Waarom AI op het werk vaak niet doet wat bedrijven hopen

Bedrijven over de hele wereld investeren steeds meer in kunstmatige intelligentie om werk sneller en slimmer te maken. Grote spelers zoals OpenAI en Anthropic verkopen krachtige AI-tools aan ondernemingen met de belofte dat die de productiviteit zullen verhogen, bijvoorbeeld door taken te automatiseren of informatie snel te verwerken. Ondanks die beloftes blijkt uit praktijkvoorbeelden dat AI in de werkplekcontext lang niet altijd doet wat er van wordt verwacht. Dat komt naar voren in een analyse van Reuters over hoe AI het afgelopen jaar presteerde in bedrijven en organisaties.

Veel bedrijven gingen er in 2025 van uit dat AI een soort wondermiddel is dat routinewerk moeiteloos kan overnemen. Tools als ChatGPT Enterprise en Microsoft Copilot werden breed uitgerold met de verwachting dat ze processen zouden versnellen en menselijke fouten zouden verminderen. Maar in werkelijkheid botsen organisaties tegen praktische problemen aan. In een reeks casestudies blijkt dat AI-systemen vaak moeite hebben met simpele contexten die voor mensen vanzelfsprekend zijn, zoals nuance in dialoog, empathie in klantgesprekken of het correct interpreteren van lange documenten.

Bij telecombedrijf Verizon bijvoorbeeld hielp AI met routinetaken zoals eerste antwoorden op klantvragen, maar het miste empathie en nuance. Klanten bleven dus vaak alsnog mensen nodig hebben voor ingewikkelder contact. Bij fintechbedrijf Klarna moest de verwachting dat AI honderden klantendienstmedewerkers kon vervangen worden teruggeschroefd, omdat klanten bij complexe problemen vooral menselijke hulp wilden.

Een opvallend probleem dat veel terugkomt is dat AI vaak te beleefd of te voorzichtig reageert. Modellen zijn geoptimaliseerd om aardig en coöperatief te lijken, maar dat kan ertoe leiden dat ze geen directe of nuttige feedback geven. In een geval bij een klein wijnplatform bijvoorbeeld weigerde het AI-systeem originele beoordelingen te geven omdat het te veel waarde hechtte aan vriendelijkheid, wat de bruikbaarheid van het systeem beperkte en veel tijd kostte om aan te passen.

Andere AI-toepassingen bleken helemaal niet betrouwbaar genoeg voor serieuze bedrijfsvoering. Een intern AI-hulpmiddel bij een spoorwegbedrijf in Canada moest veiligheidsregels samenvatten, maar het produceerde onjuiste of zelfs verzonnen informatie. Na flinke investeringen besloot het bedrijf de inzet ervan te pauzeren.

Een belangrijke les uit deze voorbeelden is dat AI geen plug-and-play oplossing is voor werkproblemen. Succesvolle AI-implementaties vragen om gespecialiseerde inzet van mensen die het systeem kunnen begeleiden, trainen en aanpassen aan de specifieke context van een bedrijf. In veel gevallen zetten bedrijven nu engineers en AI-specialisten in om samen met werknemers te bekijken waar de technologie echt toegevoegde waarde kan leveren.

Het idee dat een generiek AI-model direct klaar is voor gebruik in elke sector blijkt te optimistisch. De technologie moet vaak worden afgestemd op de werkomgeving, en zonder die aandacht presteert het vaak slechter dan beloofd.

Wat 2025 vooral heeft laten zien is dat kunstmatige intelligentie op de werkvloer geen automatische productiviteitsbooster is. Bedrijven die het afgelopen jaar AI hebben geprobeerd te gebruiken ontdekken dat de technologie in veel situaties nog te onbetrouwbaar is zonder menselijke supervisie. AI kan waardevol zijn bij routinetaken en kan helpen met informatieverwerking, maar het vergt inzet, tijd en samenwerking tussen mens en machine om echt nuttig te worden.