AI Radar week 29: De rekening voor AI-implementatie komt binnen
Deze week draait alles om één verschuiving: AI-bedrijven stoppen met alleen modellen verkopen en beginnen zelf de implementatie te doen — met miljardenbudgetten, nieuwe carrièrepaden en een consultingsector die het voelt. Tegelijk komt de rekening voor al dat experimenteren binnen: wie geen ROI kan aantonen, mag inleveren.
🚀 ChatGPT Work gaat live, GPT-5.6 erbij
Bronvermelding: The AI Report — newsletter.theaireport.ai/p/chatgpt-work-goes-live en The Rundown — therundown.ai/p/openai-sends-gpt-5-6-to-work
Uitgebreide samenvatting:
OpenAI lanceert ChatGPT Work, een enterprise-gerichte agent die ChatGPT combineert met Codex-technologie zodat de assistent niet enkel tekst genereert maar ook taken uitvoert in apps, bestanden, spreadsheets en presentaties. Slack, Gmail, Google Drive, agenda's en CRM-systemen koppelen via een uniforme pluginlaag, zodat de AI context uit meerdere bronnen haalt. Daarbij komt een nieuwe GPT-5.6-familie (Sol, Terra, Luna) met verschillende prijstiers, waarmee OpenAI zich nadrukkelijk positioneert als de goedkopere frontier-optie voor kostenbewuste bedrijven. Scheduled Tasks maakt van ChatGPT ook een orkestrator die routinewerk laat doorlopen wanneer niemand actief aan het typen is, bijvoorbeeld voor agenda-updates of het monitoren van Slack-berichten. Het geheel wordt door analisten expliciet gelezen als OpenAI's antwoord op Anthropic's Claude Cowork: chat, coderen en werkuitvoering in één desktopomgeving. De strijd verschuift daarmee van "welk model is het best" naar "wie levert het snelst, goedkoopst en meest geïntegreerd echt werk."
Mijn eigen inbreng:
Nu kan ChatGPT zelf beslissen wanneer het aan de slag gaat, terwijl ik zelf elke maandagochtend nog altijd twijfel of ik uit bed kom.
Even serieus: dit is het moment waarop "een AI-abonnement" verandert in "een AI-collega met toegang tot uw mailbox, agenda en CRM". Dat is een andere beslissing dan welk model het beste antwoord geeft op een prompt.
Voor een KMO betekent dit vooral: kijk niet alleen naar welk model het slimst is, maar naar welk platform het beste aansluit bij de tools die u al gebruikt. Een goedkoper model dat niet met uw Gmail praat, levert u minder op dan een duurder model dat dat wel doet.
Welke van uw dagelijkse taken zou u vandaag al durven overlaten aan een geplande AI-taak, zonder dat u zich zorgen maakt over controle of kwaliteit?
📊 Microsoft schrapt 4.800 jobs, pompt $2,5 miljard in AI-implementatie
Bronvermelding: The AI Report — newsletter.theaireport.ai/p/microsoft-cuts-4-800-jobs en newsletter.theaireport.ai/p/microsoft-bets-2-5b-on-ai
Uitgebreide samenvatting:
Microsoft schrapt ongeveer 4.800 banen, met Xbox en commerciële sales als zwaarst getroffen afdelingen, terwijl het bedrijf tegelijk $2,5 miljard investeert in Frontier Co., een nieuwe businessunit van ongeveer 6.000 mensen. Die unit draait rond forward-deployed engineering: specialisten die rechtstreeks bij klanten AI-oplossingen bouwen in plaats van enkel advies te geven, in directe concurrentie met Amazon en de klassieke consultingspelers. Microsoft benadrukt dat banen niet "door AI vervangen" worden, maar dat AI wel de manier verandert waarop werk gebeurt — de herstructurering wordt gepresenteerd als een verschuiving in werkvorm, niet louter een besparingsronde. Managementlagen worden afgevlakt, wat past bij een bredere trend naar snellere, lichtere organisaties. De boodschap van beide edities samen: de bottleneck in AI is niet langer modelbeschikbaarheid, maar implementatiecapaciteit en verandermanagement, en Microsoft zet daar nu zijn grootste investering op in.
Mijn eigen inbreng:
Microsoft ontslaat bijna vijfduizend mensen en huurt tegelijk zesduizend nieuwe aan voor een andere afdeling — als dat geen typisch AI-verhaal van 2026 is.
Los van die ironie: de echte les zit in wat die nieuwe unit doet. Niet meer modellen bouwen, maar mensen ter plaatse zetten om AI daadwerkelijk werkend te krijgen in bestaande processen.
Voor een KMO is dat een nuttige spiegel. De vraag is niet "hebben we AI nodig", maar "welk deel van ons werk is eigenlijk een proces dat beter ontworpen kan worden, in plaats van een taak die meer mensen nodig heeft".
Welke afdeling bij u zou meer winnen bij een grondig herontwerp van het proces dan bij één extra collega erbij?
🧠 AI-implementatie wordt het nieuwe prestigeberoep
Bronvermelding: AI For Leaders — aiforleaders.com/the-next-prestige-job-is-ai-implementation
Uitgebreide samenvatting:
AI-implementatie groeit uit tot een nieuw prestigepad voor ambitieuze starters, vergelijkbaar met hoe banking en consulting decennialang de standaardkeuze waren voor toptalent. OpenAI en Anthropic bieden inmiddels niet alleen modellen aan, maar ook consulting-achtige trajecten waarbij engineers bij klanten worden ingebed om AI in dagelijkse bedrijfsprocessen te verankeren. Anthropic gaat het verst met een fellowship van $150 miljoen voor 1.000 mensen met weinig werkervaring, die een jaar lang AI-tools bouwen voor non-profits en de medewerkers leren die zelf te onderhouden — een opzet die sterk aan Teach for America doet denken, maar dan gericht op AI-adoptie. De kern van het argument: de echte waarde zit niet in een eenmalige modeldemo, maar in overdraagbare vaardigheden zoals het inbedden van AI in bedrijfsvoering en teams. Dat is fundamenteel anders dan sectorspecifieke instrumenten in finance of consulting, die buiten hun context veel minder bruikbaar zijn. De beloning ligt nu nog lager dan in banking, maar de loopbaanwaarde kan groter zijn omdat de ervaring bij vrijwel elk bedrijf inzetbaar is.
Mijn eigen inbreng:
Trotse ouders vertellen straks niet meer dat hun kind bij McKinsey zit, maar dat het AI-tools implementeert voor een ziekenhuis in ruil voor stagegeld. Tijden veranderen.
Toch zit er een kern van waarheid in dit verhaal: wie leert hoe je AI daadwerkelijk laat landen in een bestaand bedrijf — niet hoe je een demo bouwt, maar hoe je verandering laat beklijven — bouwt een vaardigheid op die overal bruikbaar is.
Voor uw eigen organisatie is dat een interessante knop om aan te draaien: niet zozeer "wie kan er het best met ChatGPT werken", maar "wie kan bij ons AI daadwerkelijk in een proces verankeren, inclusief de mensen die het straks moeten overnemen".
Welke AI-implementatie-ervaring zou u dit jaar zelf willen opbouwen, ook al levert het nu nog niet het loon van een consultant op?
⚖️ Consulting voelt de druk: het verhaal achter Accenture's koersval
Bronvermelding: AI For Leaders — aiforleaders.com/ai-is-squeezing-the-consulting-industry
Uitgebreide samenvatting:
AI zet de traditionele consultingmarkt onder druk, met Accenture als markant voorbeeld: de beurswaarde kreeg een zware klap, zelfs terwijl omzet en winst per aandeel stegen — beleggers kijken duidelijk naar toekomstige vraag, niet naar de cijfers van gisteren. De kern van het probleem is dat consulting historisch draaide op langdurige, mensintensieve implementatieprojecten, die door AI korter en kleiner kunnen worden. Daar bovenop komt de opkomst van forward-deployed engineers: AI-bedrijven die zelf de oplossing bij de klant neerzetten in plaats van enkel advies te geven, waarmee OpenAI en Anthropic rechtstreeks gaan concurreren met consultants op hun eigen terrein. Ook aan klantzijde verandert er iets: grote opdrachtgevers zoals Saudi Arabië's Public Investment Fund schroeven externe adviesuitgaven terug, wat direct pijn doet bij spelers als BCG, McKinsey en PwC. Twee drukpunten dus tegelijk — AI als uitvoerder, en klanten die minder advies willen inkopen — die samen de businesscase van klassieke consulting aantasten, zonder dat de sector meteen instort.
Mijn eigen inbreng:
Er is iets pijnlijk grappigs aan een sector die miljarden verdiende met dikke rapporten, die nu wordt ingehaald door een tool die het rapport gewoon overslaat en meteen het werk doet.
Maar de cijfers liegen niet: als implementatie sneller en goedkoper kan, verdwijnt een deel van de reden om externe teams in te huren voor maanden aan begeleiding.
Voor KMO's is dit vooral een uitnodiging om kritisch te kijken naar lopende adviesopdrachten. Niet alles wat vroeger een consultant vereiste, vraagt dat nog vandaag.
Welk extern advies koopt u nu nog in, dat een goed geïmplementeerde AI-tool intussen evengoed zou kunnen leveren?
📊 De AI-rekening komt binnen
Bronvermelding: AI For Leaders — emailsapp.com/the-ai-bill-comes-due
Uitgebreide samenvatting:
Na twee jaar vrij experimenteren wordt de financiële realiteit van AI nu zichtbaar. Een Nvidia-vicepresident meldt dat AI-computekosten voor zijn team inmiddels hoger liggen dan de loonkosten van de medewerkers die de AI gebruiken. Voorbeelden als Uber en Microsoft tonen hoe snel budgetten ontsporen bij brede uitrol zonder strakke controle, versterkt door de omslag van vaste abonnementsprijzen naar tokenbilling bij tools als GitHub Copilot — sommige developers verbruiken hun maandquota binnen enkele uren. Ook betrouwbaarheid speelt op: Starbucks trok een AI-inventorytool na negen maanden terug omdat die producten verwarde. Extern onderzoek toont dat 95% van de generatieve AI-pilots geen meetbare winst opleverde, en veel bedrijven draaiden AI-tools terug na privacy- of kwaliteitsproblemen. Toch investeren bedrijven per saldo méér, maar sturen nu scherper op rendement per use case. Met AI-aandelen die zwaar wegen in de S&P 500, is de boodschap helder: de vrije lunch is voorbij, elke toepassing moet zijn kosten rechtvaardigen.
Mijn eigen inbreng:
Niets zo confronterend als een AI-factuur die hoger uitvalt dan het loon van de stagiair die vroeger hetzelfde werk deed.
Grapjes terzijde, deze cijfers verdienen aandacht: 95% van de pilots levert geen meetbare winst op, en toch blijven budgetten stijgen. Dat is geen reden om te stoppen, wel om scherper te meten.
Voor uw bedrijf betekent dit vooral discipline: reken per toepassing uit wat ze kost en wat ze oplevert, in plaats van AI in te zetten omdat het kan.
Voor welke AI-toepassing in uw bedrijf zou u nu al een duidelijk kostenplafond durven vastleggen?
✏️ Jouw eigen inbreng
De rode draad van deze week: AI-implementatie is geen experiment meer, het is een businessmodel op zich geworden — en precies omdat er nu echt geld in omgaat, komt ook de rekening voor al het eerdere experimenteren binnen.
Kijk naar het patroon: OpenAI en Microsoft steken miljarden in platforms en implementatieteams, Anthropic bouwt met zijn fellowship een heel carrièrepad rond AI-adoptie, en de consultingsector voelt nu al de eerste klappen omdat diezelfde implementatie sneller en goedkoper kan dan vroeger. Tegelijk laat het laatste stuk zien dat 95% van de pilots geen meetbare winst oplevert. Dat is geen tegenspraak — het is dezelfde markt die volwassen wordt. De partijen die winnen, zijn niet degene met het slimste model, maar degene die kunnen aantonen dat een toepassing zich terugbetaalt.
Voor een KMO betekent dit een dubbele opdracht. Aan de ene kant: wacht niet af terwijl grote spelers hun implementatiecapaciteit uitbouwen, want de kloof tussen "AI hebben" en "AI laten werken" wordt het echte onderscheid. Aan de andere kant: ga niet blind investeren omdat het momentum groot aanvoelt. Elke toepassing verdient een simpele vraag: wat kost dit, en wat levert het concreet op.
Mijn eigen conclusie: 2026 is niet het jaar van het beste model, het is het jaar van de best geïmplementeerde en best doorgerekende toepassing. Wie dat nu al onder de knie krijgt, hoeft zich later geen zorgen te maken over de rekening.
Welke AI-toepassing in uw organisatie zou vandaag de ROI-toets doorstaan, en welke overleeft vooral op enthousiasme?
— AI Radar by Xavier Coninckx
📬 Ontvang AI Radar wekelijks in uw inbox via velynt.ai
🔗 Meer over AI-implementatie voor uw KMO: velynt.ai