Twee op de drie Nederlandse bedrijven gebruiken AI, maar slechts één op de vijf ziet er meetbaar resultaat van. Dat maakt Nederland hekkensluiter van zes Europese landen, zo blijkt uit het State of Integration & AI 2026-rapport van integratieplatform Frends, uitgevoerd door Sapio Research onder 611 IT- en businessbeslissers. De adoptie verdubbelde sinds 2023, van 34 naar 67 procent. Het resultaat niet. Niet vanwege de AI-modellen, maar vanwege wat eronder zit: de koppelingen tussen systemen, de bereidheid van teams en het ontbreken van een plan voor wat er na de pilot komt.
Hoe breed is het probleem precies?
Van de zes onderzochte landen (Nederland, Duitsland, Denemarken, Finland, Noorwegen en Zweden) haalt Nederland het laagste succespercentage: 21 procent van de AI-projecten levert aantoonbare financiële resultaten op. Het Europees gemiddelde ligt op 25,5 procent, en zelfs dát cijfer betekent dat driekwart van alle AI-initiatieven op het continent geen meetbare impact heeft op de winst-en-verliesrekening.
Denemarken scoort met 32,6 procent het hoogst. Niet toevallig ook het land waar 38 procent van de organisaties integratie als ontwerpprincipe hanteert, tegen 12 procent in Nederland. Zweden zit met 21,2 procent op hetzelfde niveau als Nederland, maar heeft meer organisaties die al breed uitrollen.
| Nederland | Denemarken | Duitsland | EU gemiddeld | |
|---|---|---|---|---|
| Succesvol AI-project | 21% | 32,6% | ~26% | 25,5% |
| Integration-First | 12% | 38% | 16% | ~20% |
| Interne weerstand | 38% | lager | ~30% | ~28% |
| Handmatig werk (uur/week) | 6,6 | ~7,5 | 8,5 | 7,6 |
| Kosten handmatig werk (per 1.000 FTE/jaar) | €7,93 mln | €14,08 mln | €11,43 mln | €10,7 mln |
Bron: Frends / Sapio Research, State of Integration & AI 2026, april 2026. Vetgedrukt = slechtste score.
Opvallend in de sectoranalyse: de retail scoort met 35,2 procent het hoogste succespercentage. Transport en logistiek heeft de meeste AI in productie (56 procent) maar een lager succespercentage (30 procent). De publieke sector scoort het laagst op beide fronten: 14 procent in productie en 17 procent succes. De verklaring? Retailers werken al jaren met geïntegreerde kassa-, voorraad- en klantensystemen. De integratiebasis ligt er al. Bij overheden ontbreekt die vaak.
Overigens bevestigt ook Nederlands onderzoek het beeld. Het Houthoff AI Monitor constateerde eind 2025 dat circa 66 procent van de Nederlandse bedrijven die AI in eigen huis gebruiken, nog in de pilotfase zit. En volgens de AI-adoptiecijfers van TheAIDaily gebruiken 4,6 miljoen Nederlandse werkenden inmiddels AI op de werkvloer, blijkt uit de Newcom AI Monitor. Veel gebruik, weinig meetbaar resultaat.
Waarom scoort Nederland het slechtst?
Het rapport wijst drie oorzaken aan die in Nederland sterker spelen dan in de rest van Europa.
Interne weerstand. 38 procent van de Nederlandse respondenten noemt weerstand binnen de organisatie als voornaamste obstakel bij AI-projecten. Dat is het hoogste percentage van alle zes landen. Het gaat niet om technische bezwaren. Het gaat om afdelingen die hun werkwijze niet willen aanpassen, managers die bang zijn voor baanverlies, en teams die geen vertrouwen hebben in de output van een AI-tool die ze niet begrijpen.
Het pilot-probleem. 34 procent zegt dat AI-projecten vastlopen zodra ze de pilotfase verlaten. Het bekende patroon: een demo die indruk maakt in de directiekamer, gevolgd door maanden stilstand. Niemand weet hoe de tool in de bestaande processen past. Hoe je dat voorkomt, beschrijft dit eerdere artikel met vijf checks.
Het gebrek aan systeemintegratie. Slechts 12 procent van de Nederlandse organisaties bouwt integratie met bestaande systemen in vanaf het ontwerp. Dat is het laagste percentage van alle onderzochte landen. De meeste bedrijven bouwen eerst de AI-toepassing en bedenken daarna hoe die moet communiceren met hun CRM, ERP of boekhoudsoftware. Tegen die tijd is het vaak te laat, of te duur.
Slechts 23 procent van alle organisaties wereldwijd beschikt over een formele AI-strategie, volgens onderzoeksbureau Gartner. In Nederland, waar de adoptie hoog is maar de integratie laag, is dat gat extra voelbaar.
Het Frends-rapport plaatst 46 procent van alle onderzochte organisaties in de fase "piloting en experimenteren", de grootste groep. Slechts 7 procent bereikt de meest volwassen fase: AI-native, waarin AI-agents zelfstandig taken uitvoeren met governance die daarop is ingericht. Nederland, met zijn combinatie van hoge adoptie en lage integratie, zit met een groot deel van zijn bedrijven vast in die middenmoot.
HelloPrint had na AI 80 procent minder personeel nodig
Even afstand nemen van de percentages. Hoe ziet het er in de praktijk uit als AI wél resultaat oplevert, en als het dat niet doet?
TNO onderzocht dit voorjaar vier Nederlandse organisaties die AI in hun werkprocessen integreerden. De uitkomsten lopen opvallend uiteen.
Bij HelloPrint automatiseerde AI de klantcommunicatie zo grondig dat de printspecialist 80 procent minder personeel nodig had op de betreffende afdeling. De routinetaken verdwenen. Wat overbleef was complexer en gevarieerder werk dat meer van de resterende medewerkers vroeg. Het resultaat was meetbaar: lagere kosten, hogere productiviteit per medewerker.
Bij verzekeraar a.s.r. was het beeld anders. Het bedrijf zette AI in om klanttevredenheid te voorspellen aan de hand van gesprekstranscripties. De voorspelkracht bleek te laag voor betrouwbare conclusies. Het project leverde inzichten op, maar geen meetbare tijds- of kostenbesparing.
Bij de Douane en IT-dienstverlener LINKIT bleef het effect beperkt tot kleine tijdsbesparingen op specifieke taken. Het verschil tussen HelloPrint en de rest? HelloPrint had vooraf nagedacht over hoe vrijgekomen capaciteit zou worden herverdeeld. De andere drie niet.
TNO concludeert dat effectieve AI-implementatie vereist dat medewerkers uit het primaire proces vanaf het begin betrokken worden bij het ontwerp, niet pas na de livegang. Datakwaliteit en bestaande digitalisering spelen eveneens een cruciale rol. Organisaties die hun basisprocessen nog niet op orde hebben, zijn simpelweg niet klaar voor AI.
Wat is een Integration-First-aanpak?
Het Frends-rapport introduceert de term Integration-First voor organisaties die systeemintegratie inbouwen als ontwerpbeslissing, niet als bijzaak. In de praktijk betekent dat: voordat je een AI-model loslaat op je klantdata, zorg je ervoor dat die data gestandaardiseerd en beschikbaar is vanuit je bestaande systemen.
Slechts 12 procent van de Nederlandse organisaties werkt op die manier. In Denemarken is dat 38 procent.
Het verschil in resultaat is aanzienlijk. Organisaties die Integration-First hanteren, leveren projecten volgens het rapport 43 procent sneller op, met dezelfde teams en budgetten. De verklaring is logisch: wie eerst de leidingen legt, hoeft halverwege niet te stoppen om te ontdekken dat het CRM niet praat met de AI-tool.
Denk aan het verschil tussen een verbouwing waarbij je eerst de elektra en waterleidingen plant en daarna de muren plaatst, versus een verbouwing waarbij je de muren neerzet en vervolgens ontdekt dat de waterleiding er dwars doorheen moet. Beide routes komen er. De tweede kost dubbel zoveel tijd.
Arnoud Kool, Regional Sales Director Central Europe bij Frends, vat het samen: "Veel Nederlandse organisaties hebben hun eerste stappen met AI gezet, maar worstelen met de overgang van experimenteren naar grootschalige implementatie."
De rekening van niet integreren
Het rapport becijfert dat handmatig werk Nederlandse organisaties met duizend medewerkers 7,93 miljoen euro per jaar kost. Dat zijn de uren die medewerkers besteden aan taken die geautomatiseerd zouden kunnen worden: data handmatig overzetten tussen systemen, rapportages handmatig samenstellen, informatie opzoeken in losse spreadsheets.
Nederlandse medewerkers besteden gemiddeld 6,6 uur per week aan dit soort routinewerk. Dat is het laagste aantal van de zes landen. Maar 97 procent van de Nederlandse respondenten erkent dat dit handmatige werk het risico op menselijke fouten vergroot. Dat is het hoogste foutrisicopercentage van alle onderzochte landen.
Minder tijd, hogere foutdruk. Nederlanders werken kennelijk efficiënter aan hun routinetaken, maar juist daardoor onder hogere tijdsdruk, wat het foutenrisico opdrijft.
Gevraagd wat ze met de vrijgekomen tijd zouden doen als routinewerk volledig geautomatiseerd zou worden, kiest 40 procent van de respondenten voor het versnellen van verdere AI-adoptie. 28 procent zegt de besparing te willen gebruiken voor kostenverlaging of personeelsreductie. De meerderheid wil dus niet minder mensen, maar betere processen.
Daar komen de bredere kosten bovenop. Volgens data van TheAIDaily kost de AI-vaardigheidskloof de Nederlandse economie circa 780 miljoen euro per jaar aan gemiste productiviteit, berekend op basis van CBS- en PwC-data. Volgens het CBS had 64 procent van de bedrijven in april 2026 te maken met personeelstekort. De combinatie van te weinig mensen en te veel handmatig werk maakt de business case voor integratie sterker dan ooit.
Hoe test je of jouw AI-project in de 21 procent valt?
Drie vragen die je deze week kunt stellen over elk lopend AI-project in je organisatie.
Praat de AI-tool met je bestaande systemen? Niet via een los Excel-bestand dat iemand exporteert en importeert, maar via een directe koppeling. Als het antwoord nee is, zit je in het Integration-Last-patroon en is de kans groot dat je project niet verder komt dan een handige demo.
Weet je wat er met de vrijgekomen tijd gebeurt? Als AI een taak van drie uur naar twintig minuten terugbrengt, zijn er twee opties: de medewerker krijgt er meer vergelijkbare taken bij en raakt overbelast, of de vrijgekomen tijd wordt bewust ingezet voor complexer werk. Het TNO-onderzoek laat zien dat het verschil daartussen bepaalt of je project resultaat oplevert of niet. Stel die vragen voordat je uitrolt, niet erna.
Heb je een meetpunt dat niet "we gebruiken het" is? "Het team gebruikt ChatGPT" is geen resultaat. Een meetbaar resultaat is: de doorlooptijd van offertes is gedaald van vijf naar twee dagen, het foutpercentage in klantcommunicatie is met twaalf procent gezakt, of de klanttevredenheid is gestegen van 7,2 naar 7,8. Zonder zo'n meetpunt weet je niet of je in de 21 of de 79 procent zit. En wat erger is: je weet niet of het geld oplevert.
