# Waarom AI-pilots stranden: wat de faalcijfers werkelijk meten

> AI-pilots stranden minder vaak op de techniek dan op de voorbereiding: het probleem is niet scherp omschreven, een nulmeting ontbreekt en de toepassing landt niet in het dagelijkse werk. De bekende cijfers, van 95 procent (MIT NANDA, 2025) tot ruim 80 procent (RAND, 2024), meten elk iets anders en zijn onderling niet vergelijkbaar. Als waarschuwing zijn zij bruikbaar, als voorspelling voor uw eigen organisatie niet.

- Soort: Cijfers
- Gepubliceerd: 4 november 2026
- Gewijzigd: 13 november 2026
- Auteur: Tijs Bosman
- Thema's: Benchmarks, AI-agenten
- Adres: https://simblos.com/kennis/waarom-ai-pilots-stranden-wat-de-faalcijfers-werkelijk-meten

## Kernpunten

- De 95 procent van MIT NANDA (2025) berust op gesprekken met 52 organisaties, een enquête onder 153 leidinggevenden en een meetvenster van zes maanden; het rapport noemt zijn bevindingen zelf voorlopig.
- De ‘ruim 80 procent’ in het rapport van RAND (2024) is geen eigen meting maar een aangehaalde schatting; de waarde van RAND ligt in de vijf oorzaken uit 65 interviews.
- S&P Global (2025) en Gartner (2025 en 2026) meten of voorspellen stopzetting en rendement, wat niet hetzelfde is als mislukken; onderzoek van Metrigy (2026) komt aanzienlijk lager uit.
- Over de oorzaken zijn de bronnen het eens: een onduidelijk probleem, geen meetbaar doel, gegevens die niet op orde zijn, techniek vóór het vraagstuk en geen inbedding in het dagelijkse werk.
- Leg vóór de start één cijfer vast dat moet bewegen, met de waarde van vandaag en de waarde waarbij u doorgaat of stopt.

## Samenvatting

AI-pilots stranden volgens het beschikbare onderzoek vooral op voorbereiding en inbedding, niet op de kwaliteit van de taalmodellen. De percentages die daarbij rondgaan, lopen uiteen van 95 procent tot minder dan 40 procent, omdat elke bron een andere groep ondervraagt en ‘mislukken’ anders omschrijft. Een AI-pilot is een in tijd en omvang begrensde proef waarmee een organisatie vaststelt of een AI-toepassing in de eigen praktijk het beoogde resultaat oplevert.

Dit artikel is een weging van gepubliceerd onderzoek van derden en geen eigen onderzoek van Simblos. Waar wij een oorspronkelijk rapport niet zelf konden inzien, verwijzen wij naar de berichtgeving die wij wel hebben geraadpleegd. Stand per 13 november 2026.

- **95%**: van de organisaties behaalt volgens MIT NANDA geen meetbaar rendement uit generatieve AI (2025, gesprekken met 52 organisaties)
- **42%**: van de bedrijven staakte het merendeel van zijn AI-initiatieven, tegen 17 procent een jaar eerder (S&P Global, 2025)
- **28%**: van de AI-toepassingen in IT-beheer slaagt volledig en haalt het verwachte rendement (enquête Gartner, 2026)

## Wat meten de bekende faalcijfers, en bij wie?

Geen van de veelgeciteerde cijfers meet hetzelfde, en in geen van de geraadpleegde bronnen troffen wij afzonderlijke cijfers over het Nederlandse midden- en kleinbedrijf aan. De tabel zet per bron naast elkaar wat is vastgesteld en waar de beperking ligt.

| Bron | Jaar | Cijfer | Wat is gemeten | Beperking |
| --- | --- | --- | --- | --- |
| MIT NANDA, The GenAI Divide | 2025 | 95% zonder meetbaar rendement | Aandeel organisaties zonder aantoonbaar effect van generatieve AI op winst en verlies, gemeten zes maanden na de pilot | 52 organisaties geïnterviewd, 153 enquêtes; zelfrapportage; door de auteurs aangeduid als voorlopige bevindingen |
| RAND | 2024 | Ruim 80% mislukt | Geen eigen meting maar een aangehaalde schatting; de oorzaken komen uit 65 interviews met datawetenschappers en ingenieurs | Herkomst van het percentage niet toetsbaar; gezichtspunt van uitvoerders, niet van opdrachtgevers |
| S&P Global Market Intelligence | 2025 | 42% (een jaar eerder 17%) | Aandeel bedrijven dat het merendeel van zijn AI-initiatieven staakte; ruim 1.000 respondenten in Noord-Amerika en Europa | Zelfrapportage; stopzetten is niet gelijk aan mislukken |
| Gartner, voorspelling | 2025 | Ruim 40% geschrapt vóór eind 2027 | Verwachting over projecten met AI-agenten | Voorspelling, geen meting; pas na 2027 toetsbaar |
| Gartner, enquête IT-beheer | 2026 | 28% slaagt volledig, 20% mislukt | AI-toepassingen in IT-infrastructuur en -beheer; ruim 780 leidinggevenden ondervraagd | Eén bedrijfsfunctie, niet de verkoop; zelfrapportage |
| Metrigy | 2026 | Bij 85% van de bedrijven strandt minder dan 40% van de pilots | Aandeel pilots dat de productiefase niet haalt; 756 bedrijven | Zelfrapportage; onderzoeksbureau dat ook aanbieders adviseert |

*Zes veelgeciteerde bronnen over mislukte AI-projecten, vergeleken op wat is gemeten en waar de beperking ligt. Stand per 13 november 2026.*

Het rapport *The GenAI Divide* van MIT NANDA (juli 2025) stelt dat 95 procent van de organisaties geen rendement behaalt uit generatieve AI. De grondslag is smaller dan de stelligheid doet vermoeden: gesprekken met vertegenwoordigers van 52 organisaties, een enquête onder 153 leidinggevenden op vier congressen en een doorlichting van ruim 300 openbaar gemaakte initiatieven. Als geslaagd geldt een toepassing die na de proeffase in gebruik is en zes maanden later meetbaar effect heeft. De auteurs erkennen zelf dat die termijn te kort kan zijn en dat de deelnemers mogelijk niet representatief zijn. Het cijfer van 95 procent is daarmee waarschijnlijk de enige AI-uitkomst van 2025 die zonder verandertraject in vrijwel elke directiekamer is doorgedrongen.

Belangrijker is de herkomst van het getal. Volgens het rapport onderzocht 60 procent van de organisaties een taakspecifieke AI-toepassing, begon 20 procent een pilot en bereikte 5 procent de productiefase. Van de organisaties die daadwerkelijk een pilot begonnen, kwam op grond van deze eigen cijfers dus ongeveer een kwart in productie, niet een twintigste. Analistenbureau Futuriom (augustus 2025) wijst er bovendien op dat het rapport is opgesteld in samenwerking met een project dat zelf infrastructuur voor AI-agenten ontwikkelt. In de berichtgeving veranderden zelfs de steekproeven: Fortune schreef over 150 gesprekken en 350 ondervraagde medewerkers, getallen die in het rapport niet voorkomen.

De ‘ruim 80 procent’ van RAND (augustus 2024) is geen eigen meting. Het rapport haalt het percentage aan als schatting van anderen en noemt het tweemaal zo hoog als bij IT-projecten zonder AI. De eigenlijke bijdrage van RAND zijn de oorzaken, ontleend aan gesprekken met 65 ervaren datawetenschappers en ingenieurs. S&P Global Market Intelligence (2025) ondervroeg ruim duizend respondenten in Noord-Amerika en Europa: 42 procent van de bedrijven staakte het merendeel van zijn AI-initiatieven, tegen 17 procent een jaar eerder, en gemiddeld sneuvelde 46 procent van de proefopstellingen vóór ingebruikname. Stopzetten is evenwel niet hetzelfde als mislukken: een proef die tijdig wordt beëindigd, heeft haar werk gedaan.

**Aandeel bedrijven dat het merendeel van zijn AI-initiatieven staakte** (%)

| Peiling | Aandeel |
| --- | --- |
| Een jaar eerder | 17 |
| 2025 | 42 |

*S&P Global Market Intelligence, 2025; ruim duizend respondenten in Noord-Amerika en Europa.*

Gartner (juni 2025) geeft geen meting maar een voorspelling: ruim 40 procent van de projecten met AI-agenten zou vóór eind 2027 worden geschrapt wegens oplopende kosten en onduidelijke bedrijfswaarde. Een AI-agent is software die op basis van een taalmodel zelfstandig meerdere stappen uitvoert om een doel te bereiken. Nieuwere cijfers nuanceren het beeld. Gartner meldde in april 2026, na een enquête onder ruim 780 leidinggevenden in IT-beheer, dat 28 procent van de AI-toepassingen volledig slaagt, dat 20 procent ronduit mislukt en dat 57 procent van de ondervraagden ten minste één mislukking meemaakte. Onderzoeksbureau Metrigy (juli 2026, 756 bedrijven) komt lager uit: bij 85 procent van de bedrijven strandt minder dan 40 procent van de pilots, en eenmaal in productie wordt 16,6 procent van de projecten beëindigd. Al deze partijen verkopen onderzoek of advies over dit onderwerp; dat maakt hun cijfers niet onjuist, maar vraagt wel om lezing van de methode.

## Over welke oorzaken zijn de bronnen het eens?

De bronnen verschillen in hun percentages, maar wijzen grotendeels dezelfde oorzaken aan, en die zijn overwegend organisatorisch van aard.

- **Het probleem is niet omschreven.** RAND noemt als meest voorkomende oorzaak dat opdrachtgevers verkeerd begrijpen of verkeerd overbrengen welk probleem moet worden opgelost.
- **Het doel is niet meetbaar gemaakt.** Gartner noemt onduidelijke bedrijfswaarde als reden voor stopzetting; MIT NANDA rekent alleen als geslaagd wat aantoonbaar effect heeft. Zonder nulmeting, de vastgelegde waarde van een kengetal vóór de start, is geen van beide vast te stellen.
- **De gegevens zijn niet op orde.** RAND wijst op ontbrekende gegevens en op gebrekkige voorzieningen om gegevens te beheren en modellen in gebruik te nemen.
- **De techniek gaat vóór het vraagstuk.** Volgens RAND richten organisaties zich meer op de nieuwste techniek dan op het probleem van de gebruiker. Gartner schat dat van de duizenden aanbieders van AI-agenten slechts ongeveer 130 werkelijk een agent leveren.
- **De toepassing landt niet in het dagelijkse werk.** Bij MIT NANDA staat de onwil om nieuwe hulpmiddelen te gebruiken bovenaan de belemmeringen; toepassingen stranden wanneer zij niet aansluiten op de dagelijkse werkwijze.
- **De verwachtingen zijn te hoog gespannen.** Leidinggevenden in de enquête van Gartner (2026) gaven aan dat zij te veel en te snel resultaat hadden verwacht.

## Wat kunt u met deze cijfers in een verkooporganisatie?

De percentages zeggen weinig over uw kans van slagen, de oorzaken des te meer: zij zijn alle vóór de start te ondervangen. Voor een verkooporganisatie in het mkb, of het nu een installatiebedrijf, een leverancier of een zakelijke dienstverlener betreft, komt dat neer op vijf vragen waarvan de antwoorden op één vel papier passen.

1. Welk probleem lossen wij op, in één zin en zonder het woord AI? Bijvoorbeeld: offerteaanvragen blijven te lang onbeantwoord.
2. Welk ene cijfer moet bewegen, wat is de waarde vandaag, en bij welke waarde gaan wij door of stoppen wij? Denk aan de reactietijd op een aanvraag, het aandeel opgevolgde offertes of de omzettingsgraad van offerte naar opdracht.
3. Zijn de benodigde gegevens aanwezig en betrouwbaar? Als het CRM niet vastlegt wanneer een aanvraag binnenkwam, valt er niets te meten.
4. Wie gebruikt de toepassing dagelijks, en wie uit de verkoop is verantwoordelijk voor het resultaat?
5. Op welke datum beoordelen wij de uitkomst, en wie beslist? Leg datum en drempelwaarde vooraf schriftelijk vast.

Een stap voor deze week: laat de laatste vijftig aanvragen uit het CRM of het postvak halen en stel vast hoe lang elke aanvraag op een eerste reactie wachtte. Dat is de nulmeting; zonder haar valt geen enkele pilot te beoordelen, met of zonder AI.

Wie eerst wil vaststellen waar de omzet stagneert, kan daarvoor de [AI-quickscan](https://simblos.com/contact) benutten, het kosteloze eerste gesprek van Simblos.

## Veelgestelde vragen

**Klopt het dat 95 procent van de AI-pilots mislukt?** Niet in die vorm. Het cijfer komt uit een rapport van MIT NANDA (2025) dat berust op gesprekken met 52 organisaties en een meetvenster van zes maanden. Volgens de eigen cijfers van dat rapport bereikte ongeveer een kwart van de begonnen pilots met taakspecifieke toepassingen de productiefase.

**Wat is de belangrijkste oorzaak dat een AI-pilot strandt?** Volgens RAND (2024) is dat een probleem dat verkeerd is begrepen of verkeerd is overgebracht. De overige bronnen voegen daaraan toe dat een meetbaar doel ontbreekt en dat de toepassing niet aansluit op het dagelijkse werk.

**Gelden deze cijfers ook voor het mkb?** In de geraadpleegde bronnen troffen wij geen afzonderlijke cijfers over het Nederlandse mkb aan; de onderzoeken zijn internationaal en overwegend Noord-Amerikaans en Europees. MIT NANDA merkt wel op dat middelgrote bedrijven sneller van pilot naar invoering gingen: de best presterende in ongeveer 90 dagen, tegen negen maanden of langer bij grote ondernemingen.

**Welk cijfer moet een pilot in de verkoop laten bewegen?** Eén kengetal dat vandaag reeds meetbaar is en rechtstreeks met omzet samenhangt, zoals de reactietijd op een aanvraag of de omzettingsgraad van offerte naar opdracht. Leg de huidige waarde vast vóór de start en bepaal vooraf bij welke uitkomst u doorgaat of stopt.

## Bronnen

- [The GenAI Divide: State of AI in Business 2025, MIT NANDA, juli 2025](https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf)
- [MIT report: 95% of generative AI pilots at companies are failing, Fortune via Yahoo Finance, 18 augustus 2025](https://finance.yahoo.com/news/mit-report-95-generative-ai-105412686.html)
- [Why We Don't Believe MIT NANDA's Weird AI Study, Futuriom, 26 augustus 2025](https://www.futuriom.com/articles/news/why-we-dont-believe-mit-nandas-werid-ai-study/2025/08/)
- [Study suggests ways to overcome high failure rate in AI projects (over het RAND-rapport), Asia Financial, 30 augustus 2024](https://www.asiafinancial.com/study-suggests-ways-to-overcome-high-failure-rate-in-ai-projects)
- [AI Apocalypse: 80% of Projects Crash and Burn, Billions Wasted says RAND Report, SalesforceDevops.net, 19 augustus 2024](https://salesforcedevops.net/index.php/2024/08/19/ai-apocalypse/)
- [Bericht over de enquête van S&P Global Market Intelligence naar gestaakte AI-initiatieven, CIO Dive, 14 maart 2025](https://www.ciodive.com/news/AI-project-fail-data-SPGlobal/742590/)
- [Over 40% of agentic AI projects will be scrapped by 2027, Gartner says, Reuters via The Star, 25 juni 2025](https://www.thestar.com.my/tech/tech-news/2025/06/25/over-40-of-agentic-ai-projects-will-be-scrapped-by-2027-gartner-says)
- [AI often doesn't deliver ROI for IT departments either, CIO.com, 7 april 2026](https://www.cio.com/article/4155396/ai-often-doesnt-deliver-roi-for-it-departments-either.html)
- [Most AI pilots continue to production, Metrigy finds, No Jitter, 7 juli 2026](https://www.nojitter.com/ai-automation/most-ai-pilots-continue-to-production-metrigy-finds)

---

Simblos, https://simblos.com/. Deze publicatie staat op https://simblos.com/kennis/waarom-ai-pilots-stranden-wat-de-faalcijfers-werkelijk-meten.