Je hebt de AI-tools gekocht, je team gebruikt ze, maar de resultaten blijven uit. Campagnes worden niet scherper, content niet beter, en niemand kan een concreet resultaat aanwijzen dat de uitgaven rechtvaardigt. Uit de grootste meta-analyse ooit naar mens-AI-samenwerking blijkt waarom: combinaties van mens en AI presteren gemiddeld slechter dan mens of AI alleen. De impact is meetbaar, en het patroon is herkenbaar voor elke ondernemer die AI in zijn bedrijf heeft geïntroduceerd.

Wat er aan de hand is

Een meta-analyse van Vaccaro, Almaatouq en Malone, gepubliceerd in Nature Human Behaviour, analyseerde 106 studies met 370 effectgroottes. De conclusie: mens-AI-combinaties (HAI) presteren significant slechter dan de beste van mens of AI alleen, met een effectgrootte van -0.23 Hedges g en een betrouwbaarheidsinterval van 95% dat niet door nul gaat. Het onderzoek besloeg experimenten van januari 2020 tot juni 2023. Dit is geen klein labonderzoek, maar de meest rigoureuze beoordeling van een vraag die de technologiesector dacht al te hebben beantwoord.

Uit het MIT GenAI Divide Report van 2025 blijkt dat slechts ongeveer 5% van de AI-pilotprogramma’s snelle omzetgroei realiseert. BCG’s AI Adoption Puzzle uit 2025 bevestigt het patroon op bedrijfsniveau: 85% van de leidinggevenden en 78% van de managers gebruikt generatieve AI, maar gebruik en impact zijn ontkoppeld. Verder toonde Faros AI aan dat bij meer dan 10.000 ontwikkelaars in 1.255 teams de AI-adoptie weliswaar steeg, maar de productiviteit niet evenredig meestijgt.

Wat dit betekent

Voor ondernemers betekent dit dat de gangbare aanpak van AI-implementatie niet werkt. Het probleem is niet dat je team AI weigert, maar dat de manier waarop mens en AI samenwerken averechts werkt. Elke marketeer die merkt dat content met AI vlakker wordt, elke operations manager die ziet dat doorlooptijden niet verbeteren ondanks tooling, en elke contentstrateeg die stilletjes alles herschrijft wat AI produceert, herkent dit patroon. De data geeft nu een naam aan wat zij al voelden.

Het effect is het sterkst zichtbaar in sectoren waar creativiteit, nuance en context belangrijk zijn: marketing, contentcreatie, strategie en klantcontact. Daar waar AI wordt ingezet om menselijke beslissingen te ondersteunen, maar de mens te veel stuurt of te weinig loslaat, ontstaat een tussenweg die slechter is dan beide uitersten.

Hoe je dit kunt toepassen

Als je een marketingteam aanstuurt dat AI gebruikt voor contentcreatie. Je merkt dat de output wel toeneemt, maar de kwaliteit afneemt. Een mogelijke oorzaak is dat je team te veel stuurt: ze geven AI te gedetailleerde instructies, waardoor de creativiteit verdwijnt, of ze passen alles aan, waardoor de snelheid verdwijnt. Overweeg om duidelijke, gescheiden rollen te definiëren. Laat AI bijvoorbeeld de eerste ruwe versie maken zonder menselijke inmenging, en geef het team daarna een specifieke, beperkte bewerkingstaak. Je zou kunnen experimenteren met een vaste volgorde: AI genereert, mens selecteert en verfijnt alleen op één aspect, zoals toon of feitelijkheid.

Als je een klantenservice runt waar AI-chatbots samenwerken met medewerkers. Het risico is dat medewerkers de AI-antwoorden gaan overtypen of aanpassen, waardoor ze tijd verliezen in plaats van winnen. Een optie is om de taken strikt te scheiden: AI behandelt eenvoudige, gestandaardiseerde vragen volledig zelfstandig, en medewerkers krijgen alleen complexe cases zonder AI-voorwerk. Je zou kunnen onderzoeken of de doorlooptijd per case verbetert als je de AI volledig uitschakelt voor bepaalde typen vragen, in plaats van hem als hulpmiddel te gebruiken.

Als je data-analyse laat doen door een combinatie van AI en analisten. Het gevaar is dat analisten de AI-uitkomsten gaan wantrouwen en alles handmatig controleren, waardoor de efficiëntiewinst verdwijnt. Een concrete stap is om per analyse vast te leggen wie wat doet: AI levert de ruwe patronen en uitschieters, de analist interpreteert alleen en controleert niet opnieuw. Overweeg om een week lang te meten hoe lang analisten bezig zijn met het controleren van AI-werk, en stel een grens in van maximaal 10% van de totale analysetijd.

Als je een webshop runt waar AI productbeschrijvingen genereert. Je team past waarschijnlijk elke beschrijving aan, waardoor de productiviteitswinst verdwijnt. Een mogelijkheid is om AI 100% autonoom te laten werken voor een subset van producten, bijvoorbeeld de producten met lage marge of hoge voorraad, zonder menselijke controle achteraf. Meet of de conversie op die producten daalt, stijgt of gelijk blijft. Als die gelijk blijft, kun je de aanpak uitbreiden.

De praktische toepassing hangt af van jouw situatie, maar het principe is overal hetzelfde: definieer voor elke taak of de mens of de AI de leiding heeft, en voorkom dat ze elkaar in de weg zitten.

Bron: Martech