Wat is er gebeurd
OpenAI heeft zijn eerste B2B Signals rapport gepubliceerd, een benchmark op basis van geaggregeerd enterprise gebruik van OpenAI-producten. De kernboodschap is duidelijk: bedrijven die echt voordeel halen uit AI geven medewerkers niet alleen toegang tot chattools, maar zetten per medewerker veel meer AI-capaciteit in voor complexer werk.
Volgens het rapport gebruiken zogeheten frontier firms inmiddels 3,5 keer zoveel intelligence per medewerker als doorsnee bedrijven, tegenover 2 keer een jaar geleden. OpenAI stelt dat maar een deel van dat verschil komt door meer berichten. Het grootste deel komt door diepere inzet, rijkere context en inhoudelijk zwaarder werk dat aan AI wordt gedelegeerd.
Het sterkste signaal zit in agentische tooling. OpenAI zegt dat frontier firms 16 keer zoveel Codex-berichten per medewerker versturen als typische bedrijven. Ook tools als ChatGPT Agent, GPTs, Apps en Deep Research worden daar intensiever gebruikt. Simpel gezegd: koplopers gaan van vragen stellen naar meerstapswerk uit handen geven.
Waarom dit relevant is
Dit is relevant omdat het enterprise kopers een concreter volwassenheidsmodel geeft. De markt sprak de afgelopen twee jaar vooral over adoptie in seats, pilots en intern enthousiasme. B2B Signals suggereert dat de echte scheidslijn nu ligt bij workflowdiepte. De winnaars zijn organisaties die AI koppelen aan echte taken, echte systemen en echte operationele randvoorwaarden.
Het bevestigt ook wat veel engineeringteams al aanvoelen: chat alleen levert geen duurzaam voordeel op. Zolang AI in een zijvenster blijft hangen, blijven de opbrengsten oppervlakkig. Zodra AI code helpt schrijven, claims intake ondersteunt, support triage doet of records aanmaakt in systems of record, verandert de rekensom omdat werk echt verschuift.
Er zit ook een Europese invalshoek aan. Veel organisaties hier zijn terecht voorzichtig met governance, vendor lock-in en dataverwerking. Die voorzichtigheid is verstandig, maar kan ook vertragen. Dit soort rapporten vergroot de druk op directieteams om voorbij experimenten te gaan en gecontroleerde productie-workflows te bouwen voordat de kloof met snellere adopters groter wordt.
Laava perspectief
Voor Laava zit het interessante punt niet in de benchmark zelf, maar in wat die benchmark beloont. De bedrijven die vooroplopen zijn niet de partijen met de luidste AI-boodschap. Het zijn de partijen die AI verankeren in begrensde, herhaalbare processen waar de output telt en de overdracht duidelijk is.
Dat sluit precies aan op hoe wij production AI agents benaderen. Begin bij een documentintensief of workflowintensief proces. Breng de trigger, business rules, exception path en systeemactie in kaart. Bouw daarna een agent die kan lezen, redeneren en handelen in bestaande ERP-, CRM-, e-mail- of interne systemen, met auditability en menselijke goedkeuring waar nodig.
Daarom blijven we ook sceptisch op demo-theater. Een gelikte chatinterface kan een organisatie innovatief laten lijken zonder veel te veranderen onder de motorkap. B2B Signals onderstreept juist het tegenovergestelde punt: enterprise waarde stapelt zich op wanneer AI operationele infrastructuur wordt, niet wanneer het vooral nog een extra browsertab is.
Wat je nu kunt doen
Als je verantwoordelijk bent voor operations, finance, customer service of een andere backofficefunctie, is dit een goed moment om te beoordelen waar AI nog vastzit op assistentniveau. Zoek naar repetitieve workflows met pdf's, e-mail, formulieren, approvals of data-entry tussen systemen. Dat zijn vaak betere kandidaten voor production agents dan nog een generieke chatbotuitrol.
Meet daarna diepte, niet hype. Kijk of AI doorlooptijd verlaagt, throughput verhoogt, exception work vermindert of het aandeel werk vergroot dat echt binnen de workflow wordt afgehandeld. Dat is het verschil tussen een AI-programma dat druk oogt en een AI-programma dat oplopende operationele waarde creëert.