AI-moeheid in HR : waarom 74% van de organisaties nog geen resultaten boekt

Drie jaar geleden was iedereen ervan overtuigd dat AI alles zou veranderen.

Rekrutering, evaluaties, planning, verloning. HR-softwareleveranciers beloofden massale productiviteitswinsten. Directies openden de budgetten. HR-teams volgden opleidingen, experimenteerden, piloteerden.

In 2026 is de balans minder enthousiast dan verwacht.

Volgens een BCG-studie bij meer dan 1.000 leidinggevenden in 59 landen heeft 74% van de organisaties nog geen tastbare waarde gegenereerd uit hun AI-investeringen. Een update van deze studie in 2025 is nog strenger : slechts 5% van de bedrijven wereldwijd haalt echte rendementen uit hun AI-projecten.

In België zijn de cijfers niet beter. Slechts één op de zeven HR-professionals stelt al concrete resultaten vast van AI in HR-functies — amper 15% — volgens SD Worx. En ondanks drie jaar toenemend gebruik van tools verklaart 53% van de HR-verantwoordelijken in 2026 nog steeds geen vertrouwen te hebben in AI om kwaliteitswerk te leveren. Een cijfer dat nauwelijks verschilt van 2024 en 2025.

Er is inmiddels een naam voor deze toestand : AI-moeheid. De uitputting door niet-ingeloste beloften, pilootprojecten die nergens toe leiden, tools die meer energie vragen om te voeden dan ze opleveren.

Het goede nieuws is dat dit alarmsignaal eindelijk toelaat de echte vraag te stellen. Niet "hoe adopteren we meer AI?" maar "waarom levert AI niet de verwachte resultaten?"

Het antwoord is minder technologisch dan men denkt.

Stand van zaken in België : adoptie stijgt, resultaten blijven uit

België loopt niet achter op de adoptie van AI in bedrijven. Volgens Eurostat gebruikt een kwart van de Belgische bedrijven met meer dan tien werknemers al minstens één AI-toepassing — een stijging van 80% in één jaar. Het land behoort tot de Europese top drie, na Denemarken en Zweden.

Specifiek voor HR is het dagelijks gebruik van AI door HR-professionals gestegen van 9% in 2024 naar 28% in 2025, een sprong van 19 procentpunten in één jaar. Tussen 2025 en 2026 bedraagt de stijging slechts 5 procentpunten om uit te komen op 33%. De initiële versnelling raakt uitgeput.

Maar adoptie zegt niets over resultaten.

De HR Barometer 2026 van Vlerick Business School en Hudson geeft aan dat Belgische organisaties merkbaar vaker anticiperen op een economische vertraging. De prioriteit voor kostenbeheersing is bijna verdrievoudigd op één jaar. In die context wordt de druk op het rendement van technologie-investeringen — waaronder AI — groter dan ooit. De directie verwacht resultaten. HR-teams slagen er moeilijk in die aan te tonen.

Dit is geen probleem van wil. Het is een probleem van fundament.

De 3 officiële obstakels... en het obstakel dat niemand benoemt

Wanneer Belgische en Europese HR-professionals gevraagd wordt wat de adoptie van AI afremt, komen systematisch drie obstakels naar voren.

Het gebrek aan technische expertise. Volgens een studie van Axys beschouwt 52% van de respondenten het gebrek aan technische expertise als een groot obstakel. 88% vindt dat AI nieuwe competenties vereist binnen HR-teams. Dit is een reëel obstakel — maar het is oplosbaar. Men kan opleiden, rekruteren, uitbesteden.

De middelen — budget en tijd. 39% van de ondervraagde professionals betreurt een gebrek aan betrokkenheid of ondersteuning van de directie. Ook dit obstakel verdwijnt — met interne overtuiging en concrete waardedemonstaties.

De datakwaliteit. Dit is het derde genoemde obstakel — en veruit het minst besproken in actieplannen. Toch formuleert een expert van Cegid het duidelijk : "AI is nutteloos zonder een gezonde basis. De kwaliteit van HR-data wordt de centrale uitdaging."

Dit derde obstakel is het enige dat niet te omzeilen valt.

Men kan een gebrek aan expertise opvangen via een externe partner. Men kan budget vrijmaken met het juiste argument. Maar men kan een AI niet correct laten werken op valse, onvolledige of ongestructureerde data. Een AI gevoed met onnauwkeurige data produceert geen onnauwkeurige resultaten op toevallige wijze — ze produceert fouten op systematische wijze en op grote schaal.

De volgende vraag is evident : welke HR-data zijn het vaakst incorrect, onvolledig of ongestructureerd in Belgische organisaties ?

Het antwoord verrast zelden wie op het terrein werkt : de arbeidstijdgegevens.

Waarom tijdsdata de ontbrekende schakel zijn

Arbeidstijdgegevens worden in veel organisaties behandeld als een administratieve verplichting — iets wat geregistreerd wordt omdat het moet, niet omdat er waarde uit getrokken wordt. Deze houding heeft een direct gevolg : de kwaliteit van deze data wordt zelden als een strategische uitdaging beschouwd.

Resultaat : de datasets die HR-tools en algoritmes als input ontvangen, zitten vol benaderingen.

Een aantal concrete situaties die elke Belgische HR Manager zal herkennen :

Een last-minute vervanging geregeld via WhatsApp, nooit geregistreerd in het systeem. Overuren mondeling goedgekeurd door de manager, ingevoerd in de loonverwerking aan het einde van de maand met een vertraging van meerdere weken. Een flexi-job verkeerd gecategoriseerd omdat het systeem de contracttypes niet fijn genoeg onderscheidt. Korte afwezigheden niet aangegeven omdat de procedure te omslachtig wordt gevonden voor "maar een halve dag". Een theoretische planning die al weken niet meer overeenkomt met de operationele realiteit, maar die niemand heeft bijgewerkt.

Elk van deze gevallen, op zichzelf, is een kleine anomalie. Samengeteld over honderden medewerkers en meerdere maanden vormen ze een systematische datacorruptie die elke voorspellende analyse onmogelijk maakt.

Tijdsbeheer reduceren tot een teltool betekent negeren wat het onthult over de werkelijke werking van een organisatie. Tijdsdata, gekruist met activiteitsindicatoren, laten toe om werklastongwichten te detecteren vóór ze zich vertalen in absenteïsme of verloop.

De bouwanaloge dringt zich hier op. In de bouw heeft BIM — Building Information Modeling — het projectbeheer revolutionair veranderd. Maar die revolutie was alleen mogelijk omdat de begindata precies en gestructureerd waren. Niemand zou een gebouw in 3D modelleren op basis van bij benadering met de hand getekende plannen. HR-plannings- en optimalisatie-algoritmes werken precies hetzelfde. De kracht van het tool is evenredig aan de kwaliteit van wat het aangeboden krijgt.

Wat "betrouwbare tijdsdata" concreet betekent

Tijdsdata betrouwbaar maken is geen meerjarig digitaal transformatieproject. Het is vaak een kwestie van proces en het juiste tool.

Registratie in real time, niet achteraf. De kloof tussen het moment dat iets gebeurt en het moment dat het in het systeem wordt ingevoerd, is de eerste foutenbron. Digitale tijdsregistratie — badge, mobiele app, tablet — verkleint die kloof tot nul. Wat geregistreerd wordt op het moment dat het gebeurt, is correct. Wat drie dagen later uit het geheugen wordt gereconstrueerd, is dat niet.

Actief beheer van anomalieën. Vergeten tijdsregistratie, duplicaat, inkomst zonder uitkomst : deze anomalieën moeten in real time gesignaleerd en behandeld worden, niet ontdekt worden aan het einde van de maand bij de loonvoorbereiding.

Dekking van alle contracttypes. In 2026, met de uitbreiding van flexi-jobs naar alle sectoren, de verlaging van de deeltijddrempel naar 1/10e en de nieuwe regels voor vrijwillige overuren, is de diversiteit van te beheren contracten sterk toegenomen. Een systeem dat enkel klassieke voltijdse contracten kan beheren, produceert per definitie onvolledige data.

Een rechtstreekse koppeling met de loonadministratie, zonder hercodering. Elke handmatige gegevensoverdracht tussen systemen is een gelegenheid voor fouten of verlies. Een geautomatiseerde en rechtstreekse export naar het sociaal secretariaat is de enige garantie dat wat geregistreerd werd ook uitbetaald wordt.

Traceerbaarheid over 5 jaar. Dit is precies wat de Belgische wettelijke verplichting van 1 januari 2027 oplegt. Maar los van de conformiteit versterkt de druk rond AI-gebruik en gegevensbescherming deze eis van nauwkeurige traceerbaarheid.

De infrastructuur vóór de intelligentie

In 2026 is AI-moeheid in HR geen signaal van technologieafwijzing. Het is een signaal van maturiteit. Organisaties die er de juiste lessen uit trekken, zoeken niet langer een krachtiger tool — ze beginnen te kijken naar wat ze dat tool aanreiken.

AI is geen tovenaar. Het is een versterker. Het versterkt wat u het geeft, zowel in positieve als in negatieve zin.

Organisaties die in 2027 en daarna concrete resultaten uit hun AI-investeringen zullen halen, zijn niet noodzakelijk die met de meest geavanceerde algoritmes. Het zijn die welke hun basisdata — waaronder tijdsdata — voldoende rigoureus hebben gestructureerd opdat een intelligent systeem er iets nuttigs uit kan halen.

In België, met de verplichting tot registratie van arbeidstijd die op 1 januari 2027 van kracht wordt, wordt deze structurering tegelijk een wettelijke vereiste en een concurrentievoordeel.

In uw organisatie, is de kwaliteit van HR-data een onderwerp dat tot de directie doordringt — of blijft het een terreinprobleem ?

Bronnen : BCG "Where's the Value in AI?" (2024) · BCG AI Adoption Study (2025) · SD Worx Research Institute (2025-2026) · Acerta HR-Outlook 2026 / Vlerick Business School · HR Barometer 2026 Vlerick-Hudson · Baromètre IA RH 2026 OpinionWay/Kelio · Culture RH / étude Axys (juni 2026) · SIRH Expert (december 2025) · Journal des Professionnels (augustus 2026) · Eurostat ICT survey 2024

‍