Dat is geen Twitter-mening. Dat is het onderzoeksteam van MIT, na het bekijken van 300 implementaties en interviews met 150 leiders. Wereldwijd is er 30 tot 40 miljard dollar uitgegeven aan generatieve AI in ondernemingen, en slechts zo'n 5% van de pilots heeft die uitgaven omgezet in een meetbare omzetversnelling.

De vraag is dus niet of AI werkt. Het is waarom bijna niemand het werkend krijgt.

Het antwoord is saai, wat waarschijnlijk de reden is waarom het niet vaak genoeg herhaald wordt. Volgens de hoofdauteur van die MIT-studie heeft de mislukking heel weinig te maken met de kwaliteit van het model en bijna alles met hoe bedrijven het probleem kiezen, samenwerken en uitvoeren. Vertaald voor operators: het is een strategisch en uitvoerend probleem, geen technisch probleem.

Wat ons brengt bij de werkelijke beslissing die je probeert te nemen. Als je dit jaar AI in je bedrijf wilt laten werken, heb je drie deuren: SaaS-tools, een in-house team, of een AI Agency. De meeste bedrijven kiezen de verkeerde voor hun fase en vragen zich vervolgens af waarom het project is vastgelopen.

Laat me je eerlijk door elke deur loodsen, want ik heb aan beide kanten gestaan. Ik heb een bedrijf geschaald. Ik heb engineers aangenomen. Nu leid ik een AI Agency. Ik vertel je wanneer een agency de juiste keuze is, en wanneer niet.

Deur één: SaaS-tools (Je huurt intelligentie)

Het SaaS-pad is het makkelijkst te bewandelen. Aanmelden, creditcard koppelen, en je hebt een AI-functie. Verkoopagenten, klantenservicebots, contentgenerators, noem maar op.

Hier zit de adder onder het gras: je koopt geen intelligentie. Je huurt het. Elk proces dat via het platform van iemand anders loopt, is een proces dat zich niet opbouwt binnen je eigen bedrijf. De data, de prompts, de logica, de bedrijfsspecifieke kennis over hoe je onderneming daadwerkelijk functioneert: dat staat allemaal op hun server, niet op die van jou.

Voor standaard toepassingen is dat prima. Het is een ramp als de AI juist hetgeen is waarmee je je wilt onderscheiden van de concurrentie. En het wordt in de loop der tijd alleen maar erger, niet beter. De leverancier verhoogt de prijzen omdat het kan. Ze passen het model aan en je specifieke uitzonderingen lopen vast. Ze worden overgenomen en de roadmap verandert. Ondertussen heb je je team getraind om te werken binnen de beperkingen van het product van een ander, in plaats van te bouwen aan een capaciteit die van jezelf is.

De MIT-gegevens bevestigen dit op een iets andere manier: "We hebben dit jaar tientallen demo's gezien. Misschien zijn er één of twee echt nuttig. De rest zijn wrappers of wetenschappelijke projecten." Dit citaat van een van de geïnterviewde executives is een beleefde manier om te zeggen dat de meeste AI-SaaS een flinterdun laagje is over een basismodel dat door iemand anders is gebouwd. Je betaalt een marge om een openbare API te gebruiken.

Deur twee: In-house bouwen

Het andere uiterste is het aannemen van je eigen AI-team. Echte engineers, echt eigenaarschap, echte eigen capaciteiten. Op papier lijkt dit de strategische zet.

In de praktijk zijn de cijfers in 2026 keihard. De gemiddelde tijd om een vacature voor een AI-engineer te vervullen is drie tot zes maanden. Senior rollen zoals RAG-architecten, engineers voor multi-agent systemen en MLOps-leads kunnen zes tot negen maanden duren. De top 10% van het AI-talent is zelden te vinden op vacaturesites, en om ze binnen te halen zijn er tekenbonussen nodig van € 50.000 tot € 200.000.

Dan zijn er nog de totale kosten. Een functionerend in-house AI-team kost in het eerste jaar doorgaans € 350.000 tot € 700.000. De tijd tot de eerste productie is zes tot twaalf maanden. Vergelijk dat eens met een samenwerking met een agency, die binnen zes tot twaalf weken oplevert tegen een fractie van de kosten.

Dit is het deel dat vaak over het hoofd wordt gezien. Wanneer je kiest voor een in-house team, neem je niet alleen engineers aan. Je committeert je aan het opzetten van een wervingsproces in de meest competitieve talentenmarkt op aarde, het vanaf nul opbouwen van een MLOps-infrastructuur, het overleven van het onvermijdelijke vertrek van de senior die je stack heeft opgezet, en dan moet je nog steeds uitzoeken op welk bedrijfsprobleem je ze als eerste gaat richten.

Ik zeg niet dat je het niet moet doen. Als AI de kern van je product vormt en de komende tien jaar je concurrentievoordeel wordt, moet je dat team bouwen. Uiteindelijk. Maar voor de meeste bedrijven is de eerste fase van AI-adoptie niet het moment om ook direct een wervingsmachine te worden.

Deur drie: Een AI Agency (Wanneer het werkt)

Het AI Agency-model bestaat om één reden. Het verkort de tijd tussen "we moeten iets met AI doen" en "we hebben iets werkends dat ons geld oplevert." Als je de juiste kiest, doet het vier dingen tegelijk die SaaS of in-house op dag één simpelweg niet kunnen realiseren.

Een echte strategie, geen lijst met functies. Een goede AI-consultancy begint bij de business, niet bij de techniek. Waar zit de bottleneck die je het meeste geld kost? Wat is het proces waarvoor je nu mensen aanneemt die je eigenlijk niet wilt aannemen? Waar lekt er continu bedrijfskennis weg? Dat zijn de gesprekken die leiden tot ROI. Leveranciers voeren die gesprekken niet, omdat ze willen dat je in hun product past. In-house teams kunnen ze vaak nog niet voeren omdat ze nog aan het opstarten zijn.

Een roadmap die standhoudt in de praktijk. Strategie zonder volgorde is slechts een verlanglijstje. Een agency dat al vijftig AI-projecten heeft opgeleverd, weet wat er als eerste moet gebeuren, welke afhankelijkheden moeten worden opgelost, welke integraties drie keer langer gaan duren dan je denkt, en waar de demo-magie in de productie in duigen valt. Die patroonherkenning is waar je daadwerkelijk voor betaalt.

Directe executiekracht op dag één. De pipelines, orkestratieframeworks, evaluatietools en implementatiepatronen: die zijn er al. Je betaalt voor de levering, niet zodat iemand opnieuw het wiel gaat uitvinden dat elk ander team al heeft gebouwd. Agencies leveren vier tot vijf keer sneller op omdat de basis er al ligt.

Echte AI Agents, geen stroomschema's met een chatinterface. Dit is waar de markt onoverzichtelijk wordt. De meeste dingen die als "AI Agents" worden verkocht, zijn beslissingsbomen met een vriendelijke LLM-wrapper. Echte agents redeneren, nemen beslissingen, ondernemen acties over verschillende systemen heen en herstellen van uitzonderingssituaties. Het verschil wordt direct duidelijk zodra je volume van honderd naar duizend transacties per dag gaat. Een serieus AI Agency bouwt vanaf het begin voor dat volume, omdat ze de nadelen van het alternatief kennen.

Het verschil in ontdekking

Er is nog één ding dat telt, en dat is het lastigst in een vergelijkingstabel te zetten. De juiste AI-consultancy neemt niet zomaar je bestelling op.

Wanneer een klant naar ons toekomt en zegt: "we willen een chatbot", dan willen we weten waarom. Wat is de werkelijke bottleneck? Is het echte probleem het inkomende volume, of is het dat de antwoorden inconsistent zijn? Is de chatbot het antwoord, of is het een routerings-agent die problemen in dertig seconden in plaats van drie uur naar de juiste persoon stuurt? De helft van de projecten die we opleveren, lijkt in niets op wat de klant oorspronkelijk vroeg. Dat is geen probleem. Dat is juist het werk.

Leveranciers kunnen dit niet omdat hun product vaststaat. In-house teams kunnen dit vaak nog niet, omdat ze nog niet genoeg variaties van hetzelfde probleem in verschillende sectoren hebben gezien om het patroon te herkennen. De reden dat een agency-model werkt, is niet dat we slimmer zijn. Het is omdat we de film al eens hebben gezien. Al veertig keer.

Wanneer een agency de verkeerde keuze is

Ik beloofde je eerlijk te zijn. Er zijn situaties waarin je ons, of partijen zoals wij, absoluut niet moet inhuren.

Als AI de komende tien jaar de kern van je productonderscheid gaat vormen, heb je dat team uiteindelijk in-house nodig. Laat het agency de kickstart verzorgen en breng het daarna naar binnen. Het beste model voor de meeste bedrijven is hybride: een agency voor snelle resultaten en expertise in het begin, in-house voor langetermijneigendom zodra het product is gevalideerd.

Als je data je eigen omgeving niet mag verlaten vanwege compliance- of privacyredenen (defensie, specifiek overheidswerk, sommige zorgsectoren), dan past een typische agency-opzet wellicht niet. Er zijn nog steeds manieren om samen te werken, maar de rekensom verandert.

Als je alleen een klein stukje automatisering nodig hebt dat een kant-en-klare SaaS moeiteloos oplost, koop dan gewoon die SaaS. Ga niet over-engineeren. We hebben projecten afgewezen waarbij het eerlijke antwoord was: "dit is een maatwerkoplossing nog niet waard."

Als je geen idee hebt welk probleem je aan het oplossen bent, zal een agency je niet redden. Het helpt je alleen maar om sneller en tegen hogere kosten te falen. Kies eerst het probleem.

De echte rekensom

Als we alle ruis weghalen, komt de 'bouwen-of-kopen'-discussie neer op vier cijfers: tijd tot de eerste productie, totale kosten in het eerste jaar, de kans dat er daadwerkelijk iets wordt opgeleverd, en de capaciteit die je uiteindelijk in eigendom hebt.

SaaS wint vooraf op snelheid en kosten. Het verliest op het gebied van eigen capaciteit en meestal op de economische aspecten op de lange termijn.

In-house wint uiteindelijk op eigen capaciteit en langetermijnkosten. Het verliest enorm op tijd tot productie, op kosten in het eerste jaar en op de simpele vraag of je het wervingsproces überhaupt wel succesvol afrondt.

Een goed AI Agency zit in het midden qua kosten en tijd, maar wint op de kans van oplevering én op de snelheid waarmee je leert wat daadwerkelijk werkt in je bedrijf. Dat laatste punt is het allerbelangrijkst voor de komende twaalf maanden. De bedrijven die nu voorsprong nemen met AI zijn niet de bedrijven met het grootste team of het chicste model. Het zijn de bedrijven die iets hebben opgeleverd dat werkt, daarvan hebben geleerd, en direct het volgende hebben gelanceerd. Snelheid van uitvoering is je concurrentievoordeel.

Wat dit voor jou betekent

Als beslisser die kijkt naar een AI-budget en een berg pitches, is dit de test die ik zou toepassen: vraag de leverancier waar ze denken dat je AI vooral niét moet gebruiken. Vraag de in-house kandidaat hoe ze hun eerste drie projecten zouden prioriteren als er nog geen engineers zijn aangenomen. Vraag het agency om je mee te nemen in een project dat ze hebben stopgezet omdat het de moeite niet waard was.

De antwoorden vertellen je direct of je met een partner of met een verkoper praat.

We zijn What's Next AI gestart omdat de kloof tussen wat er mogelijk is met AI en wat bedrijven daadwerkelijk hebben draaien enorm is. Het grootste deel van die brug is praktisch werk, geen modelwerk. Strategie, volgorde, integratie, verandermanagement; de minder glamoureuze onderdelen. Dat is waar de 95% van de mislukte pilots op stukloopt. Het is ook waar de 5% die wint, afstand neemt.

Als je wilt sparren over waar AI dit jaar in je bedrijf past, en waar juist niet, laten we dan dat gesprek voeren. Geen demonstratieshows, geen modewoorden. Gewoon een eerlijke blik op de vraag of je moet bouwen, kopen of samenwerken. Neem contact op via de site of zoek me op LinkedIn.