De tools voor kunstmatige intelligentie vermenigvuldigen zich in professionele omgevingen, maar de gemeten productiviteitswinst blijft sterk variëren van het ene werknemersprofiel naar het andere. Een studie gepubliceerd in het Quarterly Journal of Economics in april 2025, met betrekking tot 5.172 klantenservicemedewerkers, observeerde een gemiddelde stijging van ongeveer 14 tot 15 % van het aantal opgeloste problemen per uur.
Beginnende medewerkers profiteerden het meest, terwijl de meer ervaren medewerkers een zwak effect constateerden, zelfs een lichte daling van de kwaliteit.
Kloof tussen waargenomen productiviteit en gemeten productiviteit in bedrijven
De eerste reflex, bij een nieuwe tool, is om de gebruikers te vragen of ze zich efficiënter voelen. De gegevens uit de praktijk vertellen een ander verhaal: in verschillende experimenten hebben de deelnemers hun eigen winst significant overschat in vergelijking met de objectief gemeten resultaten.
Dit verschil heeft directe gevolgen voor investeringsbeslissingen. De meest geavanceerde bedrijven in de adoptie van AI produceerden niet meer per werknemer dan de niet-adopters. De vroege adopters vertoonden soms zelfs een iets lagere productiviteit.
| Indicator | Gebruikersperceptie | Experimentele meting |
|---|---|---|
| Klantenservice (QJE, april 2025) | Positief voor alle profielen | +14-15 % gemiddeld, laag bij experts |
| Softwareleveringen (DORA 2024) | Waargenomen individuele productiviteit in stijgende lijn | Daling van de doorvoer en stabiliteit van leveringen |
Deze tabel illustreert een terugkerend patroon: het vertrouwen in de tool overstijgt vaak de verifieerbare resultaten. Verschillende recente IT-innovaties verdienen daarom evaluatie op hun werkelijke effecten in plaats van op hun beloften.
AI-assistenten voor klantenservice en schrijven: echte maar gerichte winsten
De meest solide resultaten hebben betrekking op repetitieve en gestructureerde taken. Op de website Planet X Tech informatique behoren de categorieën tools die verband houden met tekstverwerking en technische ondersteuning tot de meest geraadpleegde, wat de huidige vraag van professionals weerspiegelt.
De studie van het Quarterly Journal of Economics detailleert een punt dat in de lijsten van tools vaak wordt verzwegen: de winsten concentreren zich op de minst ervaren profielen. Voor een junior klantenservicemedewerker biedt de AI-assistent standaardantwoorden die de oplossing versnellen. Voor een senior medewerker biedt de tool soms suggesties die niet aansluiten bij de complexiteit van de zaak, wat de verwerking vertraagt of de kwaliteit degradeert.
Bij professioneel schrijven is hetzelfde fenomeen waarneembaar. Een schrijver die zijn onderwerp al beheerst, besteedt meer tijd aan het corrigeren van de output van de AI dan aan het direct schrijven. Daarentegen is de tijdwinst bij het produceren van eerste versies, interne samenvattingen of gestandaardiseerde rapporten tastbaar.
Criteria voor het evalueren van een AI-assistent vóór implementatie
- Het gemiddelde ervaringsniveau van de beoogde gebruikers: hoe juniorer het team, hoe hoger het rendement op investering volgens de beschikbare gegevens
- De proportie van gestandaardiseerde taken in de dagelijkse workflow, aangezien de AI goed presteert op terugkerende gevallen en verzwakt bij uitzonderingen
- De capaciteit van de tool om te integreren met bestaande applicaties (berichten, CRM, interne database) zonder extra wrijving te creëren
AI-programmeerassistenten: snelheid versus stabiliteit van leveringen
Het rapport Accelerate State of DevOps 2024 van Google DORA biedt een tegenintuïtieve kijk. De ontwikkelingsteams die de meeste AI gebruikten om code te genereren, zagen hun doorvoersnelheid en stabiliteit dalen, terwijl individuele ontwikkelaars zich productiever verklaarden.
Het DORA 2025-rapport, dat gewijd is aan AI-geassisteerde ontwikkeling, bevestigt dat het vertrouwen in de gegenereerde code een probleem blijft voor een aanzienlijk deel van de ondervraagde professionals. De code die door een assistent wordt geproduceerd, doorstaat de unit tests maar introduceert architectonische kwetsbaarheden die handmatige codebeoordelingen pas laat detecteren.
Voor teams die overwegen een programmeerassistent te adopteren, is de relevante vraag niet “hoeveel extra regels code?” maar “hoeveel minder bugs in productie?”. De DORA-metrics (frequentie van implementatie, doorlooptijd, faalkans van wijzigingen, hersteltijd) blijven de meest betrouwbare indicatoren om de werkelijke impact te meten.
Automatisering van workflows: waar de echte IT-winst ligt
Automatiseringsplatforms (verbindingen tussen applicaties, voorwaardelijke triggers, gegevensroutering) vormen een productiviteitsverhogend middel dat minder spectaculair is dan generatieve AI, maar vaak voorspelbaarder. Hun principe is eenvoudig: bestaande tools verbinden om handmatige invoer en bestandsoverdrachten te elimineren.
Automatisering levert de beste resultaten op bij processen met een hoog volume en lage variabiliteit: factuurvalidatie, verzenden van meldingen, synchronisatie van databases tussen een CRM en een boekhoudtool. Teams die deze workflows automatiseren, winnen tijd terug op taken met een lage toegevoegde waarde.
Wat een rendabele automatisering onderscheidt van een gadget
Een geautomatiseerde workflow die tien gevallen per week behandelt, rechtvaardigt de insteltijd niet. Daarentegen genereert een proces dat meerdere tientallen keren per dag wordt geactiveerd, met stabiele regels, een meetbare terugkeer al in de eerste weken. De veiligheid van gegevens in transit tussen applicaties blijft een aandachtspunt, vooral wanneer gevoelige informatie circuleert tussen tools die bij verschillende leveranciers zijn gehost.
- Prioriteit geven aan de meest frequente en gestandaardiseerde workflows voor de eerste implementatie
- Controleren of elke connector voldoet aan de beveiligingsbeleid van het bedrijf, met name de versleuteling tijdens de overdracht
- De werkelijk bespaarde tijd meten na 30 dagen, niet alleen de theoretische tijd die door de leverancier is aangekondigd
De meest gepubliceerde IT-innovaties zijn niet altijd degenen die de productiviteit meetbaar verbeteren. Het verschil tussen perceptie en realiteit, gedocumenteerd door experimentele studies en DORA-rapporten, suggereert om concrete metrics boven indrukken te verkiezen. De meest nuttige tool is niet degene die indruk maakt tijdens een demonstratie, maar degene waarvan de impact bestand is tegen een rigoureuze meting na meerdere weken dagelijks gebruik.
