Hoe AI-koplopers hun voorsprong vergroten

Kort samengevat

• Grensverleggende bedrijven (bedrijven in het 95e percentiel van gebruik) gebruiken nu 3,5 keer zoveel intelligentie per medewerker als doorsneebedrijven, tegenover 2 keer zoveel een jaar geleden.
• Het verschil zit vooral in diepgang, niet alleen in activiteit: berichtvolume verklaart slechts 36% van het voordeel; de rest komt uit rijker en complexer gebruik van AI.
• Agentic workflows worden een kenmerk van koplopers: het grootste voordeel zit in geavanceerde tools, waar deze bedrijven per medewerker zestien keer zoveel Codex-berichten versturen als andere bedrijven.
• Organisaties kunnen richting de kopgroep bewegen: toonaangevende bedrijven meten diepgang, richten governance in voor productiegebruik, investeren in ondersteuning, schalen op wat werkt en stappen over van chatgebaseerde ondersteuning naar werk dat ze delegeren aan agents.

Voor veel bedrijven draaide de eerste fase van AI-adoptie om toegang: wie er AI-tools had, hoeveel gebruikerslicenties er waren uitgerold en of medewerkers ermee experimenteerden. Dat is nog steeds van belang. Maar toegang is niet langer de onderscheidende factor. 

Ons nieuwste onderzoek laat zien dat het AI-voordeel zich begint op te stapelen. Koplopers bouwen hun voorsprong verder uit doordat ze meer intelligentie per medewerker gebruiken, geavanceerde tools intensiever inzetten en AI dieper in workflows integreren.

Vandaag introduceren we B2B Signals, een zakelijke uitbreiding van OpenAI Signals. Het biedt een terugkerende meting van hoe AI zich onder bedrijven verspreidt, gebaseerd op geaggregeerde signalen uit het gebruik van OpenAI-producten door ondernemingen, waarbij privacy wordt gewaarborgd, waaronder:

• Hoe diepgaand AI binnen bedrijven wordt ingezet
• Welke tools en taken AI-koplopers het meest gebruiken
• Waar zakelijke use cases zich uitbreiden naar verschillende branches, producten en functies

Opmerking: Alle analyses in dit rapport zijn gebaseerd op geanonimiseerde, geaggregeerde zakelijke gebruiksgegevens. De inhoud van berichten is geclassificeerd met behulp van geautomatiseerde systemen. Geen enkele medewerker van OpenAI heeft voor deze analyse individuele gegevens van ondernemingen, bedrijven of API-klanten ingezien.

Het duidelijkste signaal is diepgang. AI-koplopers gebruiken nu 3,5 keer zoveel intelligentie per medewerker als andere bedrijven; in april van 2025 was dat nog 2 keer zoveel. Het berichtenvolume verklaart slechts 36% van dat verschil; het grootste deel is toe te schrijven aan intensiever gebruik. In organisaties die vooroplopen zetten medewerkers AI in voor complexer werk, geven ze meer context mee en krijgen ze inhoudelijk sterkere resultaten.

In dit rapport gebruiken we gegenereerde tokens als proxy voor de vraag naar intelligentie. Tokens zijn geen directe maatstaf voor bedrijfswaarde, maar geven wel inzicht in hoeveel werk medewerkers door AI laten uitvoeren. Daarmee zijn ze een bruikbare proxy voor de diepgang van AI-gebruik.

Simpel gezegd: doorsnee bedrijven gebruiken AI om vragen te beantwoorden; koplopers gebruiken AI om complexe werkzaamheden te helpen uitvoeren. Ze versturen niet alleen meer berichten; elke interactie neemt een groter deel van het daadwerkelijke werk voor zijn rekening. 

Samen suggereren deze signalen dat koplopers AI gebruiken voor complexer en uitdagender werk. Voor leiders verschuift de vraag van hoeveel mensen toegang hebben of hoe vaak ze AI gebruiken naar waar AI dieper in workflows doordringt en de manier waarop teams werken verandert.

Ook de kopgroep verschuift richting het delegeren van werk aan AI.

Het voordeel is het grootst bij geavanceerde en agentic tools. Codex laat de grootste kloof zien: vooroplopende bedrijven versturen 16 keer zoveel berichten per werknemer als andere bedrijven. ChatGPT Agent, Apps in ChatGPT, diepgaand onderzoek en GPT’s laten vergelijkbare trends in dezelfde richting zien, wat erop wijst dat koplopers beter zijn in het gebruiken van tools die medewerkers helpen met programmeren, het delegeren van meerstapstaken, het toepassen van bedrijfscontext en het uitvoeren van complexer onderzoek.

Naarmate AI-systemen beter in staat worden om tools te gebruiken, over meerdere bestanden en codebases heen te werken en taken over een langere tijdshorizon uit te voeren, zullen ondernemingen zich moeten aanpassen aan het delegeren van betekenisvol werk aan AI-agents.

De bedrijven die als eerste stappen zetten, bouwen de operationele slagkracht op om AI niet alleen als snellere interface te gebruiken, maar als manier om werk vanaf de basis opnieuw vorm te geven.

Cisco gebruikt Codex om complex softwarewerk binnen een grote engineeringorganisatie te versnellen. In productieworkflows heeft Codex geholpen om build-tijden met ongeveer 20% te verkorten, meer dan 1.500 engineeringuren per maand te besparen en de doorvoer van het oplossen van defecten met 10 tot 15 keer te verhogen. Zoals het team van Cisco het verwoordde, maakten ze de grootste stappen toen ze Codex gingen behandelen als 'onderdeel van het team.' 

AI vindt ook zijn weg naar productieworkflows binnen de hele organisatie.

Bedrijven implementeren API-toepassingen voor in-app-assistenten, programmeer- en ontwikkelaarstools, en klantenservice. Dit zijn plekken waar AI onderdeel kan worden van producten, diensten, en interne systemen.

Het gebruik van AI is het meest verbreid in communicatie en schrijven, maar functiespecifiek gebruik neemt toe. IT- en Security-teams richten hun vragen vooral op praktische en procedurele richtlijnen, softwareontwikkelings- en data science-teams gebruiken AI intensief voor programmeren, en finance-teams zetten AI in voor analyses en berekeningen. Dit patroon suggereert dat AI niet langer alleen voor algemene productiviteit wordt ingezet, maar ook voor werkzaamheden die nauwer verbonden zijn met de kernverantwoordelijkheden van elke bedrijfsfunctie.

Er is geen enkelvoudig leaderboard voor AI-adoptie. Sommige sectoren lopen voorop in brede ChatGPT‑adoptie, andere in Codex-gebruik, API-intensiteit of berichtenintensiteit. Dat betekent dat organisaties meerdere instappunten hebben: toegang opschalen, gebruik verdiepen, agentic tools adopteren of AI rechtstreeks in producten en systemen inbouwen.

Travelers Insurance laat zien hoe dit er in de praktijk uitziet. De AI Claim Assistant, gebouwd met OpenAI, begeleidt klanten bij de eerste schademelding, beantwoordt vragen over polissen, verzamelt de informatie die nodig is om een claim te starten en maakt claims rechtstreeks aan in de systemen van Travelers. Travelers verwacht dat de assistent in het eerste jaar ongeveer 100.000 telefoongesprekken over eerste schademeldingen afhandelt.

De kloof tussen AI-koplopers en andere bedrijven moet niet worden opgevat als een vaste scheidslijn. Veel organisaties staan nog aan het begin van de overgang van brede toegang naar diepgaander en meer geïntegreerd AI-gebruik. De waarde van de kopgroep is dat die inzicht geeft in welke werkwijzen bedrijven helpen om op termijn momentum op te bouwen.

Een van de duidelijkste signalen zien we in onderwijs en leren: daar is het verschil op taakniveau het grootst. Dat suggereert dat toonaangevende bedrijven AI niet alleen gebruiken om werk gedaan te krijgen, maar ook om medewerkers te helpen de vaardigheden, gewoontes en het vertrouwen op te bouwen die nodig zijn om AI effectief in te zetten.

Organisaties kunnen richting de kopgroep bewegen door diepgang te meten, governance in te richten die productiegebruik mogelijk maakt, te investeren in ondersteuning als kerninfrastructuur, teams die vooroplopen te identificeren en hun impact op te schalen, en de stap te maken van chats naar gedelegeerd werk met agents.

Enterprise AI ontwikkelt zich snel, en koplopers hebben duidelijke data nodig om te begrijpen wat helpt om AI-adoptie te vertalen naar bedrijfswaarde.

B2B Signals volgt het gedrag en de patronen van toonaangevende bedrijven en geeft organisaties een duidelijker beeld van hoe toonaangevende bedrijven intelligentie omzetten in bedrijfswaarde. 

Deze eerste release richt zich op de diepgang van het gebruik, workflows met agents en opkomende patronen in verschillende sectoren en bedrijfsfuncties. Toekomstige updates zullen de voortgang op deze maatregelen bijhouden en de signalen aanpassen naarmate enterprise-AI zich verder ontwikkelt.