Een bedrijfsleider en een adviseur bekijken samen een analyse op een laptop in de werkplaats

Vervangt AI de strategisch adviseur? Wat het onderzoek zegt

Het is de vraag die veel bedrijfsleiders intussen dénken maar zelden hardop stellen: waarom zou ik nog iemand betalen voor strategisch advies, nu ik dezelfde vraag gratis aan een chatbot kan stellen en binnen de tien seconden een keurig antwoord terugkrijg?

Het eerlijke antwoord is genuanceerder dan beide kampen beweren. En het mooie is: er is intussen hard onderzoek over, geen onderbuikgevoel.

Kort samengevat: AI maakt het analysewerk sneller en beter. Maar precies op de vragen waar het geld aan hangt, maakt ze adviseurs gemiddeld slechter. Dat is geen mening. Dat is gemeten, bij 758 consultants tegelijk.

Eerst het goede nieuws: AI werkt, en hoe

Het beste bewijs komt uit een veldexperiment van Harvard Business School, opgezet samen met het Boston Consulting Group en met onderzoekers van MIT Sloan, Wharton en Warwick. Zevenhonderdachtenvijftig échte consultants van BCG kregen échte opdrachten. De ene helft met AI, de andere zonder.

Het verscheen in september 2023 als werkdocument en werd in maart 2026 gepubliceerd in het vakblad Organization Science (jaargang 37, nummer 2). Het is dus geen blogbericht van een softwareleverancier, maar onderzoek dat door vakgenoten is nagekeken.

Op de taken die binnen het kunnen van de AI lagen, deden de consultants mét AI het beter op élke gemeten manier:

  • 12,2% meer taken afgewerkt
  • 25% sneller
  • 40% hoger beoordeeld op kwaliteit

Daar komt nog iets bij dat vaak over het hoofd wordt gezien: de zwakste consultants gingen het meest vooruit, ongeveer 43 procent, tegenover 17 procent bij de besten. AI tilt dus vooral de onderkant op. Dat is uitstekend nieuws — voor de onderkant.

En dan het ongemakkelijke deel

De onderzoekers hadden ook één opdracht ingebouwd die bewust búíten het kunnen van de AI lag: een strategische businesscase waarbij de cijfers in één richting wezen en het juiste antwoord ergens anders lag. Precies het soort vraag waarvoor je een adviseur inhuurt.

Op die opdracht waren de consultants mét AI 19 procentpunt mínder vaak juist dan hun collega’s zonder.

Niet omdat de machine zweeg. Omdat ze met volle overtuiging iets plausibels zei dat niet klopte — en de mens knikte.

“AI is de ideale stagiair: razendsnel, onvermoeibaar, belezen, en af en toe volstrekt zeker van iets wat niet waar is. Het verschil met een echte stagiair is dat je bij die laatste aan zijn gezicht ziet dat hij twijfelt.”

De onderzoekers noemen dat de jagged frontier, de grillige grens. Twee vragen die voor jou even moeilijk lijken, kunnen voor een AI aan weerszijden van die grens liggen. En je ziet niet aan het antwoord welke van de twee je voor je hebt.

Er was nog een tweede vaststelling, en die vind ik zakelijk minstens even belangrijk: het werk van de AI-gebruikers leek méér op elkaar. Minder variatie, meer gemiddelde. Logisch ook — als iedereen dezelfde machine ongeveer hetzelfde vraagt, krijgt iedereen ongeveer hetzelfde antwoord. Maar een strategie die lijkt op die van je concurrent is geen strategie. Dat is een gemiddelde.

De markt verschuift, en dat zie je aan de facturen

Wie wil weten of een sector echt verandert, kijkt niet naar de persberichten maar naar hoe er gefactureerd wordt. Daar beweegt het.

Op een persmoment van 4 november 2025 maakte McKinsey bekend dat ongeveer een kwart van de wereldwijde omzet intussen uit resultaatgebonden afspraken komt in plaats van uit gefactureerde uren. “We doen meer prestatiegebonden afspraken met onze klanten”, zei partner Michael Birshan daar. Bij BCG loopt naar verluidt drie kwart van de grootste AI-opdrachten op een variabele vergoeding.

Zet daar meteen de nuance bij: bij McKinsey blijft dus nog altijd drie kwart gewoon op tijd en inspanning draaien. Dit is een verschuiving, geen revolutie. En niemand legt publiek uit hóé zo’n resultaatafspraak werkt: wie bepaalt de nulmeting, wie beoordeelt of het doel gehaald is, en wie draagt het risico als de markt tegenzit.

Een werkdocument van de Stanford Digital Economy Lab (Brynjolfsson en Petropoulos, augustus 2026) komt tot een voorspelbaarder conclusie: AI duwt adviesbureaus vooral richting hybride en product-achtige prijsmodellen, niet richting zuiver resultaatgebonden werk. Met daarbij een observatie die elke klant zou moeten onthouden: in de eerste fase máákt AI het kennisverschil tussen adviseur en klant groter, niet kleiner. Je weet namelijk niet meer hoeveel van je factuur nog écht werk is.

Die verschuiving is reîel, en ze is gezond — ze legt de vraag terug waar ze hoort. Maar ze is wel heel ongelijk verdeeld, en dát blijft in de berichtgeving onderbelicht: voorlopig is het vooral een verhaal van de grote kantoren.

Kijk je lager in de markt, dan vallen de cijfers meteen terug. SPI Research bevroeg in 2025 85 adviesbureaus, hoofdzakelijk Amerikaanse: daar werd 3,3 procent van het werk verkocht op basis van gedeeld risico of resultaat. En dan gaat het nog over managementadvies in het algemeen, zonder opsplitsing naar de grootte van de klant. In een bevraging bij bijna duizend zelfstandige consultants komt resultaatgebonden vergoeding zelfs niet als aparte categorie voor — alleen per project, per uur, maandelijks vast, waardegebaseerd en per dag.

Samengevat: de verschuiving naar vergoeding op resultaat is echt, AI versnelt ze, en ze is in het voordeel van de klant. Maar vandaag zie je ze bijna uitsluitend bij de grote kantoren — en daarnaast bij een handvol kleine, in strategie gespecialiseerde bureaus die het aandurven. Pioniers, en het zijn er weinig.

Wij zijn er daar één van, en we doen het graag. Niet uit bravoure: twintig jaar meekijken in honderden bedrijven leert je behoorlijk goed inschatten waar de winst zit en hoe lang het duurt voor ze zichtbaar wordt. Wie meedeelt in het resultaat denkt trouwens scherper na over zijn eigen aanbeveling, en dat is geen nadeel voor de klant. Zo werkt ons Resultaatpartnerschap →

De piramide kraakt

Bloomberg onthulde eind oktober 2025 een project met de codenaam Argentum: ongeveer 150 ex-consultants van McKinsey, Bain en BCG werden ingehuurd om AI-modellen het instapwerk van hun eigen vak aan te leren. Je moet het maar op je cv durven zetten.

Dat raakt de grote kantoren waar het pijn doet. Hun model draait op hefboom: veel juniors die uren schrijven onder enkele partners. Net dat analysewerk onderaan is wat AI als eerste overneemt.

Wij hebben die piramide niet. Er zit hier niemand om elf uur ’s avonds slides te maken die een machine in twee minuten aanlevert. Dat maakt ons niet slimmer dan McKinsey — het betekent alleen dat wij niets te verdedigen hebben.

De dikke analyse en de bijbehorende PowerPoint zijn voorbij

Wat wij zelf aan tafel zien, gaat nog een stap verder dan wat die cijfers laten zien. Het tijdperk van de uitgebreide analyse met de bijbehorende presentatie — bij uitstek een product van de grote kantoren — ligt nog verder achter ons dan het al lag.

Dat is ook logisch als je bedenkt waarvoor je vroeger eigenlijk betaalde. Informatie verzamelen en ordenen wás het dure deel. Een map van tweehonderd bladzijden was het bewijs dat er maanden werk in zat, en dat bewijs had waarde op zich. Toch zeker bij de grote consultancybureaus, want daar zat precies dáár het verdienmodel.

Precies dat deel is nu goedkoop geworden. En wat goedkoop wordt, verliest zijn plaats op de factuur. Zestig slides waren vroeger een bewijs van inspanning. Nu niet meer.

Strikt genomen is een analyse ook nooit een product geweest. Het is een tussenstap die er lang als een product uitzag, omdat ze zoveel werk kostte.

Wat bedrijfsleiders in de plaats vragen, is niet “wat denkt u ervan” maar “wat levert het op, en wanneer zie ik het”. Dat verklaart meteen de verschuiving in de facturen hierboven: wie voor een resultaat betaalt, betaalt niet voor de weg ernaartoe. En het is een gezonde verschuiving — ze legt de vraag terug waar ze hoort.

Dat die beweging ons goed uitkomt, geven we grif toe. Niet omdat we slim geanticipeerd hebben, maar omdat we nooit presentaties verkocht hebben. Wij blijven tot het resultaat zichtbaar is in de cijfers; dat was vroeger een lastiger verhaal om uit te leggen dan vandaag.

Hoe wij AI gebruiken

Volop, en zonder er geheimzinnig over te doen.

Wat een machine uitstekend kan: vijf jaar boekhouding doorploegen en er de patronen uithalen. Een sector in kaart brengen. Twintig scenario’s doorrekenen terwijl jij koffie gaat halen. Een marge-analyse maken die vroeger dagen kostte en nu uren.

Dat levert twee dingen op, en allebei zijn ze van jou:

  1. Onze analyses worden sterker. In dezelfde tijd kijken we naar meer cijfers, meer scenario’s en meer invalshoeken dan vroeger haalbaar was. En een betere analyse leidt bijna altijd naar een scherpere aanbeveling. Dat is het hele punt.
  2. En ze gaan sneller, dus kost het minder. Onze projectprijzen liggen daardoor lager dan een paar jaar geleden. Niet spectaculair lager, want het denkwerk is niet sneller geworden en dat is het grootste deel van het werk. Maar wel lager.

Wat een machine níét kan, is het stuk dat ertoe doet. Ze zit niet aan tafel bij een bedrijfsleider die zegt dat alles goed gaat terwijl zijn handen iets anders vertellen. Ze kent je ploeg niet, je familie niet, en niet wat je ’s nachts wakker houdt. Ze weet niet welke van je drie beste klanten volgend jaar vertrekt omdat je dat zelf nog niet weet.

En vooral: ze weet niet wannéér ze fout zit. Dat is precies wat dat onderzoek liet zien. Het denkwerk is niet het makkelijke deel dat je er even bijneemt nadat de analyse klaar is. Het is zelden voor de hand liggend, en het is waar twintig jaar aan tafel zitten bij KMO’s het verschil maakt.

Onze drempel verandert daar niet door: we beginnen pas aan een adviesproject als we er zelf van overtuigd zijn dat het meer dan tien keer opbrengt wat het kost. AI heeft die rekening alleen makkelijker te maken gemaakt.

Wat betekent dit voor jou?

  • Gebruik AI zelf voor het voorwerk. Een sector verkennen, een eerste berekening, een lijst vragen om mee te beginnen: doe dat gerust zelf. Het is gratis en het is snel.
  • Wees het meest op je hoede bij de vraag die het belangrijkst is. Hoe zwaarder de beslissing, hoe groter de kans dat ze aan de verkeerde kant van die grillige grens ligt — en hoe overtuigender het foute antwoord klinkt.
  • Vraag je adviseur hoe hij AI gebruikt. Wie zegt “niet” is traag en te duur. Wie zegt “voor alles” is gevaarlijk. Het juiste antwoord ligt ertussen, en hij hoort het te kunnen uitleggen.
  • Betaal voor ervaring, expertise en verstandig oordeel. Zelfs nog liefst voor resultaat. Analyses zijn goedkoper geworden. Sterke keuzes niet.

Dus: vervangt AI de strategisch adviseur?

Ze vervangt het werk waar je vroeger een junior voor betaalde. Dat is een flink stuk van de factuur, en dat merk je aan de prijs.

Ze vervangt niet het oordeel dat bepaalt of de analyse de juiste vraag beantwoordt. Integendeel: nu iedereen in twee minuten een plausibel antwoord kan krijgen, wordt het zeldzamer en waardevoller om iemand te hebben die ziet wanneer dat antwoord niet klopt.

Het goedkoopste advies dat je ooit krijgt, is dat van een machine die zeker van haar zaak is. Het duurste is datzelfde advies, twee jaar later.

Zo werkt individueel strategisch managementadvies →

Bronnen

Andere artikels: