%. Dit is een intentieverklaring, maar ook een teken van onzekerheid: slechts 24% zegt duidelijk te zien wat de belangrijkste inkomstenbronnen in 2030 zullen zijn.
In wezen beschrijft de studie een markt waarin het concurrentievoordeel minder wordt bepaald door “hetzelfde goedkoper doen” en meer door het uitvinden van het nog niet bestaande. Maar liefst 64% van de leidinggevenden gelooft dat het voordeel voortkomt uit innovatie in plaats van resource-optimalisatie. Deze denkwijze vertaalt zich ook in geld: tussen 2025 en 2030 verwachten zij dat de investering in AI met ongeveer 150% zal toenemen.
De technologische interpretatie is tweeledig. Enerzijds zal AI blijven drijven op automatisering en het verbeteren van productiviteit. Anderzijds wordt die productiviteit gezien als brandstof voor innovatie. De studie voorspelt dat AI de productiviteit met 42% zal verhogen tegen 2030, en dat 67% van de executives verwacht de meeste van die voordelen op dat moment al te hebben gerealiseerd. Volgens IBM leidt dat tot een “momentum”: automatisering die middelen vrijmaakt, herinvestering stimuleert en leidt tot herstructurering van het bedrijfsmodel.
De grote bottleneck: integratie met het bedrijfsproces
De paradox is dat het enthousiasme samengaat met een zeer concrete angst: 68% vreest dat hun AI-inspanningen zullen mislukken door gebrek aan integratie met kernactiviteiten. Dit is geen detail. IBM onderscheidt expliciet tussen “AI adoptie” (tools toevoegen) en “geïntegreerde intelligentie creëren” (onlosmakelijk maken van strategie en operatie).
Hier komt het kernwoord voor elke tech-media naar voren: orchestratie. Het rapport benadrukt de behoefte aan een neutrale laag die in staat is om bedrijfsplatforms, applicaties en AI-agenten met echte interoperabiliteit te verbinden, zodat datastromen en beslissingen door de hele organisatie kunnen stromen zonder te vertrouwen op silo’s of fragiele integraties.
David Carrero, medeoprichter van Stackscale (Grupo Aire), vat het praktisch samen: «AI faalt niet door gebrek aan demonstraties, maar wanneer je probeert het in productie te brengen en ontdekt dat data, autorisaties, latentie, kosten en traceerbaarheid niet op orde zijn. Integratie is geen project, maar een operationele discipline». Met andere woorden: zonder goede infrastructuur en datagovernance blijft AI slechts een belofte.
Multi-model, niet “één model om ze allemaal te beheersen”
Een andere belangrijke trend richting 2030 is de overgang naar portfolio’s van modellen. IBM stelt dat winnende bedrijven niet één enkel model optimaliseren, maar een dynamisch geheel dat zich aanpast aan regelgeving, aankoopcycli en marktvolatiliteit. In dat kader:
- 71% van de executives ziet de opkomende AI-capaciteiten als complementaire tools binnen een portfolio.
- Toch zegt slechts 28% zeker te weten welke modellen ze in 2030 nodig zullen hebben.
- Het technische debat wordt steeds prominenter: veel organisaties verwachten in multi-modelscenario’s te opereren en de concurrentie zal verschuiven naar op maat gemaakte modellen en eigen activa.
De praktische implicatie is duidelijk: als de toekomst multi-model is, ligt de waarde niet alleen in het model zelf, maar in hoe de levenscyclus wordt beheerd (MLOps), hoe data en applicaties worden verbonden, en hoe het model wordt verpakt in producten en diensten.
Carrero richt zich op de architectuur: «De grootte van het model is minder relevant dan de mogelijkheid om het waar zinvol te implementeren: dicht bij data, met kostencontrole en beveiligingsgaranties. In veel bedrijven zal de voordelen liggen in gespecialiseerde modellen en orkestratie, niet in het najagen van het grootste model».
Agenten, leiderschap en een ‘always-on’ organisatie
IBM beschrijft de “slimmere organisatie” als een organisatie die “altijd actief” is: continu signalen van de markt verwerkt, in realtime aanpassingen doorvoert en experimenteert met nieuwe inkomstenbronnen op een meer geautomatiseerde wijze. Deze visie gaat gepaard met een ingrijpende organisatorische verandering.
Het rapport voorziet dat AI het leiderschap zal herdefiniëren: 74% van de executives verwacht dat leiderschapsrollen zullen veranderen en dat nieuwe posities zullen ontstaan. Zelfs wordt verwacht dat 25% van de raden van bestuur in 2030 een AI-adviseur of “co-beslisser” zal bevatten. Tegelijkertijd wordt interne frictie voorzien: 68% ziet de huidige organisatiestructuren als een obstakel om de volledige waarde van AI te benutten.
Wat de arbeidsmarkt betreft, waarschuwt de studie voor een versnellend obsolescentiecyclus: 57% verwacht dat de meeste huidige vaardigheden in 2030 verouderd zullen zijn, en tegen eind 2026 denkt men dat 56% van het personeel om bij- of omscholing zal vragen door automatisering gedreven door AI.
Voor een technologiemedia is het kritieke punt dat deze organisatorische sprong niet zonder platform plaatsvindt: agenten en cross-automatisering vragen om observatie, toegangscontrole, audit en hybride capaciteiten om data en computermiddelen te verplaatsen waar nodig. «Als je agenten inzet in kritieke processen, moet je ze behandelen als productie: monitoren, wijzigingen controleren, actierichting vastleggen en beslissingen registreren. Anders automatiseer je risico’s», zegt Carrero.
Infrastructuur als concurrentievoordeel: hybride, schaalbaar en gereguleerd
IBM benadrukt dat het portfolio van multi-modellen moet rusten op een hybride, flexibele, veilige en schaalbare architectuur die snelle toegang biedt tot modellen, data en applicaties voor de teams die het nodig hebben. Dit sluit aan bij de marktontwikkelingen: AI in realtime, dataketens, en druk op soevereiniteit en naleving.
Vanuit een Europees perspectief voegt Carrero toe: «In Europa gaat het niet alleen om prestaties; het draait ook om jurisdictie, soevereiniteit en controle. Een hybride architectuur maakt het mogelijk te kiezen waar data resides en waar modellen worden uitgevoerd zonder het bedrijfsproces te verstoren». In essentie is dit de operationele vertaling van de voorwaarden om te kunnen concurreren: snelheid, integratie en eigen activa.
De conclusie van het onderzoek is niet geruststellend. 2030 wordt niet gepresenteerd als een rechte lijn, maar als een race met snelle iteraties, grotere inzetten en minder ruimte voor improvisatie. Bedrijven die productiviteit kunnen omzetten in innovatie, en die portfolio’s van AI in het bedrijfsproces integreren, zullen degenen zijn die AI kunnen transformeren in inkomsten. De anderen blijven vooral tools verzamelen.
Veelgestelde vragen
Wat betekent “AI-first bedrijf” versus een bedrijf dat alleen AI adopteert?
Een AI-first bedrijf herontwerpt taken, processen en producten zodat AI een structureel onderdeel wordt van het werk (met mensen in toezicht), in plaats van slechts AI-tools toe te voegen aan bestaande workflows zonder de besluitvorming of uitvoering te veranderen.
Waarom is integratie met het bedrijfsproces de grootste risicofactor bij AI-projecten?
Omdat echte use cases afhangen van data, autorisaties, kernsystemen, traceerbaarheid en verantwoordelijkheid. Zonder een orkestratielaag en solide datagovernance bereikt AI geen betrouwbare doorbraak tussen afdelingen en in productie.
Wat is een multi-modelstrategie en waarom wint deze aan belang in zakelijke omgevingen?
Het is een benadering gebaseerd op portfolio’s: fundamentele modellen, kleine gespecialiseerde modellen, eigen modellen en agenten, gecombineerd op basis van taak, kosten, latency, naleving en risico. Het stelt organisaties in staat AI op maat te maken voor concrete processen en voorkomt afhankelijkheid van één enkele leverancier of architectuur.
Wat zijn de implicaties van het opnemen van een AI-adviseur in de Raad van Bestuur?
Dit beïnvloedt governance, verantwoordelijkheid en risicobeheer: van hoe AI-ondersteunde beslissingen worden gevalideerd tot hoe modellen worden geaudit, bias worden gedocumenteerd, operationele limieten worden vastgesteld en investeringen worden afgestemd op bedrijfsresultaten.
Bron: IBM-rapport over AI in 2030