MIT-onderzoek naar AI-implementaties in het bedrijfsleven toont een behoorlijke discrepantie: ondanks 30 tot 40 miljard dollar aan investeringen haalt 95% van de organisaties núl rendement uit hun GenAI-initiatieven. Deze heeft directe gevolgen voor álle facetten van een organisatie. Een interpretatie van de cijfers voor recruitmentafdelingen.
Project NANDA
Het onderzoek van MIT’s Project NANDA, gebaseerd op interviews met 52 organisaties en analyse van 300+ AI-initiatieven, laat zien dat er een kloof ontstaat tussen bedrijven die AI succesvol inzetten en de overgrote meerderheid die vastloopt in pilots. Als we de onderzoeksresultaten doortrekken naar de recruitmentsector, bestaat het risico dat organisaties massaal investeren in AI-gedreven wervingstools, maar vrijwel geen échte transformatie zien in hun HR- en recruitmentprocessen.
1. Recruiters gebruiken ChatGPT, terwijl dure HR-tech ongebruikt blijft
Terwijl slechts 40% van bedrijven officiële AI-subscripties heeft aangeschaft, gebruikt maar liefst 90% van werknemers persoonlijke AI-tools voor hun dagelijkse taken, zo stelt MIT. Dit patroon is ook zichtbaar in recruitment. AI binnen een recruitmentsysteem wordt volgens de Recruitment Tech Survey door 35% van respondenten gebruikt, tegenover 73% voor de gratis versie van ChatGPT.
AI binnen een recruitmentsysteem wordt volgens de Recruitment Tech Survey door 35% van respondenten gebruikt, tegenover 73% voor de gratis versie van ChatGPT.
De ‘shadow AI’-economie toont aan dat individuele recruiters wel degelijk de GenAI Divide kunnen overbruggen wanneer ze toegang hebben tot flexibele, responsieve tools. Het probleem ontstaat wanneer organisaties proberen dure, gespecialiseerde recruitment AI-platforms te implementeren die vaak star en moeilijk aanpasbaar blijken te zijn.
2. De ‘learning gap’
Het kernprobleem achter de GenAI Divide is wat MIT-onderzoekers de ‘learning gap’ noemen: de meeste GenAI-systemen houden geen feedback vast, passen zich niet of nauwelijks aan context aan, of verbeteren te summier over tijd.
Een AI-gedreven recruitmenttool die elke keer opnieuw moet worden geïnstrueerd over functievereisten of hiring manager voorkeuren, zal uiteindelijk links blijven liggen.
Gebruikers waarderen daarentegen de flexibiliteit van consumer AI-tools zoals ChatGPT, maar hebben voor bedrijfskritische processen systemen nodig die context onthouden en zich ontwikkelen. Een AI-gedreven recruitmenttool die elke keer opnieuw moet worden geïnstrueerd over functievereisten of hiring manager voorkeuren, zal uiteindelijk links blijven liggen.
3. Buy versus build: externe partnerships presteren twee keer beter
Het onderzoek toont aan dat externe partnerships een slagingspercentage van 67% behalen tegenover slechts 33% voor intern-ontwikkelde tools. Samenwerking met gespecialiseerde recruitment AI-vendors is dus effectiever dan het zelf ontwikkelen van AI-oplossingen. Workflow-integratie en leerbare systemen lijken dus de belangrijkste standpunten vanuit een gebruikersperspectief.
Samenwerking met gespecialiseerde recruitment AI-vendors is dus effectiever dan het zelf ontwikkelen van AI-oplossingen.
“Organisaties die succesvol de GenAI Divide overbruggen, behandelen AI-startups meer als business service providers dan als softwareleveranciers”, zo stellen MIT-onderzoekers. “Ze eisen diepe customization die aansluit bij interne processen én beoordelen tools op operationele resultaten, niet op technische benchmarks.”
4. Investeringsbias: front-office krijgt aandacht, back-office levert meer op
Ongeveer 50% van GenAI-budgetten stroomt naar sales en marketingfuncties, volgens MIT, maar back-office automatisering levert vaak betere ROI. In de context van HR- en recruitment betekent dit dat er nog altijd wordt geïnvesteerd in flashy tools, terwijl de winst relatief meer aan de administratiekant zit. Denk aan tools die contracten automatisch verwerken, of onboardingstools die een aantal zaken volgens een gestroomlijnd proces in werking zetten voor nieuwe hires.
5. Organisaties zitten vast aan AI-systemen
Het MIT-onderzoek waarschuwt dat het ‘venster’ om de GenAI Divide te overbruggen snel sluit. In de komende 18 maanden zullen veel organisaties zich vastleggen op AI-leveranciers door meerjarige contracten, waarna switchen bijna onmogelijk wordt. Kies je nu de verkeerde AI-partnership, dan loop je het risico jaren vast te zitten aan systemen die niet voor jou werken.
Kies je nu de verkeerde AI-partnership, dan loop je het risico jaren vast te zitten aan systemen die niet voor jou werken.
De onderzoekers spreken over ‘switching costs die maandelijks toenemen’: hoe meer een AI-systeem leert van jouw (recruitment)data, kandidaat feedback én wervingsprocessen, hoe moeilijker het wordt om over te stappen naar een concurrent. Een AI-tool die na een jaar weet welke kandidaten succesvol zijn bij specifieke hiring managers, of welke vraagstellingen het beste werken voor bepaalde functies, wordt praktisch onvervangbaar.
Het advies: formuleer eerst welk recruitmentprobleem AI moet oplossen, evalueer leveranciers op hun vermogen om te leren van jouw processen en kies voor partners die flexibiliteit bieden in plaats van alleen technische features.
Concreet betekent dit: test nu uitvoerig via pilots en proefabonnementen vóórdat je meerjarige deals tekent. Organisaties die zich in 2025 vastleggen op een platform dat niet leert of zich slecht aanpast, zitten mogelijk tot 2027 of 2028 vast aan een tool. Het advies: formuleer eerst welk recruitmentprobleem AI moet oplossen, evalueer leveranciers op hun vermogen om te leren van jouw processen en kies voor partners die flexibiliteit bieden in plaats van alleen technische features.
