16 juni 2026Bijgewerkt op Fathy Shalaby12 min leestijd
Mislukt 95% van de AI-pilots? Wat de MIT-studie echt heeft gemeten
Het cijfer van 95% is geen universeel faalpercentage van AI. Dit is wat het MIT NANDA-rapport uit 2025 meette, waarom critici het betwisten en hoe productteams een AI-pilot op echte uitkomsten kunnen beoordelen.
Nee, het bewijs laat niet zien dat 95% van de AI-pilots mislukt. Het cijfer komt uit een MIT NANDA-rapport van juli 2025 dat is gebaseerd op 52 interviews en 153 enquêtereacties. Het zegt dat 95% van de organisaties geen meetbaar rendement op de winst-en-verliesrekening zag van generatieve AI. Van de bedrijven die daadwerkelijk een tool op maat piloteerden, haalde ongeveer een op de vier de productie, en het rapport noemt zijn eigen cijfers indicatief.
De belangrijkste punten
Het rapport zegt dat "95% of organizations are getting zero return" op 30–40 miljard dollar aan bedrijfsuitgaven voor GenAI (MIT NANDA, 2025). Dat beschrijft organisaties en winst-en-verliesimpact, niet de uitkomst van elke pilot.
Bij taakspecifieke tools evalueerde 60% van de organisaties er een, piloteerde 20% en haalde 5% de productie. Van de bedrijven die een pilot deden, slaagde ongeveer 25% (5 van 20).
"Succes" betekende een duidelijke en aanhoudende impact op productiviteit of winst-en-verliesrekening, zes maanden na de pilot gemeten. Dat is een hoge lat, en het rapport definieert hem niet precies.
Critici wijzen op de kleine steekproef, het ontbreken van peer review, interne tegenstrijdigheden en het commerciële belang van de auteurs bij de agentic AI die ze aanbevelen (80,000 Hours, 2026).
De bruikbare les voor productteams is geen faalpercentage. Het is om vóór de pilot een nulmeting, een succesdrempel en een beslisdatum vast te leggen.
Waar komt de statistiek "95% van de AI-pilots mislukt" vandaan?
Het getal komt uit The GenAI Divide: State of AI in Business 2025, geschreven door Aditya Challapally, Chris Pease, Ramesh Raskar en Pradyumna Chari en gedateerd juli 2025. Het is gemaakt met Project NANDA, een groep van het MIT Media Lab die infrastructuur bouwt voor netwerken van AI-agents (MIT Media Lab). Het rapport noemt zichzelf voorlopige bevindingen.
De opgegeven methode bestaat uit drie delen en beslaat januari tot en met juni 2025:
een analyse van meer dan 300 openbaar gemaakte AI-initiatieven
gestructureerde interviews met vertegenwoordigers van 52 organisaties
enquêtereacties van 153 senior leiders, verzameld op vier branchecongressen
De statistiek ging op 18 augustus 2025 mainstream, toen Fortune meldde dat 95% van de generatieve-AI-pilots bij bedrijven mislukt (Fortune, 2025). Fortune beschreef het onderzoek als 150 interviews met leiders, een enquête onder 350 werknemers en 300 openbare implementaties. Die aantallen zijn twee tot drie keer zo groot als de 52 interviews en 153 reacties in het rapport zelf.
Wat heeft het MIT NANDA-rapport werkelijk gemeten?
Het rapport bevat meerdere verschillende cijfers die koppen tot één getal hebben samengesmolten. Ze uit elkaar halen verandert het verhaal.
Wat mensen herhalen
Wat het rapport zegt
Wat het werkelijk beschrijft
95% van de AI-pilots mislukt
95% van de organisaties haalt geen rendement
Organisaties, beoordeeld op meetbare impact op de winst-en-verliesrekening
Slechts 5% van de pilots slaagt
5% van de geïntegreerde AI-pilots haalt miljoenen aan waarde
Een deel van alle organisaties, niet van de pilots
Pilots halen de productie niet
60% evalueerde taakspecifieke tools, 20% piloteerde, 5% haalde de productie
Een trechter over alle ondervraagde organisaties
AI-tools worden niet gebruikt
Meer dan 80% verkende of piloteerde tools in de trant van ChatGPT; bijna 40% meldt een uitrol
Algemene tools, apart beoordeeld
De meeste AI mislukt
Succes betekent een duidelijke en aanhoudende impact op productiviteit en/of winst-en-verliesrekening
Zelf gerapporteerd door gebruikers of leidinggevenden, 6 maanden na de pilot gemeten
De trechter is het belangrijkste. Als 60% van de organisaties naar een taakspecifieke tool keek, 20% een pilot draaide en 5% de productie haalde, dan heeft 80% nooit iets gepiloteerd. Van de 20% die dat wel deed, slaagden er 5 van de 20: een pilot-naar-productiepercentage van ongeveer 25%.
Rob Wiblin, host van 80,000 Hours, maakte dit punt in april 2026: het cijfer beschrijft alle ondervraagde organisaties, waarvan de meeste nooit een pilot op maat uitvoerden (80,000 Hours, 2026). Het rapport nodigt tot de verwarring uit door de uitkomst in één passage een faalpercentage van 95% te noemen.
Het rapport benoemt ook zelf zijn beperkingen. Het zegt dat de pilotcijfers "directionally accurate based on individual interviews rather than official company reporting" zijn (in richting juist, gebaseerd op individuele interviews in plaats van officiële bedrijfsrapportage), dat de steekproefgroottes per categorie verschillen en dat de definities van succes per organisatie kunnen verschillen.
Wat zijn de belangrijkste punten van kritiek op de MIT-studie?
Vijf problemen komen steeds terug. Geen enkel bewijst dat AI in het bedrijfsleven goed gaat, maar samen betekenen ze dat het cijfer van 95% het gewicht dat erop wordt gelegd niet kan dragen.
1. De steekproef is klein
De cijfers in de kop rusten op 52 interviews. 80,000 Hours schat dat het succescijfer van 5% mogelijk twee of drie bedrijven weerspiegelt, zodat het verschuiven van een of twee interviews de kop zou veranderen. De methodologische noot van het rapport zelf geeft toe dat de steekproef mogelijk niet alle bedrijfssegmenten of regio's vertegenwoordigt en dat bedrijven die over AI wilden praten kunnen verschillen van degenen die weigerden.
2. Het was niet peer-reviewed en moeilijk te controleren
Het rapport was geen wetenschappelijk artikel. Toen het Fortune-verhaal viraal ging, zat de pdf achter een aanvraagformulier, waardoor journalisten de kop herhaalden zonder de methode te lezen (80,000 Hours, 2026).
3. De cijfers komen niet altijd met elkaar overeen
Twee voorbeelden uit hetzelfde document:
Een kernpunt zegt dat 50% van de GenAI-budgetten naar sales en marketing gaat; de alinea eronder zegt dat sales en marketing ongeveer 70% van een hypothetische verdeling van 100 dollar kregen.
De samenvatting zegt dat slechts 2 van 8 grote sectoren structurele verandering laten zien; een latere sectie zegt dat 7 van 9 sectoren geen echte structurele verandering laten zien.
4. "Succes" is een hoge, vaag gedefinieerde lat
Een pilot telde alleen als geslaagd als gebruikers of leidinggevenden binnen zes maanden een duidelijke en aanhoudende impact op productiviteit of winst-en-verliesrekening beschreven. Een tool die individuen hielp maar de winst-en-verliesrekening nog niet had bewogen, telde als mislukking. Het rapport geeft zelfs toe dat een venster van zes maanden te kort kan zijn om complexe bedrijfssystemen te beoordelen.
5. De auteurs bevelen aan wat ze zelf bouwen
Het rapport concludeert dat agentic systemen met geheugen en leervermogen de kloof zullen dichten, en NANDA is een project voor agent-infrastructuur. 80,000 Hours stelt dat dit belangenconflict had moeten worden vermeld.
Wat is dan het werkelijke faalpercentage van AI-pilots?
Er is geen enkel betrouwbaar faalpercentage voor AI-pilots, omdat studies "mislukking" verschillend definiëren. Een model kan foute antwoorden geven, gebruikers kunnen stoppen met een functie, een pilot kan worden stopgezet, een workflow kan vastlopen vóór de productie, of een team kan de financiële impact niet meten.
Het RAND-rapport uit 2024 noemt schattingen dat meer dan 80% van de AI-projecten mislukt, twee keer zoveel als bij IT-projecten zonder AI (RAND, 2024). RAND schrijft dat cijfer toe aan externe schattingen; het eigen bewijs bestaat uit interviews met 65 datawetenschappers en engineers met minstens vijf jaar ervaring.
Zelf gerapporteerd succes is ook onbetrouwbaar. In METR's gerandomiseerde proef met 16 ervaren open-sourceontwikkelaars die aan 246 echte issues werkten, maakten AI-tools hen 19% trager. De ontwikkelaars hadden een versnelling van 24% verwacht en geloofden achteraf nog steeds dat AI hen 20% sneller had gemaakt (METR, 2025). De succescijfers van NANDA zijn ook zelf gerapporteerd, een extra reden om je eigen nulmeting te doen in plaats van het percentage van een ander te lenen.
Waarom mislukken AI-pilots volgens het onderzoek?
De kop is zwak, maar de kwalitatieve bevindingen sluiten aan bij ander onderzoek.
Uit het MIT NANDA-rapport:
De "learning gap". Gebruikers zeiden dat tools niet leren van feedback, elke keer te veel context nodig hebben, niet aan hun workflow kunnen worden aangepast en vastlopen in randgevallen.
Eenvoudig werk tegenover complex werk. 70% van de respondenten gaf de voorkeur aan AI voor het opstellen van e-mails en 65% voor basisanalyse, maar voor complex werk dat meerdere weken duurt, kreeg de mens de voorkeur met 9 tegen 1.
Shadow AI. Slechts 40% van de bedrijven zei een officieel LLM-abonnement te hebben gekocht, maar werknemers bij meer dan 90% van de ondervraagde bedrijven meldden regelmatig persoonlijke AI-tools voor hun werk te gebruiken.
Kopen of bouwen. Externe samenwerkingen bereikten in ongeveer 67% van de gevallen de uitrol, tegenover ongeveer 33% bij interne ontwikkeling. Het rapport merkt op dat dit zelf gerapporteerd is en dat correlatie geen oorzakelijk verband bewijst.
Snelheid. De beste middelgrote bedrijven meldden ongeveer 90 dagen van pilot tot volledige implementatie; grote ondernemingen deden er negen maanden of langer over.
Uit RAND's 65 interviews, vijf hoofdoorzaken: het team begreep of communiceerde het probleem verkeerd; de organisatie had de data niet; ze jaagde de technologie na in plaats van het probleem van de gebruiker; ze miste de infrastructuur om modellen uit te rollen en te beheren; of het probleem was te moeilijk voor AI (RAND, 2024).
Schrijf het pilotplan voordat je een AI-feature of coding assistant naar meer gebruikers uitbreidt. Deze checklist met zeven punten houdt de beslissing bij jouw bewijs, niet bij andermans statistiek.
Gebruiker en taak. Wie doet welke taak, en wat is lastig aan de huidige workflow?
Nulmeting. Hoe werkt de taak nu? Leg tijd, voltooiing, fouten, herwerk of een andere relevante maat vast.
Succesuitkomst. Welke uitkomst voor gebruiker of bedrijf moet verbeteren? Stel vóór de pilot een drempel vast.
Kwaliteitsgrens. Wat maakt een antwoord of actie acceptabel? Neem representatieve voorbeelden, randgevallen en bekende foutmodi op.
Terugvaloptie en eigenaarschap. Wat gebeurt er als het model onzeker is of het mis heeft? Noem de persoon die de workflow kan beoordelen, overrulen of stoppen. De gids over begrensde AI-beslissingen laat zien hoe je die overdracht opschrijft.
Kosten en operationele grenzen. Volg latency, modelkosten, beoordelingsinspanning, escalaties en supportlast naast de taakuitkomsten.
Beslisdatum. Spreek af wanneer het team de pilot opschaalt, bijstuurt of stopt, en wie die beslissing neemt.
Meet in lagen; elke laag beantwoordt een andere vraag:
Het raamwerk van Google Cloud voor AI-codeerassistenten, mede geschreven door DORA-lead Nathen Harvey, gebruikt een vergelijkbare ladder: adoptie, vertrouwen, versnelling en impact. Het waarschuwt ertegen om van adoptie meteen naar zakelijke impact te springen en stelt voor minstens 6 tot 8 weken, of vier sprints van twee weken, te wachten voordat versnelling zichtbaar kan worden (Google Cloud, 2025). Geaccepteerde suggesties zijn een vroeg signaal, geen bewijs dat klanten meer waarde kregen. Het AI-evaluatiekader voor productteams behandelt de kwaliteitslaag in detail.
Uitgewerkt voorbeeld: door AI gegenereerde acceptatiecriteria
Dit voorbeeld is illustratief, geen klantresultaat. Stel dat een team van 6 mensen AI-geschreven acceptatiecriteria voor tickets piloteert. Concepten tellen zou hem niets zeggen, dus schrijft het eerst het plan:
Nulmeting (laatste 20 tickets): 3 dagen van aanvraag tot goedgekeurde brief; reviewers vinden 4 ontbrekende randgevallen per 10 tickets; 2 van de 10 tickets vragen na de kick-off herwerk van engineering.
Drempel: goedgekeurde brief in 2 dagen of minder, met herwerk niet hoger dan 2 van de 10.
Kwaliteitsgrens: geen verzonnen eisen; elk criterium is terug te voeren op de aanvraag of een gekoppelde klantnotitie.
Kostengrens: reviewtijd per brief mag niet boven 30 minuten uitkomen.
Beslisdatum: na 8 weken of 40 tickets, wat het eerst komt.
Als briefs in een dag klaar zijn maar het herwerk oploopt tot 4 van de 10, is de pilot mislukt op de uitkomst die ertoe doet, hoe snel de concepten ook waren. Als concepten even lang duren maar het herwerk gehalveerd wordt, kan opschalen de moeite waard zijn.
Veelgemaakte fouten bij het lezen van AI-pilotstatistieken
Een enquête onder organisaties behandelen als percentage voor jouw project. Je kansen hangen af van jouw probleem, data en workflow, niet van een gemiddelde over 52 bedrijven.
Activiteit als succes tellen. Verstuurde prompts, gegenereerde concepten en geaccepteerde suggesties tonen adoptie, geen waarde.
Vertrouwen op hoe snel het voelt. METR's ontwikkelaars voelden zich 20% sneller terwijl ze 19% trager bleken. Meet de tijd.
De nulmeting overslaan. Zonder "voor"-cijfers betekent geen enkel "na"-cijfer iets.
De einddatum open laten. Pilots zonder beslisdatum blijven vaak voortkabbelen als permanente experimenten.
De checklist heeft grenzen. Hij redt geen pilot die gericht is op een probleem dat gebruikers niet hebben, en sommige voordelen, zoals betere beslissingen, hebben meer dan acht weken nodig om zichtbaar te worden; leg die vast als open vragen. Voor wie de eindbeslissing neemt, zie wat productmanagers nooit aan AI moeten delegeren en de gids voor de AI-productmanager.
Waar Specky past
Specky leest klantgesprekken, feedback, Slack, Jira en analytics in een Product Graph, schrijft specs met het onderbouwende bewijs direct erbij geciteerd en controleert na de lancering of de gok heeft uitgepakt. Voor een AI-pilot betekent dat: de nulmeting, de drempel en de beslisdatum staan naast de spec, in plaats van op een slide die niemand meer opent. Je eigen metingen bepalen nog steeds of de pilot geslaagd is.
Veelgestelde vragen
Is het waar dat 95% van de AI-pilots mislukt?
Nee. Het MIT NANDA-rapport zegt dat 95% van de ondervraagde organisaties geen meetbaar rendement op de winst-en-verliesrekening zag van generatieve AI. De eigen trechter laat zien dat slechts 20% van de organisaties een taakspecifieke tool piloteerde en 5% de productie haalde, dus ongeveer een kwart van de bedrijven met een pilot slaagde. De steekproef bestond uit 52 interviews en 153 enquêtereacties.
Wie schreef de MIT-studie over AI-pilots?
Aditya Challapally, Chris Pease, Ramesh Raskar en Pradyumna Chari schreven The GenAI Divide: State of AI in Business 2025, gepubliceerd in juli 2025 met Project NANDA van het MIT Media Lab. Het presenteert voorlopige bevindingen van januari tot en met juni 2025 en is niet peer-reviewed.
Wat telt als een mislukte AI-pilot?
Het MIT-rapport telde een pilot alleen als geslaagd als gebruikers of leidinggevenden binnen zes maanden een duidelijke en aanhoudende impact op productiviteit of winst-en-verliesrekening beschreven. Andere definities zijn stopzetting, lage adoptie of schadelijke fouten. Definieer mislukking voor je eigen pilot voordat die begint, met een meetbare drempel en een datum.
Waarom mislukken de meeste AI-pilots?
Het onderzoek wijst vooral op productoorzaken: onduidelijke problemen, slechte aansluiting op de workflow, ontbrekende data, tools die niet van feedback leren en geen afgesproken succesmaat. RAND's interviews met 65 praktijkmensen vonden als meest voorkomende hoofdoorzaak dat het probleem dat AI moest oplossen verkeerd werd begrepen of verkeerd werd gecommuniceerd.
Hoe lang moet een AI-pilot duren?
Lang genoeg om met een nulmeting te vergelijken op de uitkomst die je belangrijk vindt. Google Cloud stelt minstens 6 tot 8 weken voor voordat productiviteitswinst van AI-codeerassistenten kan verschijnen. Stel de beslisdatum en steekproefgrootte vast, bijvoorbeeld 8 weken of 40 taken, voordat de pilot begint.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing