Een aanzienlijk deel van de ondernemingen blijft moeite hebben om een duidelijk rendement (ROI) op hun AI-initiatieven aan te tonen, maar sommige organisaties — van een uitvoerder van employee benefits tot een klein reclamebureau en een grote universiteit — hebben gebieden gevonden waar de technologie productiviteitswinst en zelfs omzetgroei oplevert. Hun ervaringen laten zien hoe AI de ROI-vergelijking verandert, en wat er nodig is om de waarde ervan te meten.

Een vroege successen in de werving

Net als veel bedrijven zoekt Alight Solutions, een uitvoerder van employee benefits, naar manieren waarop AI de bedrijfsvoering en het bedrijfsresultaat kan verbeteren. Hoewel de technologie niet nieuw was voor het bedrijf, begon Alight in 2025 een ander soort AI-tool te beoordelen. In september van dat jaar werd Alight bètagebruiker van een fraudedetectie-wervingsagent van Phenom, een leverancier van HR-technologie, om te onderzoeken of de agent kon helpen frauduleuze kandidaten vroeg in het wervingsproces te identificeren.

Het duurde niet lang voordat er resultaten waren. Tijdens het testproces identificeerde de agent een kandidaat die zich tweemaal had gesolliciteerd op een openstaande functie, telkens met een andere naam en een ander e-mailadres.

"Alleen al het vangen van die ene persoon die we uiteindelijk niet hebben aangenomen, was genoeg om te zeggen: 'Dit gaat voor ons werken'", zei Julie Eagy, manager talent acquisition operations bij Alight.

Hoewel de agent liet zien waar het bedrijf geld mee kon besparen — vooral als het Alight kon behoeden voor het betalen van een onnodige background check — is de grotere waarde volgens Eagy de tijdwinst.

Alight laat zien hoe het meten van het rendement op AI-investeringen lastig kan zijn. Voor veel bedrijven is het rendement op investeringen in AI-tools misschien geldelijke winst, maar productiviteitswinst, of het vermogen van een AI-agent om een ontbrekend onderdeel binnen de organisatie te leveren.

Dat gebrek aan duidelijkheid heeft ertoe geleid dat sommige ondernemingen bepaalde initiatieven hebben stopgezet. Een franchisenemer van Pizza Hut spande bijvoorbeeld in mei een rechtszaak aan tegen de franchise, met de stelling dat een AI-platform voor bezorgbeheer contraintuïtief was en miljoenen dollars kostte in plaats van enige vorm van besparing op te leveren.

Ondanks de wisselende resultaten van AI zetten ondernemingen door met de technologie, waarbij zij vaak op productiviteit als meetwaarde leunen. Ondertussen zijn sommige kleine bedrijven, waaronder MKB-bedrijven, in staat geweest geldelijke winsten en rendementen uit hun AI-projecten te volgen.

Een gecompliceerde situatie

De realiteit voor ondernemingen is dat AI-ROI genuanceerd en zelfs ondoorzichtig kan zijn, aldus Arun Chandrasekaran, analist bij Gartner.

"Het is een zeer complexe discussie", zei Chandrasekaran. "In het algemeen zou ik zeggen dat veel klanten nog steeds moeite hebben om duidelijke bedrijfswaarde uit AI te articuleren."

Domeinen zoals softwareontwikkeling, klantenservice en backoffice-activiteiten in finance of HR zijn erin geslaagd kerntaken te automatiseren, wat productiviteitswinst oplevert, maar bedrijven hebben moeite om dat te koppelen aan concrete bedrijfswaarde, zoals omzetgroei of kostenreductie, zei Chandrasekaran.

"De afstemming tussen productiviteitswinst en die waardedrijvende meetwaarden waar bedrijven om geven -- dat is wat mij betreft nog een werk in uitvoering bij veel organisaties", voegde hij toe.

De worsteling kan moeilijker zijn, afhankelijk van de grootte van de organisatie. Voor sommige MKB-bedrijven is het leggen van die verbinding gebleken de beste manier om voor te blijven op de concurrentie — en voorop te blijven lopen.

De bedrijfswaarde van OBI Creative

Zo'n bedrijf is OBI Creative, een 25 jaar oud reclamebureau gevestigd in Omaha, Nebraska, met klanten waaronder TiVo en HD Radio. OBI Creative heeft de afgelopen jaren geëxperimenteerd met AI-tools in haar streven om het bedrijf te laten groeien.

"Agentic AI is een geweldige efficiëntiekans voor ons geworden om sommige van onze diensten van de ene naar de andere sector te schalen", zei Mary Ann O'Brien, CEO en oprichter van het bedrijf.

OBI Creative, met minder dan 50 medewerkers, heeft een paar agentic AI-tools gebouwd om haar doelen te bereiken. Eén tool bewaakt de gezondheid van de websites die het digitale team bouwt en zorgt ervoor dat ze actueel zijn. Het bureau gebruikte modellen waaronder Gemma en Qwen om prompts in de tool te coderen die helpen bij het genereren van rapporten over de gezondheid van de website, en gebruikte ook OpenAI GPT-modellen en Anthropic Claude-modellen om prompts in zijn tools te coderen.

Een andere tool stelt het creatieve team in staat te controleren of de campagne waaraan het werktluit bij wat de klant wil.

"We hebben het gebouwd als prototype om de afstemming tussen ons merkstrategieteam en het creatieve team te helpen, en het werd iets dat onze klanten wilden gebruiken, dus zijn we het aan hen gaan verkopen/licentiëren", zei O'Brien.

Ze voegde eraan toe dat de gewonnen waarde zich heeft vertaald in hogere brutomarges voor het bureau.

"We hoeven niet vijf keer terug naar de klant voor wijzigingen", zei ze.

Bovendien zal het bureau, door het gebruik van agentic AI-tools, "ten minste 20% groei per jaar realiseren", zei ze.

Met de groei komen extra kosten. "We hebben zeker een stijging van onze overheadkosten gezien, maar die is snel gecompenseerd door de efficiënties", zei O'Brien. Ze voegde eraan toe dat het bureau begon met experimenteren met AI-modellen met vaste kosten en abonnementsdiensten, waardoor haar medewerkers binnen een vast budget konden werken.

Naast het investeren in de technologie maakte O'Brien aan de medewerkers duidelijk dat het gebruik van agentic en generatieve AI-tools hun baan niet in gevaar zou brengen. Sterker nog, ze daagde één medewerker uit om een ambassadeur voor efficiëntie te worden en de resultaten op te leveren als onderdeel van zijn prestaties.

"Er zijn nog steeds mensen in mijn bureau die erg bang zijn voor de tools, dus het gaat er gewoon om dat mensen er vertrouwd mee worden en kunnen vertrouwen dat dat ding tussen hun oren nog steeds het waardevolste is voor onze klanten", zei O'Brien. "Maar de tools zijn er, en waarom zou je ze niet gebruiken?"

De aanpak van Cornell

Hoewel Cornell University geen MKB-bedrijf is, hanteert het een veelzijdige aanpak om ROI te vinden op zijn AI-investeringen.

"Wij benaderen deze technologie als een instrument", zei Ayham Boucher, head of AI innovations bij Cornell Information Technologies.

In een vroeg stadium gaf Cornell faculteitsleden toegang tot elk frontiermodel in een veilige, privé-omgeving, maar verplichte het gebruik niet. Het gebruikt Microsoft Azure, waar gebruikers hun agents kunnen creëren, beheren en implementeren, evenals gebruiksvriendelijke tools zoals Microsoft Copilot en Claude Desktop.

Het belangrijkste doel van agentic AI voor Cornell is volgens Boucher het vermogen om menselijke capaciteiten uit te breiden.

"We zijn geen superwezens", zei hij, verwijzend naar menselijke capaciteiten. "We hebben beperkt geheugen. ... We gebruiken technologie al heel lang om uit te breiden wat we als mensen doen, en AI is gewoon weer een krachtig instrument om onze capaciteiten uit te breiden."

Hij voegde eraan toe dat Cornell zich ook niet richt op het meten van waarde via tokenmaxxing, de recente trend waarbij organisaties de prestaties van medewerkers deels meten op het aantal verbruikte AI-modeltokens.

"Onze resultaten zijn afgestemd op de missie van de instelling", zei hij. Met andere woorden, de universiteit meet waarde aan het aantal bediende studenten en het aantal ged wetenschappelijke ontdekkingen. Zijn afdeling meet waarde door die inspanningen te ondersteunen in plaats van door het aantal verbrande tokens te tellen.

Sommige bedrijven zijn met AI begonnen te experimenteren maar boekten weinig succes, of hebben moeite om een AI-pilotproject naar productie te brengen. Volgens een rapport van Gartner uit 2026 werd ongeveer de helft van de generatieve AI-projecten na het proof of concept stopgezet, vanwege redenen zoals slechte datakwaliteit, oplopende kosten of onduidelijke bedrijfswaarde.

"Omdat we zo vroeg met AI begonnen te bouwen en te implementeren, zijn we niet in de FOMO-val [fear of missing out] getrapt", zei Boucher. "Dat hoefde niet. Wij lopen voorop, wat ons in staat stelt een gebalanceerde aanpak te hanteren. We hoeven niet in te halen."

Een maatstaf voor waarde

Voor degenen die proberen, experimenteren en nog steeds geen waarde vinden, kan het zinvol zijn om een andere maatstaf te overwegen dan omzet of productiviteit, aldus Chandrasekaran van Gartner.

"We moeten meer operationele meetwaarden koppelen aan meer waardgerichte meetwaarden", zei hij. Bijvoorbeeld, in softwareontwikkeling zou de maatstaf niet het aantal regels code moeten zijn, maar snelheid — zoals de nieuwe functies of mogelijkheden die aan een applicatie worden geleverd.

Kostenreductie of omzetgroei kan het begrip van een bedrijf beperken over hoe AI waarde levert, vervolgde hij.

In deze voorbeelden hangt de relevante maatstaf af van de missie van de organisatie en het gebruiksdoel: Alight benadrukt bespaarde tijd, OBI Creative wijst op efficiëntie, marges en groei, en Cornell kijkt naar bediende studenten en wetenschappelijke ontdekkingen. Daarmee is het vooraf definiëren van het beoogde resultaat vóór implementatie een belangrijk onderdeel van het beoordelen of een AI-project waarde oplevert.

Voor ondernemingen die geen ROI hebben kunnen behalen, kan de sleutel zijn om eerst vast te stellen welk rendement nodig is van een geselecteerde toepassing waar generatieve AI of agentic AI nuttig kan zijn, zei Chandrasekaran.

"We willen niet gebruiksdoelen implementeren en pas daarna gaan nadenken over hoe we waarde gaan meten", zei hij. "Als we geen zeer duidelijk zicht op waarde hebben, zetten we die gebruiksdoelen niet eens voort."

Ondernemingen moeten zich er echter bewust van zijn dat de toepassing waarmee ze experimenteren bepaalt hoe lang het duurt om een AI-project te pilen.

"De ROI-periode is echt afhankelijk van het type gebruiksdoelen dat je nastreeft", zei Chandrasekaran. "Ik zou algemeen zeggen dat je voor 80% van de gebruiksdoelen van ondernemingen binnen een jaar een ROI wilt bereiken."

Het feit dat bedrijfswaarde een uitdaging blijft voor AI-gebruik binnen de onderneming, suggereert volgens hem ook dat leveranciers nog werk te doen hebben.

"Deanciers moeten het beter doen door niet alleen technologie te verkopen, maar resultaten en waarde te verkopen aan de ondernemingen", vervolgde hij. "Ondernemingen moeten zich voorbereiden en het beter doen door voor waarde als meetwaarde te kiezen bij het selecteren van gebruiksdoelen, en zich consequent te richten op waarderealisatie voor hun AI-projecten."