Zes op tien organisaties die in AI investeren, zien geen meetbare impact op hun bedrijfsresultaat. Dat blijkt uit het recente McKinsey-rapport From promise to impact. Voor wie AI inzet binnen HR en welzijn, is dat cijfer waarschijnlijk een onderschatting. Want waar productie- en salesafdelingen op zijn minst nog harde KPI’s hebben om resultaten tegen af te zetten, blinkt het welzijnsdomein historisch al uit in het uitgeven van geld zonder te weten of het werkt. AI versterkt dat patroon, eerder dan dat het dit oplost.
Gebruik van AI door ondernemingen zit gestaag in de lift. Van: McKinsey.
De pilot trap is herkenbaar in elke HR-afdeling
McKinsey beschrijft een fenomeen dat ze de pilot trap noemen: organisaties lanceren de ene AI-toepassing na de andere, zonder dat er ooit iets opschaalt of bewijs levert. In HR herken je dit aan de gestaag groeiende stack: een AI-chatbot voor HR-vragen, een vitaliteitsapp met gepersonaliseerde coaching, een tool voor CV-screening, een platform voor predictieve verzuimanalyse, een AI-gestuurde EAP. Elk afzonderlijk klinkt veelbelovend. Samen vormen ze een aanzienlijke uitgavenpost waarvan niemand met overtuiging kan zeggen wat ze opleveren.
Het probleem is dat HR vaak instrumenten koopt die de medewerkerservaring marginaal verbeteren, zonder dat ze de onderliggende organisatie-uitkomsten verschuiven. McKinsey noemt dit more visible than valuable: zichtbaar nuttig, maar zonder impact op de P&L. Een chatbot die HR-vragen sneller beantwoordt is fijn voor wie een vraag heeft. Of het verzuim daalt, het verloop afneemt of de tijd tot productiviteit van nieuwe medewerkers verkort? Dat staat zelden op de meetlat.
Minder dan 10% heeft een AI-oplossing die verder gaat dan de pilootfase. van: McKinsey.
Welzijnsinvesteringen worden zelden afgerekend op uitkomst
Hier zit het structurele probleem. In andere domeinen is meten verankerd: marketing meet conversie, operations meet doorlooptijd, finance meet marge. In HR en welzijn is het normaal om instrumenten te evalueren op tevredenheid van de gebruiker (“de medewerkers zijn enthousiast”) of op activiteitsindicatoren (“50% gebruikt de app maandelijks”). Geen van beide zegt iets over of de investering een verschil maakt voor de organisatie.
Het McKinsey-framework dwingt die vraag scherp te stellen via vijf lagen. Vertaald naar welzijns-AI:
- Technische prestatie: werkt het systeem betrouwbaar, zonder hallucinaties die HR-juridisch risicovol zijn?
- Adoptie: wordt de tool daadwerkelijk gebruikt, en door wie?
- Operationele KPI’s: verandert de doorlooptijd van re-integratietrajecten, de tijd tot vacaturevulling, het aantal contactmomenten in een verzuimdossier?
- Strategische uitkomsten: stijgt de retentie, daalt het verloop in kritische functies, verbetert de werkbaarheidsindex?
- Financiële impact: vertaalt zich dit in lagere verzuimkosten, lagere wervingskosten, hogere productiviteit?
De meeste organisaties meten laag 2, soms laag 3. Lagen 4 en 5 worden zelden expliciet gekoppeld aan het instrument, omdat causaliteit moeilijk is en niemand er ongelijk over wil krijgen.
Wat het kost om dit niet te meten
Drie kosten lopen op zolang welzijns-AI niet wordt afgerekend op uitkomst.
De eerste is direct: licentiekosten, implementatie en interne tijd voor instrumenten waarvan u niet weet of ze renderen. Bij een middelgrote organisatie gaat dit al snel om tienduizenden euro’s per jaar per tool. Vermenigvuldig dat met het aantal AI-toepassingen dat HR de afgelopen drie jaar heeft aangeschaft.
De tweede is opportuniteitskost: het budget dat naar tools gaat zonder bewezen impact, gaat niet naar interventies die wel werken. Investeren in leidinggevenden-coaching, herontwerp van werkprocessen of versterking van het re-integratieproces levert vaak meer op dan een nieuwe app, maar is minder gemakkelijk te kopen.
De derde is reputationeel. Wanneer welzijnsinitiatieven steeds aankomen als technologie in plaats van als beleid, verliest het thema geloofwaardigheid bij lijnmanagement en directie. Welzijn wordt dan iets dat HR koopt, niet iets dat de organisatie organiseert.
Wat dit van uw organisatie vraagt
Drie beslissingen op directieniveau verschuiven dit patroon.
Eis een business case op laag 5, niet op laag 2. Voor elke welzijns- of HR-AI-investering boven een drempelbedrag: welke financiële uitkomst wordt verwacht, op welke termijn, en hoe wordt het gemeten? Geen business case, geen budget. Dit klinkt streng, maar is standaardpraktijk voor IT- en operationele investeringen. Er is geen reden om welzijns-AI uit te zonderen.
Bouw beslissingsmomenten in. McKinsey beschrijft decision gates: expliciete checkpoints waarop een initiatief moet bewijzen dat het werkt voor er meer geld in gaat. Pilot, MVP, initiële schaling, volledige uitrol; elke fase met een vooraf bepaald criterium. Tools die die hindernissen niet halen, worden gestopt, niet stilzwijgend voortgezet.
Scheid bewezen waarde van zichtbare activiteit. Een dashboard met “85% gebruikt de app” is geen impactmeting. Een dashboard met “verzuim in de doelgroep daalde met 12% versus controlegroep over 18 maanden” wel. Dat tweede vraagt om opzet vooraf: A/B-testen, gefaseerde uitrol, controlegroepen. Zonder die opzet kunt u na implementatie geen onderbouwde uitspraak doen.
Het inhoudelijke punt
Welzijn en HR zijn te belangrijk om over te laten aan instrumenten die we niet evalueren. Het McKinsey-rapport gaat over AI, maar de onderliggende discipline is breder: investeringen verdienen evidence, niet enthousiasme. De eerste vraag bij elke nieuwe tool moet dus zijn “hoe weten we straks of het gewerkt heeft?”
De volgende generatie AI-toepassingen in HR komt eraan, en de aanbieders worden professioneler in hun pitches. Wie nu geen meetdiscipline opbouwt, koopt de komende vijf jaar systematisch in zonder te weten wat het oplevert. En verklaart over een paar jaar, in een spreadsheet die niemand kan onderbouwen, waarom de welzijnsuitgaven verdubbeld zijn zonder dat het verzuim is gedaald.
