De AI-bubble: barst hij, of is dit pas het begin?
Iedereen heeft een mening over de AI-bubble. Wij ook. Een nuchtere analyse vanuit de bouwvloer van AI-projecten.
De AI-bubble barst niet. Maar hij wordt kleiner voor wie niets concreets heeft gebouwd. Na tientallen AI-projecten bij bedrijven tussen de 50 en 500 medewerkers is onze conclusie: de hype is reëel, en de waarde is ook reëel — alleen zitten ze niet op dezelfde plek.
Technologie-analisten spreken van een 'Trough of Disillusionment'. Beleggers trekken zich terug uit AI-startups zonder omzet. Journalisten schrijven de twintigste 'is AI dood?'-headline. Ondertussen bouwen wij en onze klanten systemen die daadwerkelijk werken en ROI opleveren.
De dot-com vergelijking klopt niet.
De meest geciteerde vergelijking is die met de dot-com bubbel van 2000. Verleidelijk, maar niet houdbaar.
In 2000 had de meerderheid van de internet-bedrijven geen omzetmodel. Pets.com verbrandde investeerderskapitaal aan tv-reclames terwijl het hondenvoer onder de inkoopprijs verkocht. De infrastructuur was reëel — het internet werkte — maar de businessmodellen waren fictie.
Bij AI is het anders. Nvidia rapporteerde in 2025 een omzet van $130 miljard, grotendeels gedreven door reële vraag naar rekenkracht voor productieve AI-toepassingen. API-gebruik bij Anthropic, OpenAI en Google Gemini verdubbelt elk kwartaal. Dat zijn geen voorschotten op toekomstige omzet — dat zijn betalende klanten die AI inzetten voor echte werkprocessen.
Het verschil is fundamenteel: in 2000 liepen businessmodellen voor op infrastructuur. Nu loopt de discussie over valuaties achter op infrastructuur die al maanden draait in productie.
Waar de AI-bubble wél overdreven is.
Dat neemt niet weg dat er onderdelen van de AI-markt zijn die wél bubbeltrekken vertonen. Drie categorieën waar wij sceptisch over zijn:
- AI-startups met hoge valuaties en geen coherent businessmodel — anders dan 'wij kopen API-aanroepen bij OpenAI in en verkopen ze door met een marge van 30%'. Dat is een resellerbedrijf, geen AI-bedrijf.
- AGI-timelines. Iedereen die je nu vertelt dat AGI er vóór 2028 is, heeft geen flauw idee. De onzekerheid is fundamenteel, niet gradueel. Zekere uitspraken over een fundamenteel onzekere ontwikkeling zijn hype, geen analyse.
- Productiviteitsbeloftes die niet kloppen in de praktijk. McKinsey voorspelt dat AI 70% van de kenniswerktaken kan automatiseren. Dat klopt op taakniveau. Maar het zegt niets over hoe snel organisaties die taken daadwerkelijk herorganiseren. Dat gaat structureel langzamer.
Het echte probleem: veel bedrijven investeren in AI zonder een concreet probleem om op te lossen. Een licentie aanschaffen voelt als actie nemen. Iets bouwen dat werkt, is werk.
Wat we zien bij echte klanten.
In de praktijk onderscheiden wij twee typen organisaties.
| Aanpak | Resultaat | Adoptie na 6 maanden |
|---|---|---|
| Specifiek proces: documentverwerking, offerte-analyse, lead-scoring | Meetbare ROI, terugverdientijd 3-8 maanden | 70-90% — tool is onderdeel van dagelijkse workflow |
| Breed platform: Enterprise-licentie voor AI-assistent zonder duidelijk doel | Onduidelijk — geen baseline gemeten | 5-10% — medewerkers weten niet waarvoor ze het moeten gebruiken |
Het verschil zit niet in de technologie. Het zit in de aanpak. Bedrijven die ROI halen uit AI beginnen met één afgebakend probleem, meten de impact, en schalen daarna. Bedrijven die de tool als de oplossing behandelen in plaats van als middel, betalen voor iets dat ze niet gebruiken.
Concrete voorbeelden: een bouwbedrijf dat contractverwerking automatiseerde, verwerkte hetzelfde volume met twee in plaats van vier medewerkers. Een zakelijke dienstverlener die AI inzette voor klantcommunicatie-samenvatting, hield 35 minuten per adviseur per dag over voor productief klantcontact. Geen magie — gewoon een goed gedefinieerd probleem met de juiste tool.
De winnende strategie: bouwen, niet speculeren.
Terwijl de markt debatteert over bubble of geen bubble, winnen de organisaties die gewoon bouwen. Niet alles tegelijk. Niet het meest ambitieuze AI-project op de roadmap. Maar één concreet probleem — gecombineerd met een businesscase die je in twee slides kunt uitleggen aan je directie.
Onze aanpak is consistent: eerst de pijn definiëren, dan de technologie kiezen — niet andersom. Een AI-agent voor documentverwerking in de bouw heeft een andere architectuur dan een AI-tool voor klantenservice in de energiesector. Die keuze maak je op basis van de use case, niet op basis van hype rondom een bepaald model.
“De AI-bubble barst deels. Valuaties van AI-startups zonder businessmodel gaan corrigeren. Sommige platforms die nu dominant zijn, zijn er over vijf jaar niet meer. Dat is normale marktwerking.”— Productized Team, 2026
Maar de onderliggende technologie — de modellen, de infrastructuur, de use cases die al werken — die gaan nergens. Ze worden goedkoper, sneller en capabeler. Volgens Stanford's AI Index 2025 zijn de kosten van AI-inferentie in twee jaar met factor 40 gedaald. Voor bedrijven die nu bouwen, is dat geen bedreiging. Het is een structureel voordeel op concurrenten die wachten tot de markt 'gestabiliseerd' is.
Wil je weten welk AI-project zinvol is voor jouw organisatie? Beschrijf het proces dat je wilt aanpakken — we reageren met een eerlijk oordeel, geen verkooppraatje.