Augmentic BV
Haaswijkweg oost 12B
3319 GC Dordrecht
The Netherlands
Een position paper over waarom productiviteitsonderzoek naar AI systematisch de plank misslaat, en wat het ons wél vertelt.
“Productiviteitswinst door AI? De meeste bedrijven zien het nog niet.” Dat schreef het Financieele Dagblad op 14 maart 2026, op basis van een grootschalig onderzoek onder zesduizend CEO’s en CFO’s in vier landen. De conclusie: 89% van de ondervraagde bedrijven ziet geen effect van AI op productiviteit of werkgelegenheid. Slechts 10% rapporteert enige verbetering.
Het zijn indrukwekkende cijfers. Ze klinken overtuigend. En ze zijn ook grotendeels correct.
Maar het artikel trekt de verkeerde conclusie. Niet omdat de data niet klopt, maar omdat het de diepere vraag niet stelt: waarom zien die 89% niets? En wat doen de 10% die wél resultaat zien anders?
Het antwoord op die vraag verandert het hele verhaal.
Wat het onderzoek werkelijk zegt
Het onderzoek waarnaar het FD verwijst is gedegen. Het betreft NBER Working Paper 34836, opgesteld door economen van Stanford en vier centrale banken — Atlanta Fed, Bank of England, Deutsche Bundesbank en de Macquarie University — met identieke vraagstellingen in vier landen. De steekproef is representatief, de respondenten zijn senior, de methodologie is transparant.
De door het FD genoemde cijfers kloppen exact: 69% van de ondervraagde bedrijven gebruikt AI, maar slechts 11% rapporteert een productiviteitsstijging, en meer dan 89% ziet geen effect. Het zijn cijfers die zichzelf lijken te verklaren: AI is er, maar werkt niet.
Alleen: het onderzoek heeft drie fundamentele beperkingen die het artikel niet benoemt.
Ten eerste is het een zelfgerapporteerde enquête. CEO’s en CFO’s schatten of ze productiviteitswinst zien, zonder objectieve meting. Dat is een wezenlijk verschil. Een studie uit 2025 met softwareontwikkelaars toonde aan dat zij geloofden dat AI hen twintig procent sneller maakte, terwijl ze feitelijk negentien procent langzamer waren voor complexe taken. De perceptiekloof kan dus bijna veertig procentpunt bedragen.
Ten tweede meten de onderzoekers productiviteit als “omzet per medewerker” — een grove maatstaf die kwaliteitsverbeteringen, foutreductie, doorlooptijdverkorting en hogere complexiteit van het resterende menselijke werk volledig mist. Een advocaat die met AI in zes uur doet wat anders twaalf uur kostte, maar die vrijgekomen tijd gebruikt voor extra klantcontact in plaats van meer declarabele uren, is niet zichtbaar in omzet per medewerker. De productiviteitswinst is reëel; de maatstaf ziet het niet.
Ten derde — en dit is het meest opvallende detail dat het artikel weglaat — gebruiken de respondenten AI gemiddeld anderhalf uur per week. Bij dat gebruiksniveau is het nauwelijks verrassend dat het effect onmeetbaar is. Een medewerker die anderhalf uur per week met een gereedschap werkt terwijl zijn werkprocessen voor de rest ongewijzigd zijn, gaat de productiviteitscijfers van zijn organisatie niet verplaatsen.
En dan is er nog iets: de onderzoekers zelf zijn niet pessimistisch. Het CEPR-artikel gebaseerd op hetzelfde onderzoek draagt de titel “Firms predict an AI productivity boom is coming.” Dezelfde CEO’s en CFO’s die vandaag geen effect zien, verwachten over drie jaar gemiddeld 1,4 procent productiviteitsgroei per jaar — en een kwart verwacht een daling van de werkgelegenheid met 0,7 procent per jaar. Dat is niet het beeld van mensen die denken dat AI niet werkt. Dat is het beeld van mensen die zich realiseren dat ze er nog niet mee bezig zijn op de manier die resultaat geeft.
Het andere onderzoek dat het FD niet noemt
Terwijl het artikel concludeert dat het effect “in nevelen gehuld blijft”, bestaat er een groeiend corpus aan onderzoek dat laat zien waar AI wél aantoonbaar werkt — met harde cijfers.
De meest relevante studie voor de Europese context is een analyse van de Bank for International Settlements, de Europese Investeringsbank en CEPR, gepubliceerd in 2026. Onderzoekers analyseerden meer dan twaalfduizend Europese bedrijven met een causale methodologie — dus niet een enquête, maar een instrumentele-variabelenmethode die werkelijke effecten isoleert. Uitkomst: AI-adoptie verhoogt arbeidsproductiviteit gemiddeld met vier procent, zonder korte-termijn werkgelegenheidsverlies.
Maar het interessantste in dat onderzoek is niet het gemiddelde. Het zijn de multiplicatoren. Elke extra procent die bedrijven besteden aan werknemerstraining versterkt het productiviteitseffect met 5,9 procentpunt. Elke extra procent aan software en data-infrastructuur met 2,4 procentpunt. Met andere woorden: de technologie zelf is slechts één deel van de vergelijking. Organisaties die alleen een AI-tool aanschaffen zien misschien één of twee procent verbetering. Organisaties die tegelijk investeren in training, infrastructuur en procesaanpassing zien tien tot twintig procent.
Een pre-geregistreerd experiment met 758 BCG-consultants — de zogenoemde “Jagged Frontier”-studie van Harvard Business School — toonde iets vergelijkbaars. Consultants die AI gebruikten voor taken waarvoor het gereedschap geschikt is, voltooiden 12 procent meer taken, werkten 25 procent sneller en produceerden 40 procent hogere kwaliteit. Maar consultants die AI inzetten voor taken buiten zijn competentiegrens presteerden negentien procentpunt slechter dan collega’s zonder AI. De tool werkt — maar alleen als de medewerker begrijpt wanneer het werkt en wanneer niet, en zijn werkwijze daarop aanpast.
En dan zijn er de organisaties die AI niet als tool hebben ingezet, maar als aanleiding voor fundamenteel ander werk. Klarna reduceerde de resolutietijd in klantenservice van vijftien minuten naar onder de twee minuten — een daling van meer dan tachtig procent — en verlaagde de kosten per transactie met veertig procent. AstraZeneca realiseerde vijftig procent kortere ontwikkeltermijnen en zeventig procent tijdsbesparing bij regulatoire documentatie. Rolls-Royce verhoogde machine-utilisatie met dertig procent via AI-gestuurde planning. In de juridische sector rapporteert 62 procent van Europese professionals in een recente Wolters Kluwer-studie dat ze zes tot twintig procent van hun werkweek besparen.
Geen van deze resultaten is zichtbaar in een enquête die vraagt of de CEO een effect ziet op omzet per medewerker.
We hebben dit verhaal eerder gezien
Er is een patroon in hoe transformatieve technologieën in de economische geschiedenis worden ontvangen — en het is elke keer hetzelfde.
In 1987 schreef econoom Robert Solow zijn beroemde paradox: “Je kunt het computertijdperk overal zien, behalve in de productiviteitsstatistieken.” Computergebruik was al tien jaar sterk gegroeid, maar de productiviteitsgroei was gedaald van bijna drie procent naar iets meer dan één procent. Het klonk als een oordeel: computers werken niet.
Tot ze wel begonnen te werken. Tussen 1995 en 2005 steeg de Amerikaanse productiviteitsgroei met anderhalve procentpunt per jaar — en die stijging was geconcentreerd in precies de sectoren die hun werkprocessen fundamenteel hadden herontworpen rondom de nieuwe technologie.
De parallel met elektriciteit gaat nog dieper. Elektriciteit was commercieel beschikbaar vanaf de jaren tachtig van de negentiende eeuw. Maar de productiviteitsimpact werd pas zichtbaar rond 1920 — een vertraging van veertig jaar. Fabrieken die simpelweg hun stoommachine vervingen door een elektromotor zagen minimale verbetering. Pas toen een nieuwe generatie fabrieksontwerpers de hele productielogica herontwierp — eenlaagse gebouwen, individuele motoren per machine, andere logistiek, andere personeelsindeling — explodeerde de productiviteit. Geëlektrificeerde fabrieken die die stap zetten realiseerden dertig procent meer output. Elektriciteit was verantwoordelijk voor de helft van alle productiviteitsgroei in de jaren twintig van de vorige eeuw.
De technology was er al jaren. Het verschil zat niet in de technologie. Het zat in de bereidheid en het vermogen om werk zelf opnieuw te ontwerpen.
89% doet het verkeerde en 10% doet het goede — en dat klopt precies
Hier wordt het onderzoek interessant.
Erik Brynjolfsson, de Stanford-econoom die het FD-artikel aanhaalt, publiceert zelf onderzoek naar wat hij de “J-curve” noemt: het patroon waarbij organisaties na de invoering van een nieuwe technologie eerst een productiviteitsdaling zien — door de investeringen, de leerkosten, de procesverstoringen — voordat de winst zichtbaar wordt. Die winst komt er, maar pas als de complementaire investeringen zijn geoogst: processen herontworpen, mensen getraind, infrastructuur aangepast, organisatie opnieuw ingericht.
Brynjolfsson stelt in een interview met Fortune dat slechts tien tot vijftien procent van de bedrijven werkelijk investeert in die complementaire aanpassingen. De overige 85 tot 90 procent loopt achter. Dit cijfer is bijna identiek aan de 89/11-verdeling uit het NBER-onderzoek dat het FD citeert.
McKinsey’s State of AI Survey 2025 bevestigt dit. Van 25 onderzochte factoren heeft werkproces-herontwerp het sterkste effect op de winstimpact van AI. Slechts zes procent van de bedrijven behoort tot de groep die significant resultaat boekt — en zij zijn driemaal vaker bezig met procesherontwerp dan de rest. MIT rapporteert dat 95 procent van generatieve AI-pilots geen meetbaar bottomline-effect heeft, primair omdat organisaties AI deployen zonder hun werkwijze te veranderen.
Het zijn geen conflicterende bevindingen. Ze vertellen hetzelfde verhaal. De 10% die wél resultaat ziet in het NBER-onderzoek zijn vrijwel zeker de organisaties die doen wat de historische logica voorschrijft: niet AI op bestaand werk plakken, maar werk opnieuw inrichten rondom de nieuwe mogelijkheden.
Wat het eigenlijk betekent
Er is een fundamenteel verschil in hoe organisaties AI benaderen.
De meeste organisaties benaderen het als gereedschap: een extra hulpmiddel bovenop bestaande processen. Een medewerker gebruikt ChatGPT om een e-mail sneller te schrijven. Een team gebruikt een AI-assistent om notulen samen te vatten. Handig, zeker. Maar het bestaande werkproces blijft intact. De structuur van vergaderingen verandert niet. De manier waarop besluiten worden genomen verandert niet. De verdeling van taken verandert niet. Het werk is hetzelfde; er zit alleen een nieuw laagje overheen.
Een kleine groep organisaties benadert het anders. Zij stellen een andere vraag: wat zou dit werk kunnen zijn als we het helemaal opnieuw mochten ontwerpen, met de mogelijkheden die AI biedt? Dat levert andere antwoorden op. Niet “hoe gebruik ik AI bij het schrijven van dit rapport”, maar “moet dit rapport er eigenlijk wel zijn, en zo ja, hoe zou het proces eruit zien als AI een structureel onderdeel van dat proces is?” Niet “hoe helpt AI mij bij deze handeling”, maar “welk deel van dit werk levert werkelijk waarde, en hoe richt ik de rest in zodat mensen zich kunnen richten op dat deel?”
Dat is een andere vraag. En het is een moeilijkere vraag, want ze raakt aan hoe werk is georganiseerd, wat mensen doen en waarom, welke processen echt nodig zijn en welke er zijn omdat ze er altijd al waren. Ze vraagt om bereidheid om werk zelf als het object van verandering te zien — niet de tool, maar het werk. Dat is precies het onderscheid tussen organisaties die AI adopteren en organisaties die werk herontwerpen. Het klinkt als een nuance. Het is een fundamenteel verschil in uitkomst.
Dat is precies waarom de meeste bedrijven geen effect zien. Niet omdat AI niet werkt. Maar omdat ze het gebruiken als IT-project in plaats van als aanleiding om werk te herontwerpen.
Wat dit betekent voor beslissers
Als u een directeur, manager of beslisser bent die dit leest, zijn er een paar dingen die het waard zijn om bij stil te staan.
De vraag “zien wij al productiviteitswinst van AI?” is de verkeerde vraag. Ze meet of het laagje dat u bovenop uw bestaande werkwijze heeft geplakt iets oplevert. Dat is zelden het geval, en dat is ook logisch.
De betere vraag is: welk deel van ons werk kost de meeste tijd en levert de minste waarde? Wat zouden onze medewerkers doen als ze van die last bevrijd waren? En hoe ziet het werkproces eruit als we het ontwerpen met AI als integraal onderdeel in plaats van als hulpmiddel aan de rand?
Dat zijn vragen die geen AI kan beantwoorden. Ze vragen om leiderschap, om bereidheid tot herontwerp, om de moed om werkprocessen die al jaren bestaan ter discussie te stellen. De technologie is beschikbaar. De vraag is wat u ermee doet — en hoe fundamenteel u bereid bent te kijken.
Het is ook de moeite waard om te weten dat de tijdlijn lang is. De OECD, het IMF, Goldman Sachs en McKinsey zijn het op één punt opvallend eens: de grootschalige macro-economische impact van AI is voorlopig nog niet zichtbaar in statistieken, en dat was bij elektriciteit en de pc ook zo. Dat zegt niets over of het werkt. Het zegt iets over de tijd die nodig is voor organisaties en sectoren om hun werkwijze fundamenteel te veranderen.
De bedrijven die nu die omslag maken, hebben over vijf jaar een voorsprong die moeilijk in te halen is. De bedrijven die wachten totdat de statistieken het bewijzen, doen hetzelfde als de fabrikanten in 1900 die wachtten op bewijs dat elektriciteit de moeite waard was.
Hoe Augmentic hiernaar kijkt
AI is geen IT-project. Het is een aanleiding om werk serieus te nemen — te kijken wat werk werkelijk is, wat het kost, wat het oplevert, en hoe het fundamenteel beter kan worden ingericht.
Dat betekent niet tools leveren en hopen dat organisaties er iets mee doen. Het betekent samen met organisaties kijken naar werk zelf: welke processen lenen zich voor herontwerp, waar zit werkelijk potentieel, en hoe richt je de samenwerking tussen mensen en AI zo in dat mensen vrijkomen voor het werk dat er echt toe doet.
Onze aanpak heet Work Design. Niet AI-adoptie, niet implementatie, niet change management — maar werkherontwerp. Want de vraag is niet hoe je medewerkers een AI-tool laat gebruiken. De vraag is welk werk zij zouden kunnen doen als ze niet langer gevangen zitten in het werk dat AI nu voor hen kan doen.
De resultaten die wij zien sluiten aan op wat de Europese BIS-studie laat zien: vier procent productiviteitswinst als startpunt, oplopend naarmate Work Designs rijpen en medewerkers groeien in hun AI-vaardigheden. Niet spectaculair als getal. Maar reëel, meetbaar, en structureel — omdat het werk zelf is veranderd, niet alleen het gereedschap.
De vraag die het FD niet stelt, maar die er wel toe doet, is niet of AI iets oplevert. Die vraag is al beantwoord door genoeg robuust onderzoek om zeker over te zijn. De vraag is of uw organisatie bereid is het werk te doen dat nodig is om het te laten werken.
Dat is een andere vraag. En het antwoord erop bepaalt of u over vijf jaar AI gebruikt — of er werkelijk mee werkt.
Augmentic helpt organisaties om werk opnieuw te ontwerpen met AI. Via ons platform Augmentic_OS vertalen we die aanpak naar de dagelijkse werkpraktijk — zodat medewerkers niet méér tools hebben, maar betere werkdagen. Meer weten? Neem contact op via hello@augmentic.nl
#augmentic #betterworkdays #ai #workdesign #agenticai
Bronnen
Aanleiding
- Financieele Dagblad, 14 maart 2026 — “Productiviteitswinst door AI? De meeste bedrijven zien het nog niet” https://fd.nl/politiek/1589631/productiviteitswinst-door-ai-de-meeste-bedrijven-zien-het-nog-niet?gift=wTpht&utm_medium=social&utm_source=link&utm_campaign=earned&utm_content=20260316
Onderzoeken en wetenschappelijke bronnen
- Bloom, N., Davis, S. et al. (2026) — Firm Data on AI — NBER Working Paper 34836 https://www.nber.org/papers/w34836
- Bloom, N., Davis, S. et al. (2026) — Firms predict an AI productivity boom is coming — VoxEU / CEPR https://cepr.org/voxeu/columns/firms-predict-ai-productivity-boom-coming
- BIS / EIB / CEPR (2026) — AI adoption, productivity and employment: evidence from European firms — BIS Working Paper 1325 https://www.bis.org/publ/work1325.htm
- Dell’Acqua, F., Mollick, E. et al. (2023) — Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality — Harvard/BCG, via SSRN https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321
- Brynjolfsson, E., Rock, D., Syverson, C. (2021) — The Productivity J-Curve: How Intangibles Complement General Purpose Technologies — American Economic Journal: Macroeconomics https://www.aeaweb.org/articles?id=10.1257/mac.20180386
- David, P. (1990) — The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox — American Economic Review https://ideas.repec.org/p/wrk/warwec/339.html
- McKinsey Global Institute (2025) — The State of AI: How Organizations Are Rewiring to Capture Value https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- IMF (2025) — AI and Productivity in Europe https://www.imf.org/en/publications/wp/issues/2025/04/04/ai-and-productivity-in-europe-565924
- UWV (2026) — Sterke toename AI-gebruik op werkvloer — Werkgeversonderzoek 2025 https://www.uwv.nl/nl/nieuws/sterke-toename-ai-gebruik-op-werkvloer
- Wolters Kluwer (2026) — Future Ready Lawyer Survey 2026 https://www.wolterskluwer.com/en/expert-insights/future-ready-lawyer-2026-webinar-series-scaling-ai-across-organizations
Nieuwsartikelen en analyses
- Fortune, 15 februari 2026 — One of Stanford’s original AI gurus says productivity liftoff has begun https://fortune.com/2026/02/15/ai-productivity-liftoff-doubling-2025-jobs-report-transition-harvest-phase-j-curve/
- Fortune, 17 februari 2026 — Thousands of CEOs just admitted AI had no impact on employment or productivity https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/
- Fortune, 3 maart 2026 — Goldman finds ‘no meaningful relationship between AI and productivity at the economy-wide level,’ but a 30% boost for 2 specific use cases https://fortune.com/2026/03/03/goldman-earnings-ai-anxiety-no-meaningful-impact-productivity-economy-30-percent-in-2-areas/
