Bedrijven kijken bij AI vaak naar productiviteit en personeelsbesparingen, maar volgens nieuw onderzoek van McKinsey ligt een veel grotere economische kans bij besluitvorming. AI kan beslissingen goedkoper en sneller maken en organisaties helpen bestaande middelen beter te benutten. De technologie alleen volstaat echter niet: bedrijven die AI simpelweg bovenop bestaande processen plaatsen, boeken veel minder resultaat dan organisaties die complete workflows opnieuw ontwerpen.
Voor de voorbereidingen van de inhoud en creatie van de visuals wordt (uiteraard) gebruikgemaakt van generatieve AI.
Besluitvorming is een verborgen kostenpost
Bedrijven weten doorgaans precies hoeveel ze uitgeven aan personeel, grondstoffen en machines. Veel moeilijker te becijferen is hoeveel geld verloren gaat aan het nemen van beslissingen. Nochtans zitten daar enorme verborgen kosten: informatie verzamelen, analyses uitvoeren, vergaderen, goedkeuringen vragen en verschillende afdelingen op elkaar afstemmen.
McKinsey stelt in een nieuw onderzoek dat AI die kostenstructuur fundamenteel kan veranderen. Niet doordat technologie simpelweg werknemers vervangt, maar doordat meer beslissingen sneller, goedkoper en consistenter kunnen worden genomen.
Beslissingen worden plots veel goedkoper
Voor relatief eenvoudige beslissingen zijn de economische verschillen volgens McKinsey bijzonder groot. Een AI-ondersteunde klantenservicebeslissing kost in de berekeningen tussen 0,006 en 0,03 dollar, tegenover 7 tot 20 dollar wanneer dezelfde taak hoofdzakelijk menselijke coördinatie vereist. Bij technische reviews, supplychainplanning en kwaliteitscontroles ziet McKinsey eveneens verschillen van tientallen tot duizenden keren in kostprijs.
Complexe AI-agents maken het beeld genuanceerder. Zodra een systeem meerdere stappen uitvoert, resultaten controleert en zichzelf corrigeert, kunnen de kosten honderd tot duizend keer hoger liggen dan bij één eenvoudige AI-beslissing. Zelfs dan kan de totale kost volgens het onderzoek nog onder die van een volledig handmatig proces blijven.
McKinsey maakt daarbij een opvallende historische vergelijking. Als organisaties deze voordelen werkelijk op grote schaal kunnen realiseren, iets wat vandaag nog maar weinig bedrijven lukt, zou AI in ongeveer twee jaar kostengelijkheid met menselijke arbeid hebben bereikt. Voor stoomkracht duurde dat volgens de analyse ongeveer 55 jaar, voor de elektrische dynamo 30 jaar en voor het internet zeven jaar.
Een copilot installeren is niet genoeg
Daarmee ontstaat meteen een belangrijke vraag: als de economische logica zo aantrekkelijk is, waarom zien zoveel bedrijven dan nog nauwelijks resultaat in hun winstcijfers?
Volgens McKinsey zit het verschil vooral in de implementatie. Veel organisaties voegen copilots, chatbots en AI-dashboards toe aan processen die verder vrijwel ongewijzigd blijven. Dat levert efficiëntiewinst op, maar verandert de manier waarop het bedrijf werkt nauwelijks.
De grootste impact ontstaat wanneer ondernemingen volledige workflows opnieuw ontwerpen rond AI. Toppresteerders in de onderzochte groep rapporteerden daarbij ongeveer 20 procent verbetering van EBITDA, samen met kortere terugverdientijden en een hogere opbrengst per geïnvesteerde dollar. Dat cijfer mag niet worden gelezen als een gegarandeerd resultaat voor ieder bedrijf, maar toont wel hoe groot het verschil tussen AI-gebruik en echte procesherinrichting kan zijn.
Van AI-gebruik naar beslissnelheid
McKinsey stelt daarom voor om minder te kijken naar het aantal AI-licenties, modellen of pilots. Een interessantere maatstaf is decision throughput: het percentage belangrijke beslissingen dat door AI wordt geïnformeerd, versneld of geautomatiseerd.
Het uiteindelijke voordeel zit dan niet alleen in lagere kosten. Snellere beslissingen kunnen machines en capaciteit beter benutten, voorraad slimmer verdelen, productlanceringen versnellen en commerciële kansen eerder zichtbaar maken.
Daarmee verschuift ook de discussie over AI-ROI. De vraag is niet langer hoeveel medewerkers met een copilot werken, maar hoeveel belangrijke bedrijfsbeslissingen aantoonbaar beter worden genomen. Organisaties die hun processen rond dat principe herontwerpen, lijken volgens McKinsey veel beter geplaatst om van AI een echte economische motor te maken.
Het volledige artikel vind je hier.