Bij juridische afdelingen groeide het gebruik van AI-agents sinds februari met een factor 108. Sales en recruitment: 41x. Marketing: 26x. Inkoop komt helaas in dit rijtje niet voor.
Dat rijtje komt uit het Enterprise Signals-rapport dat OpenAI op 12 augustus bijwerkte, over het gebruik van zijn zakelijke klanten tussen januari en juni 2026. Het is niet het eerste rapport over AI-adoptie, en het zal niet het laatste zijn. Maar het is het eerste dat ik ken dat de kloof tussen koplopers en de rest maand voor maand meet, met dezelfde meetlat. En wat die meetlat laat zien, hoort op de agenda van elke directie die het afgelopen jaar AI-licenties heeft goedgekeurd.
Wat OpenAI precies heeft gemetenEerst de definities, want daar gaat het in dit soort discussies meestal mis.
OpenAI vergelijkt twee groepen. De "frontier firms": bedrijven die per maand in de top 10% zitten qua AI-output per actieve gebruiker. En de "typical firms": bedrijven rond de mediaan, het 45e tot 55e percentiel. AI-output wordt gemeten in tokens, de eenheid waarin taalmodellen tekst produceren. Meer tokens per gebruiker betekent: meer werk dat door AI wordt gedaan per persoon die de tool aanraakt.
De AI-kloof is in vijf maanden verdrievoudigd. Inkoop staat aan de verkeerde kant.
Bij juridische afdelingen groeide het gebruik van AI-agents sinds februari met een factor 108. Sales en recruitment: 41x. Marketing: 26x. Inkoop komt in het rijtje niet voor.
Dat rijtje komt uit het Enterprise Signals-rapport dat OpenAI op 12 augustus bijwerkte, over het gebruik van zijn zakelijke klanten tussen januari en juni 2026. Het is niet het eerste rapport over AI-adoptie, en het zal niet het laatste zijn. Maar het is het eerste dat ik ken dat de kloof tussen koplopers en de rest maand voor maand meet, met dezelfde meetlat. En wat die meetlat laat zien, hoort op de agenda van elke directie die het afgelopen jaar AI-licenties heeft goedgekeurd.
Wat OpenAI precies meet
Eerst de definities, want daar gaat het in dit soort discussies meestal mis.
OpenAI vergelijkt twee groepen. De "frontier firms": bedrijven die per maand in de top 10% zitten qua AI-output per actieve gebruiker. En de "typical firms": bedrijven rond de mediaan, het 45e tot 55e percentiel. AI-output wordt gemeten in tokens, de eenheid waarin taalmodellen tekst produceren. Meer tokens per gebruiker betekent: meer werk dat door AI wordt gedaan per persoon die de tool aanraakt.
Twee kanttekeningen hoor je erbij te zetten. Dit zijn cijfers van één leverancier over zijn eigen klanten, dus organisaties die vooral op Copilot, Gemini of Claude werken, zitten er niet in. En tokens zijn geen waarde. Een team dat 8x meer output produceert, levert niet automatisch 8x meer op. Maar als indicator van hoe intensief een organisatie AI daadwerkelijk laat werken, is er op dit moment geen betere dataset publiek beschikbaar.
Bevinding 1: de kloof groeit, en niet door de modellen
In januari produceerden de koplopers 2,6x meer AI-output per gebruiker dan een gemiddeld bedrijf. In juni was dat 8,3x. Een verdrievoudiging in vijf maanden.
Wat mij daaraan opvalt: beide groepen hadden in die periode toegang tot dezelfde modellen. Er is in het voorjaar geen model uitgekomen dat alleen de top 10% mocht gebruiken. Het verschil zit dus niet in de technologie. Het zit in wat organisaties ermee doen.
En dat is te zien in een tweede cijfer. In juni kwam 64% van alle AI-output bij OpenAI's zakelijke klanten van Codex, het agentic product waarmee je een taak uitbesteedt in plaats van een vraag stelt. Een jaar eerder was dat aandeel vrijwel nul. Het kantelpunt, het moment waarop agents meer output produceerden dan het chatvenster, lag in april 2026.
Met andere woorden: bij de koplopers is het chatvenster niet meer de plek waar het werk gebeurt. Het is de plek waar het werk wordt uitgedeeld.
De kloof verschilt overigens per sector. In de IT-sector is hij 11,7x. In de maakindustrie 5,3x. Dat is het kleinste verschil, en toch: ook daar produceert de top ruim vijf keer zoveel als het midden.
Bevinding 2: de functies die het meest lijken op inkoop, rennen het hardst!
Terug naar dat rijtje. OpenAI mat de groei in wekelijks actieve gebruikers van agents per functie, sinds februari. Legal 108x. Sales 41x. Recruitment 41x. Marketing 26x. Engineering, de functie waar het allemaal begon, "slechts" 5x, omdat die al hoog zat.
Kijk naar wat legal, sales en recruitment gemeen hebben. Ze werken met documenten die op elkaar lijken maar nooit hetzelfde zijn. Ze bewaken termijnen. Ze beoordelen partijen op criteria. Ze onderhandelen. Ze rapporteren aan een directie die het liefst één samenvatting ziet.
Dat lijkt op wat veel kenniswerkers op het gebied van inkoop, aanbesteden en contractmanagement doen, toch?
OpenAI laat ook zien wat die functies precies anders gingen doen. In een chatomgeving bestond het werk van juridische afdelingen voor 57% uit schrijven en voor 20% uit informatie opzoeken. In een agentic omgeving verschuift dat naar operaties uitvoeren, workflows automatiseren en, verrassend, code schrijven: bijna een derde van het agentic werk van legal. Niet omdat juristen programmeurs worden. Omdat een agent die een contractportefeuille moet bewaken, daar een script voor schrijft en dat script daarna zelf draait.
Wie mijn Linkedin posts vaker leest, herkent hier het onderscheid dat ik al een tijd gebruik: chatten met AI versus delegeren aan AI. Chatten is een vraag stellen en een antwoord krijgen. Delegeren is een uitkomst toewijzen en het resultaat beoordelen. De data van OpenAI laten zien dat het niet om een nuance gaat. Het is de scheidslijn, de groter wordende kloof tussen de top 10% en de rest.
Bevinding 3: wie het minst gebruikt, zit het hoogst in de boom
Het derde cijfer is het ongemakkelijkste. OpenAI ziet dat juniors AI het meest gebruiken en sneller oppakken. De adoptie/het gebruik daalt met elke trede omhoog qua senioriteit.
Ik hoor in directiekamers vaak de omgekeerde aanname: "onze mensen moeten er nog aan wennen". De data zeggen: de mensen zijn AI al gewend. De leiding vaak niet.
Sam Altman zei het onlangs zelf, over zijn eigen gebruik van de geavanceerdere tools: "By revealed preference, I have a better way and still do it the old way." Als de CEO van OpenAI dat over zichzelf zegt, mag een CPO of CFO het ook hardop zeggen. Het probleem is niet dat je het niet doet. Het probleem is dat je niet weet dat je het niet doet, en intussen wel bepaalt op welke manier aan AI adoptie wordt gewerkt.
Tot slot nog het volgende: vanuit interne Microsoft-data over 600 Amerikaanse medewerkers: het AI-gebruik varieerde van 1 tot 28.000 dollar per maand per afdeling!! Er was geen enkel verband met beloning of promotie.
Dus, wie het meest delegeert aan AI, wordt daar in de meeste organisaties dus (nog) niet voor beloond. Dan moet je niet verbaasd zijn dat veel mensen het werk op de 'ouderwetse' manier blijven doen.
NEEM METEEN ACTIE OM AAN DE JUISTE KANT VAN DE KLOOF TERECHT TE KOMEN
Wat de koplopers concreet anders doen
Het geruststellende is, beste lezer, dat het recept niet ingewikkeld is om jezelf of jouw kenniswerkers veel meer output te laten genereren. Het is dus aan te leren!!
Wat wij mensen leren om veel meer met AI te bereiken is het volgende
Van Prompt Engineering naar Context Engineering. Leer AI zo te gebruiken dat je het voor elke soort taak andere context meegeeft. Daarvoor heeft de AI Agent dus wel toegang tot bepaalde documenten, systemen en werkafspraken nodig. Een AI-agent die bijvoorbeeld niet eens jullie inkoopbeleid en/of -voorwaarden kent, daar zou ik geen contract beoordelingstaak aan delegeren.
Zorg dat je AI gebruikt als gereedschap. Geef het toestemming om dingen te doen: bestanden aan te maken, systemen raadplegen, een browser bedienen. Oefen hiermee en bouw het benodigde vertrouwen op!
Wen eraan om AI een doel te geven. Om dit doel te bereiken, dat mag meerdere stappen duren. Geen vraag, maar een opdracht met een beschreven eindsituatie dus. Niet "vat dit contract samen", maar "bewaak deze 40 contracten en zet een dossier klaar zodra er binnen 90 dagen iets verloopt".
Daar komt één cijfer bij dat ik het meest onderschat vind in het hele rapport. Bij de koplopers gebruikt 19% van de wekelijkse gebruikers "skills": herbruikbare werkinstructies die een agent vertellen hoe jouw organisatie een bepaalde taak doet. Bij gemiddelde bedrijven is dat 3%. Intern bij OpenAI zelf: 93%. Intern bij Qando: 75%. Maar we zijn onderweg naar 90%!
Een skill is niets anders dan een goed geschreven werkinstructie. "Zo beoordelen wij een leverancier. Dit zijn onze uitsluitingsgronden. Zo ziet een goed dossier eruit." Dat is geen IT-werk. Dat is inkoopwerk. En het verschil tussen 3% en 19% is precies het verschil tussen een agent die elke keer opnieuw moet horen hoe het inkoopproces werkt, en een agent die het al weet.
Legal deed het in vijf maanden dus, koploper worden.
De vraag is niet of inkoop het kan. De vraag is hoe? Ik zou er geen groot transformatieprogramma van maken...
Wij weten hoe en vertellen het je graag. Stuur me gewoon even een email: achraf.talhaoui@qando.nl
Weten waar jouw organisatie staat?
Ik heb hier bewust geen tienstappenplan van gemaakt. Wat ik wel heb gemaakt: drie vragen waarmee een directie in één vergadering scherp krijgt waar de organisatie op deze ladder staat. Zonder assessment, zonder consultant erbij.
Eén vraag gaat over hoe je AI-adoptie meet. De meeste organisaties meten het verkeerde getal, en het juiste getal heeft een hard ijkpunt uit dit rapport. Eén vraag gaat over de directie zelf, en die is sinds februari 2025 ook juridisch niet meer vrijblijvend. En één vraag gaat over de meest waardevolle taak op een inkoopafdeling deze maand. Het antwoord is niet "IT".
Ik stuur je de drie vragen na als one-pager, met het ijkpunt erbij waartegen je je eigen cijfer mee vergelijkt.
Stuur mij dus een mail, dan komt hij jouw kant op!
