Slechts 16 procent van de organisaties haalt hoge meetbare waarde uit AI-investeringen. Dat is niet omdat de technologie tekortschiet, maar omdat het ontbreekt aan structuur. Op AppianWorld 2026 in Orlando liet Appian zien wat er gebeurt als je AI wel de juiste context geeft.
Zes op de tien organisaties hebben AI inmiddels in productie draaien. Toch haalt slechts 16 procent van de organisaties meetbaar hoge businesswaarde uit die investering. Organisaties die AI vooral inzetten voor productiviteit en efficiëntie boeken bescheiden winst. Wie AI diep verankert in de kernprocessen die het bedrijf draaien, ziet een factor vier meer resultaat.
Dat blijkt uit onderzoek van Harvard Business Review Analytic Services, uitgevoerd in opdracht van Appian. De verklaring voor die tegenvallende resultaten is helder: slechts een kleine minderheid van de organisaties heeft AI primair geïntegreerd in de werkprocessen. De rest gebruikt het ernaast, als losstaand hulpmiddel. En dat maakt een wereld van verschil. Productiviteitswinst en operationele efficiëntie boeken veel organisaties wel, maar doorgroei naar echte businesswaarde blijft uit.
AI heeft structuur nodig
Appian is een procesautomatiseringsplatform dat al 25 jaar gespecialiseerd is in het digitaliseren en automatiseren van complexe bedrijfsprocessen bij grote, gereguleerde organisaties. Denk aan banken die leningaanvragen verwerken, farmaceutische bedrijven die klinische trials beheren of overheden die vergunningen uitgeven. Processen waarbij een fout niet alleen duur is, maar soms ronduit gevaarlijk.
In die omgevingen is betrouwbaarheid geen luxe, maar een harde eis. En dat botst met een eigenschap van AI die vaak over het hoofd wordt gezien. AI is van nature probabilistisch. Alles wat het produceert is in wezen een schatting, ook als het er zelfverzekerd uitziet. Vraag het twee keer hetzelfde en je kunt twee verschillende antwoorden krijgen. Zelfs bij een simpele optelsom. “Dat is geen veroordeling van de technologie”, zei Appian-CEO Matt Calkins in een gesprek met ICT Magazine. “Maar het betekent dat AI altijd structuur nodig heeft om betrouwbaar te kunnen werken.”
Dat is precies waarom Appian AI niet los inzet, maar altijd als onderdeel van een proces. Calkins lichtte tijdens de openingskeynote op AppianWorld toe hoe dat werkt: een AI-agent krijgt één afgebakende taak, mag alleen doen wat het proces toestaat en staat altijd onder menselijk toezicht. Appian controleert de uitkomst soms zelfs door twee AI-modellen hetzelfde werk te laten doen en de resultaten te vergelijken. “Een proces is een betrouwbaarheidsmachine”, zei Calkins. “Het vangt fouten op voordat ze schade aanrichten. Dat gold al voor mensen, en het geldt nu voor AI.” AI is in die redenering geen vervanging van het proces, maar een nieuwe deelnemer die het proces nodig heeft om te functioneren.
Eerst luisteren, dan automatiseren
Wat dat in de praktijk betekent, laat Pfizer zien. Het farmaceutische bedrijf beheert via Appian contracten met zorgprofessionals in 143 landen, waarbij dagelijks 75.000 medewerkers het systeem gebruiken. “In onze industrie is compliance niet iets dat je kiest”, zei Anne Furey, VP Meetings, External Engagements en Travel bij Pfizer, tijdens de conferentie. “Het is onze licentie om te mogen opereren.”
Vóór de digitalisering duurde het afsluiten van een contract zes tot acht weken. Nu minder dan 24 uur. Maar die tijdwinst is niet het resultaat van AI. Kathy Maltz, Senior Director Digital en Technology bij Pfizer: “Je kunt complexiteit niet automatiseren. Je moet het eerst elimineren. Dus we begonnen niet met technologie. We begonnen met luisteren.” Pas nadat Pfizer het proces had vereenvoudigd, gestandaardiseerd en overbodige stappen had geschrapt, werd AI toegevoegd als extra laag. Het resultaat is een systeem waarbij AI documenten verwerkt, gegevens controleert en afwijkingen signaleert, terwijl een medewerker altijd de definitieve beslissing neemt.
Proces als fundament
Een vergelijkbaar patroon tekent zich af bij investeringsmaatschappij Carlyle. Het bedrijf beheert meer dan 470 miljard dollar aan vermogen, verdeeld over duizenden juridische entiteiten en bankrekeningen in 27 landen. Betalingsprocessen zijn daar geen backoffice-functie, maar de kern van hoe deals worden gesloten. Carlyle bouwde met Appian een wereldwijd betalingssysteem waarbij AI facturen automatisch verwerkt en data extraheert, maar mensen de goedkeuring geven. “Dit is geen roadmap, geen pilot, geen proof of concept”, zei Shakira Fraser, Head of Finance Operations bij Carlyle, op het podium. “Dit is een productieplatform dat al echte resultaten levert.” In de eerste drie maanden na de lancering verwerkte het systeem meer dan 14.000 betalingsverzoeken en ruim 4,5 miljard dollar aan transacties. De tijd tussen factuurdatum en betaling daalde met 40 procent.
Het patroon dat Pfizer en Carlyle laten zien, sluit nauw aan bij wat het HBR-onderzoek onderschrijft. Siddharth Goyal, VP Intelligent Automation bij implementatiepartner Xebia, ziet het ook bij zijn klanten. Twee jaar geleden stonden zijn klanten nog in de rij om hun data op orde te brengen, in de veronderstelling dat betere data de sleutel was tot betere AI. Die discussie is verschoven, zegt hij. “De meeste waarde ontstaat als organisaties zich richten op het proces, niet op de data. Denk na over het proces waarbinnen je AI wilt laten werken, dan volgt de rest vanzelf.”
Negen maanden voor NASA
Misschien wel het meest aansprekende voorbeeld komt tijdens AppianWorld van NASA. De Amerikaanse ruimtevaartorganisatie staat er niet bekend om snel te bewegen, maar bouwde met Appian in negen maanden een volledig nieuw contractbeheersysteem, met elf complexe integraties en uitrol naar alle NASA-centra. De aanleiding was geen ambitie, maar pure noodzaak. NASA verloor 135 mensen via een vrijwillig vertrekprogramma en kreeg er niemand voor terug, terwijl de Artemis-missie, het programma dat de mens terug naar de maan moet brengen, juist versnelde. Terwijl de werkdruk steeg, daalde de bezetting.
Vóór de implementatie werkten contractspecialisten met een lappendeken van verouderde, losstaande systemen. Ze bouwden hun contracten liever in Word-documenten dan in het officiële systeem. Dat is nu vervangen door één geïntegreerd platform. De data zit eindelijk op de plek waar het hoort. “Zonder goed werkende inkoopprocessen komt er geen raket van de grond”, zegt Allison Sand, Acting Director of the E-Business Systems Office bij NASA. “85 procent van het NASA-budget loopt via procurement. Wij zijn een essentieel onderdeel van elke succesvolle missie.”
Niet overal agents
De voorbeelden van Pfizer en NASA maken één ding duidelijk: AI is nooit het startpunt. En datzelfde geldt ook voor agents. Jake Rank, Senior Director Product Management AI bij Appian, zag het direct nadat Agent Studio, het platform waarmee organisaties AI-agents kunnen bouwen en beheren, algemeen beschikbaar kwam. Klanten wilden agents inzetten voor vrijwel alles. Begrijpelijk, want de markt schreeuwt om agents. Maar de praktijk leerde dat een gewone bedrijfsregel of een eenvoudige koppeling in veel situaties simpelweg beter werkt. “De organisaties die de meeste waarde uit AI halen, zijn niet de organisaties die overal agents inzetten”, zegt Rank. “Het zijn de organisaties die weten wanneer ze dat juist niet moeten doen.”
Die les heeft Appian vertaald naar Composer, een tool die op basis van ingevoerde vereisten adviseert welk type automatisering het beste past: een agent, een bedrijfsregel of een eenvoudige koppeling. Niet meer technologie, maar de juiste technologie. Uit het HBR-onderzoek blijkt waarom die terughoudendheid verstandig is. Van de organisaties die agents inzetten of overwegen, zegt 92 procent dat agents regels en guardrails nodig hebben om veilig te functioneren. Maar minder dan de helft heeft die regels ook daadwerkelijk vastgelegd. Wie agents inzet zonder die kaders, weet niet wat ze doen en kan de uitkomsten niet sturen of controleren.
Structuur eerst
De organisaties op AppianWorld die de meeste indruk maakten, hadden één ding gemeen: ze begonnen niet met technologie. Ze begonnen met de vraag wat er precies moest veranderen en hadden vervolgens dat proces vereenvoudigd en gestandaardiseerd. En pas daarna zetten ze AI in, als sluitstuk van een goed ontworpen proces, niet als startpunt.
Dat klinkt logisch, maar de praktijk is weerbarstig. Bijna zeven op de tien organisaties in het HBR-onderzoek zeggen dat verouderde legacy-infrastructuur hen actief belemmert om AI te schalen. Dat is niet zo gek. Drie kwart van de bedrijfsapplicaties wereldwijd is meer dan twintig jaar oud. Die systemen zijn gebouwd in een tijd waarin AI nog sciencefiction was, en ze zijn niet ontworpen om er een laag bovenop te zetten. Wie AI serieus wil inzetten voor kritische processen, ontkomt er niet aan die basis eerst op orde te brengen.
De vraag is daarom niet of AI waardevol kan zijn in mission-critical omgevingen. Pfizer, NASA en de andere klanten op AppianWorld hebben dat allang bewezen. De vraag is vooral of organisaties bereid zijn de juiste volgorde aan te houden: eerst begrijpen, dan vereenvoudigen, dan automatiseren. Intentie zonder structuur levert geen resultaat. Dat gold altijd al voor mensen. Het geldt nu ook voor AI.