Cloudera trekt aan de bel: ‘AI werkt niet zonder goede datafundamenten’

woensdag, 15 april 2026 om 12:00

Cloudera waarschuwt bedrijven overschatten AI-gereedheid en lopen vast op data

Organisaties overschatten hun eigen AI-volwassenheid. Dat blijkt uit een onderzoek van Cloudera. Hoewel AI breed wordt toegepast, ontbreekt vaak de onderliggende datakwaliteit en toegankelijkheid om echte waarde te realiseren.

Het rapport The Data Readiness Index laat zien dat bedrijven massaal investeren in kunstmatige intelligentie, maar dat fundamentele data-uitdagingen de opschaling belemmeren. Daarmee ontstaat een kloof tussen ambitie en daadwerkelijke impact.

Waarom spreken onderzoekers van een ‘illusie van AI-gereedheid’?

De ‘illusie van AI-gereedheid’ betekent dat organisaties denken klaar te zijn voor AI, terwijl essentiële datavoorwaarden ontbreken. Dit blijkt uit het feit dat 96 procent van de organisaties AI integreert in kernprocessen, terwijl circa 80 procent tegelijk aangeeft dat beperkte datatoegang projecten belemmert.

Deze tegenstelling toont aan dat strategische plannen en operationele realiteit niet op elkaar aansluiten. Bedrijven formuleren wel datastrategieën, maar worstelen met uitvoering over verschillende systemen en omgevingen.

De kern van het probleem ligt in gefragmenteerde data-ecosystemen. Data zit verspreid over clouds, datacenters en afdelingen, waardoor AI-modellen geen volledig en consistent beeld krijgen.

Waarom levert AI-investering vaak geen rendement op?

AI levert beperkt rendement omdat datakwaliteit, kosten en integratie tekortschieten. Volgens het onderzoek noemt 22 procent datakwaliteit als grootste probleem, gevolgd door kostenoverschrijdingen (16 procent) en gebrekkige integratie (15 procent).

Deze factoren vertragen de overgang van experiment naar productie. Veel organisaties blijven hangen in pilots zonder schaalbare implementatie.

Daarnaast spelen technische beperkingen een rol. Zo meldt 73 procent van de respondenten dat infrastructuurproblemen AI-initiatieven afremmen.

Dit betekent dat zelfs organisaties met voldoende budget en strategie vastlopen op operationele complexiteit.

Hoe groot is de kloof tussen vertrouwen en realiteit?

De kloof tussen vertrouwen en realiteit is groot omdat organisaties hun data overschatten. Hoewel 84 procent vertrouwen heeft in de eigen data, geeft slechts 18 procent aan dat deze volledig gemanaged is.

Dit verschil wijst op structurele problemen zoals:

Datasilo’s tussen afdelingen
Inconsistente definities en standaarden
Beperkte governance en controle

Data die binnen één team betrouwbaar lijkt, blijkt vaak onbruikbaar in bredere AI-toepassingen. Hierdoor ontstaan fouten, inefficiëntie en gemiste kansen.

Welke sectoren lopen voorop en welke achter?

Datagereedheid verschilt sterk per sector en bepaalt het tempo van AI-ontwikkeling. Telecombedrijven scoren relatief hoog: 54 procent heeft volledig inzicht in data, tegenover ongeveer 30 procent in financiële dienstverlening en publieke sector.

Ook op het gebied van toegang loopt telecom voor:

51 procent heeft volledige datatoegang
Financiële sector: 24 procent
Publieke sector: 16 procent

Toch vertaalt deze voorsprong zich niet automatisch in succes. In telecom geeft 60 procent aan dat infrastructuur prestaties blijft beperken.

Dit onderstreept dat datagereedheid slechts één onderdeel is van succesvolle AI-implementatie.

Wat betekent datagereedheid voor de toekomst van AI?

Datagereedheid bepaalt welke organisaties AI succesvol opschalen. Bedrijven met volledige toegang en controle over hun data kunnen betrouwbaardere en schaalbare AI-systemen bouwen.

Volgens Sergio Gago ligt de kern eenvoudig: AI is zo goed als de data waarop het draait. Zonder brede datatoegang blijven nauwkeurigheid en waarde beperkt.

De volgende fase van AI draait daarom minder om nieuwe modellen en meer om datamanagement. Organisaties die investeren in governance, integratie en infrastructuur hebben een structureel voordeel.

Wat betekent dit voor Nederland en Europa?

Voor Nederlandse organisaties betekent dit onderzoek dat de focus moet verschuiven van experimenteren naar fundamenten. Veel bedrijven bevinden zich in dezelfde fase als de onderzochte groep: enthousiast over AI, maar beperkt door datastructuur.

Dit raakt direct aan thema’s zoals:

Digitale soevereiniteit
Data governance en regelgeving
Schaalbaarheid van AI binnen bedrijfsprocessen

Zonder robuuste dataplatformen blijft AI een belofte in plaats van een motor voor productiviteit en innovatie.

Conclusie

AI-adoptie groeit snel, maar echte impact blijft achter door gebrekkige datagereedheid. De kloof tussen ambitie en uitvoering vormt momenteel de grootste rem op waardecreatie.

Organisaties die deze kloof weten te dichten, positioneren zich voor de volgende fase van AI. Bedrijven die dat niet doen, riskeren dat investeringen blijven steken in experimenten zonder structureel rendement.