AI-projecten zijn de afgelopen jaren snel gegroeid, vaak gedreven door hoge verwachtingen en sterke druk om 'iets met AI te doen'. Tegelijkertijd hebben veel pilots moeite om blijvende bedrijfswaarde aan te tonen.
We spraken met Frank Sinde, Field CTO AI bij Damovo, die AI-projecten voor klanten leidt. Hij legt uit waarom hij verwacht dat delen van de AI-markt zullen afkoelen, waar de waarde zal blijven en hoe bedrijven zich nu moeten voorbereiden.
Frank, je voorspelt dat de AI-zeepbel in 2026 zal barsten. Wat verwacht je precies?
De afgelopen jaren zijn de verwachtingen rond AI hooggespannen. Veel projecten zijn gestart om 'iets met AI te doen' zonder dat er een duidelijke businesscase was. Op een gegeven moment zullen investeerders en besturen vragen waar de terugkerende waarde zit.
Dit werd onlangs ook voorspeld door de oprichter en CEO van Anthropic, Dario Amodei. Hij is bezorgd dat sommige AI-bedrijven te lichtzinnig omgaan met de duizelingwekkende bedragen die ze uitgeven aan datacenters en rekenkracht. "Ik denk dat er een aantal spelers zijn die 'YOLO' spelen, die het risico te ver oprekken", zei de CEO tijdens de Dealbook Summit van The New York Times op3 december 2025.
Wat gebeurt er dan?
Je zult dan zien dat de financiering opdroogt voor aanbieders die leven van pilots en slideware. Sommige startups zullen verdwijnen omdat het bewijs van concept nooit heeft geleid tot stabiele inkomsten. De bedrijven die overblijven, zijn de bedrijven die een meetbare impact op productiviteit, kwaliteit of omzet kunnen aantonen. Met andere woorden, ROI in plaats van hype wordt het nieuwe normaal.
Wat betekent dit concreet voor klanten van Damovo?
Voor onze B2B-klanten betekent dit dat we van experimenteren naar het gebruik van AI in productie gaan. Dit geldt voor al onze domeinen, dus Unified Communications, Customer Experience en Contact Centre, Enterprise Networks en Cybersecurity.
We stellen voor elke AI-functie een eenvoudige vraag: kan deze zijn waarde bewijzen in een korte, duidelijk omschreven periode, bijvoorbeeld binnen 90 dagen in een proof of value? Als het antwoord nee is, stoppen we of herontwerpen we. Het is onze taak om klanten te helpen zich te concentreren op een paar hoogwaardige use cases in plaats van een lange lijst met pilots die nooit opschaalbaar zijn.
Hoe ziet zo'n bewijs van waarde er in de praktijk uit?
In de praktijk is een bewijs van waarde vrij hands-on. We beginnen met het kiezen van een concreet gebruiksscenario met de klant en het overeenkomen hoe we het succes zullen meten. Dat betekent dat we het proces, de KPI's en de gegevens die we nodig hebben moeten definiëren, bijvoorbeeld welke oproepen of tickets binnen het bereik vallen en hoe de situatie 'voorheen' eruitzag.
Vervolgens integreren we de AI in de bestaande tools, zoals het contactcenter of het bedrijfsnetwerkplatform. Het doel is niet om iets extra's te bouwen, maar om de manier waarop mensen al werken te verbeteren.
Ten slotte voeren we het scenario gedurende een beperkte periode uit en vergelijken we de situatie voor en na. Als de gegevens een duidelijk voordeel laten zien, hebben we een reden om op te schalen. Zo niet, dan passen we het aan of stoppen we ermee. Bij Damovo gebruiken we een AI Proof of Value (PoV)-raamwerk met sjablonen, KPI-dashboards en integratiehandleidingen voor omgevingen met meerdere leveranciers. Klanten hoeven niet elke keer helemaal opnieuw te beginnen. Ze kunnen snel het effect zien in plaats van maandenlang bezig te zijn met de installatie.
Op welke gebieden worden al betrouwbare resultaten geboekt?
De sterkste gebieden op dit moment zijn klantervaring, technische dienstverlening, bedrijfsnetwerken en cyberbeveiliging. Op deze gebieden zien we herhaalbare resultaten, niet alleen geïsoleerde pilots.
Kunt u een concreet voorbeeld geven?
Neem bijvoorbeeld de klantervaring. In een contactcentrum dat vragen behandelt, zetten we bots in die zijn ontworpen rond een duidelijke catalogus van intenties, zoals saldo-opvragingen, betalingsdata en beleidswijzigingen. De bot lost eenvoudige verzoeken bij het eerste contact volledig op, waardoor de wachttijden worden verkort. Voor complexere scenario's biedt de bot op intelligente wijze een terugbelverzoek aan of escaleert hij naar een live agent met volledige context. Wanneer de interactie bij een agent terechtkomt, ontvangt deze een realtime transcriptie, een geautomatiseerde samenvatting van het gesprek en voorgestelde antwoorden of de beste vervolgacties. Hierdoor kan de agent de vraag sneller oplossen, de klanttevredenheid verbeteren en consequent voldoen aan de belangrijkste KPI's voor de dienstverlening.
En verder dan klantenservice?
Technische dienstverlening is een ander sterk punt. Veel servicedeskmedewerkers krijgen te maken met veel terugkerende tickets, terwijl ze kampen met een tekort aan geschoold personeel.
In bedrijfsnetwerken ligt de focus vooral op het minimaliseren van downtime en het verbeteren van de betrouwbaarheid. AI bekijkt telemetriegegevens, merkt ongebruikelijke patronen eerder op en kan veranderingen in gang zetten nog voordat gebruikers doorhebben dat er iets mis is. Dat voorkomt natuurlijk niet elk incident, maar het kan wel ongeplande downtime verminderen en het aantal tickets dat bij de helpdesk terechtkomt verminderen. Bovendien automatiseren ingebouwde AI-agents repetitieve workflows, waardoor het operationele personeel zich kan concentreren op taken met een hogere toegevoegde waarde.
Hoe zit het met de veiligheid? Iedereen heeft het over AI en cyberdreigingen.
Cybersecurity verschuift van statische detectie naar adaptieve, AI-gestuurde verdediging. In plaats van alleen te vertrouwen op handtekeningen of vooraf gedefinieerde regels, gebruiken we contextbewuste en dreigingsgerichte analyses om risico's eerder te identificeren, bijvoorbeeld wanneer kwetsbaarheden misbruikt kunnen worden of wanneer het gedrag van aanvallers wijst op actieve verkenning of pogingen tot misbruik.
Moderne platforms combineren geautomatiseerde intelligentieverrijking, op gedrag gebaseerde detectie en door AI georkestreerde playbooks. Dit betekent dat potentiële bedreigingen zoals phishing, spoofing, verkeerde configuraties of kwetsbare diensten in hun context worden gevalideerd, automatisch worden geprioriteerd en sneller worden verholpen.
Het resultaat: minder succesvolle aanvallen, kortere responstijden en een beveiligingsbeleid dat zich voortdurend aanpast aan het werkelijke dreigingslandschap.
Dat zijn allemaal externe gebruiksscenario's. Hoe zit het met interne productiviteit of werknemerservaring?
Interne productiviteit is waar AI stilletjes het dagelijkse werk hervormt. In moderne UC-platforms gaat dit verder dan transcriptie en samenvattingen, tot realtime vergadercoördinatie, intelligente acties en het direct terugvinden van eerdere gesprekken. Medewerkers ervaren dit niet als 'nieuwe technologie', maar gewoon als een soepelere communicatieworkflow.
De echte uitdaging voor bedrijven is gecontroleerde activering. UC-systemen verwerken de meest gevoelige communicatiegegevens, dus het management moet bepalen welke AI-functies toegang hebben tot welke gesprekken, hoe AI-assistenten van leveranciers zich gedragen en hoe het gebruik consistent blijft in Teams, Webex, Zoom of hybride omgevingen. Alles in één keer inschakelen is zelden een optie.
Bij het aantonen van de waarde kijken we naar duidelijke signalen, zoals minder tijd besteed aan documentatie, minder herhaalde vergaderingen, duidelijkere beslissingen en minder contextwisselingen. Het doel is niet om alle communicatie te automatiseren, maar om de administratieve rompslomp rondom communicatie te verminderen en mensen meer tijd te geven om zich te concentreren.
Oké, maar hier is mijn vraag. Als dit allemaal zo goed werkt, waarom denk je dan dat de zeepbel zal barsten?
Omdat de meeste bedrijven niet doen wat ik zojuist heb beschreven. Ze voeren pilots uit die nooit eindigen. Ze testen tien verschillende AI-tools zonder plan om er één te kiezen. Ze meten 'betrokkenheid' in plaats van omzet.
Wanneer de budgetten worden gekort, komt daar snel een einde aan.
Wat moeten bedrijven nu doen?
Ik denk dat bedrijven op dit moment vooral minder experimenten nodig hebben en meer partners die AI kunnen koppelen aan echte bedrijfswaarde. De meeste organisaties hebben één of meerdere pilots uitgevoerd. Het moeilijke deel is om de weinige die echt werken op te schalen, ze stabiel te houden in de dagelijkse bedrijfsvoering en toch aan alle veiligheids- en nalevingsvereisten te voldoen. Dat is waar veel teams vastlopen.
Waar begint u meestal met klanten?
We beginnen meestal heel pragmatisch. Samen met de klant stellen we voor elk bedrijfsonderdeel een kleine portfolio van AI-toepassingen samen. Het idee is om heel duidelijk te zien waar een investering zinvol is en waar niet. Waar zijn obstakels te verwachten en beschikt de klant over interne middelen om de projecten aan te pakken?
Van daaruit integreren we deze use cases in de bestaande platforms, bijvoorbeeld UC, contactcenter, netwerk of beveiligingssystemen. We proberen te voorkomen dat er weer een geïsoleerde oplossing ontstaat. AI moet bestaande processen verbeteren, niet een parallelle wereld creëren.
Een ander doel is om klanten te leren zelf nieuwe gebruikssituaties te herkennen en deze op de juiste manier te beoordelen.
En hoe zorg je ervoor dat dit schaalbaar en veilig blijft?
Dat is waar data, governance en operaties om de hoek komen kijken. We bepalen wie toegang heeft tot welke data, hoe prompts en modellen worden behandeld en hoe we de kwaliteit en risico's bewaken. Het klinkt misschien wat saai, maar zonder deze basis kunnen dingen niet worden opgeschaald.
Bij Damovo nemen we vervolgens delen van de lopende activiteiten over als de klant dat wenst. We zorgen dus voor monitoring, metingen en voortdurende afstemming, zodat de AI-oplossingen waarde blijven leveren en niet stilzwijgend in kwaliteit achteruitgaan na verloop van tijd. Het idee is eigenlijk heel eenvoudig. Geen eenmalige proofs of concept meer die na een paar maanden verdwijnen, maar een stabiele opzet die mee kan groeien met het bedrijf.
Laatste vraag. Wat is uw conclusie over de AI-zeepbel?
Ik verwacht dat delen van de markt sterk zullen afkoelen. Dat is gezond. Projecten die geen impact kunnen aantonen, zullen worden stopgezet en sommige aanbieders zullen de markt verlaten.
De waarde van AI blijft echter bestaan. In 2026 zullen de winnaars die leveranciers en klanten zijn die AI afstemmen op een duidelijke ROI, operationele gereedheid en veiligheid. Zij zullen profiteren van marktconsolidatie en de use cases opschalen die er echt toe doen. Niet gedreven door hype, maar door resultaten.