AI-native bedrijf

Wat is een AI-native bedrijf?

Een AI-native bedrijf is een bedrijf waarvan de kernprocessen, producten en beslissingen van bij het begin rond AI-modellen zijn gebouwd. De modellen zijn geen extraatje bovenop de manier waarop het bedrijf al werkte. Ze zijn de manier waarop het bedrijf werkt. Haal ze weg en het bedrijf wordt niet trager, het valt stil.

Die laatste zin is de test die vandaag het meest wordt gebruikt om het label van de marketing te scheiden. Het durfkapitaalfonds CRV schreef hem in maart 2026 uit voor oprichters: als je de AI weghaalt, werkt het product dan nog? Niet slechter, niet zonder een handige functie, maar helemaal niet meer. Is het antwoord ja, dan is het product AI-native. Draait het bedrijf gewoon verder zoals vroeger, met een paar mensen die met de hand doen wat een copilot voor hen deed, dan is het AI-enabled.

De test werkt even goed op een volledig bedrijf als op een product. Een advocatenkantoor dat een schrijfassistent gebruikt, is AI-enabled: zet hem uit en de advocaten schrijven verder, alleen trager. Een kantoor dat een dossier binnenneemt door een model het dossier te laten lezen, de rechtspraak op te zoeken, het advies te schrijven en enkel de uitzonderingen naar een advocaat te sturen, heeft zijn intake op het model gebouwd. Zet het uit en er is geen intake meer, alleen een wachtrij.

AI-enabled versus AI-native: de uitschakeltest

In verkooppresentaties lopen de twee termen door elkaar. Het helpt om ze op één dimensie te vergelijken: wat gebeurt er als de modellen wegvallen?

AI-enabled

Het proces bestond al voor de modellen er waren en het heeft nog altijd dezelfde vorm. Op één stap is een model ingeschoven: de mail samenvatten, een antwoord voorstellen, het rapport schrijven. Mensen blijven eigenaar van elke overdracht. Haal het model weg en die stap wordt opnieuw manueel werk. Het bedrijf verliest tijd en blijft draaien. Zowat elk gevestigd bedrijf dat vandaag AI gebruikt, zit in deze groep.

AI-native

Het proces is van nul getekend, met het model als uitvoerder en mensen als controleurs. De data is zo gestructureerd dat een model ze kan lezen, de stappen zijn bepaald rond wat een model goed kan, en de rol van de mens is verschoven van het werk doen naar de uitzonderingen nakijken. Haal het model weg en er is geen proces meer, want niemand heeft dat werk ooit in die vorm met de hand gedaan.

Een derde term, AI-first, zit daartussen en beschrijft meestal een voornemen, geen toestand. Toen de CEO van Shopify in april 2025 schreef dat reflexmatig AI-gebruik voortaan de basisverwachting was, en dat teams eerst moesten aantonen waarom AI het werk niet kon doen voor ze extra mensen vroegen, was dat een AI-first beleid binnen een bedrijf dat AI-enabled was, en dat grotendeels nog is. Zo'n beleid duwt een bedrijf richting native. Het maakt het niet native op zichzelf.

Hoe een AI-native bedrijf in de praktijk werkt

Wie deze bedrijven bestudeert, komt telkens op dezelfde kenmerken uit. Geen enkel daarvan gaat over welk model je gebruikt.

Data en koppelingen die gemaakt zijn om door agents gelezen te worden. Productdata, klantgeschiedenis en interne API's zijn zo opgezet dat een model ze kan bevragen zonder dat iemand waarden van het ene scherm naar het andere kopieert. Andreessen Horowitz beschreef in mei 2026 de nieuwe generatie bedrijfssoftware als gebouwd voor leesbaarheid door machines, met agent-orkestratie als kernfunctie, in plaats van een scherm voor een mens met achteraf een API erbij.

Processen hertekend in plaats van geautomatiseerd zoals ze zijn. Een team van BCG schreef in juni 2026 dat de meeste organisaties AI invoeren maar de manier waarop het werk georganiseerd is onaangeroerd laten: ze zetten copilots op ongewijzigde processen en halen daar 10 tot 20 procent productiviteitswinst uit. De bedrijven die veel meer binnenhaalden, hadden hun processen van begin tot eind hertekend voor agents, met mensen die het resultaat bewaken in plaats van de stappen uit te voeren.

Kleine teams met een hoge output. Het duidelijkste publieke signaal is omzet per medewerker. Een bedrijf dat op modellen is gebouwd, heeft veel minder mensen nodig per eenheid output dan een bedrijf waar mensen het werk doen met hulp van een model.

Evals en kost per taak als operationele cijfers. Omdat het model het werk doet, is de kwaliteit van zijn output een operationeel cijfer. Deze bedrijven draaien een evaluatieset bij elke wijziging aan een prompt of een model, zoals een fabriek elke batch door de kwaliteitscontrole haalt. Daarnaast staat de kost per taak: de modelkost, de rekenkracht en de menselijke controletijd die nodig zijn om één eenheid werk af te ronden. Een proces dat het juiste antwoord geeft tegen tien keer de verwachte kost heeft een defect, ook al ziet de nauwkeurigheid er goed uit.

AI-gebruik als aanwervingscriterium. Vlot werken met AI-tools wordt getoetst bij aanwerving en in evaluatiegesprekken, zoals een generatie geleden met spreadsheetvaardigheden gebeurde. De business-building-praktijk van McKinsey, die met de leiding van vijftien AI-native bedrijven sprak, zet aanwerven op AI-vaardigheid bij de dingen die deze bedrijven doen om de adoptie te laten groeien. De memo van Shopify maakte dezelfde verwachting expliciet binnen een gevestigd bedrijf.

Voorbeelden uit 2025 en 2026

Lovable. Het Stockholmse bedrijf achter de gelijknamige tool om apps te bouwen, zei in maart 2026 tegen TechCrunch dat het de kaap van 400 miljoen dollar jaarlijks terugkerende omzet had gerond met 146 voltijdse medewerkers, ongeveer 2,7 miljoen dollar per medewerker. Het product slaagt voor de uitschakeltest: zonder modellen valt er niets te verkopen.

Cursor. Bloomberg meldde in maart 2026 dat de AI-code-editor van Anysphere de 2 miljard dollar omzet op jaarbasis had overschreden, het dubbele van drie maanden eerder, met ongeveer 60 procent afkomstig van bedrijfsklanten. Het bedrijf heeft geen personeelsaantal gepubliceerd dat wij konden nagaan, dus laten we het cijfer per medewerker weg.

Klarna, als waarschuwing. In februari 2024 zei het betaalbedrijf dat zijn AI-assistent in de eerste maand 2,3 miljoen klantgesprekken had afgehandeld, het werk van 700 medewerkers. In mei 2025 zei de CEO tegen Bloomberg dat kost te zwaar had doorgewogen in die beslissing en dat het resultaat een lagere kwaliteit was. Het bedrijf begon opnieuw mensen aan te werven voor de klantendienst. De assistent handelt nog altijd ongeveer twee derde van de vragen af. De moeilijke namen mensen terug over. De AI deed waarvoor hij gebouwd was. Het personeel ging buiten voor het proces was hertekend.

Hoe analisten het framen. Gartner zette AI-native ontwikkelplatformen op zijn lijst van strategische technologietrends voor 2026, aangekondigd in oktober 2025, en voorspelt dat tegen 2030 ongeveer 80 procent van de organisaties hun grote softwareteams zal hebben omgevormd tot kleinere teams met AI-ondersteuning. Let op de reikwijdte: Gartner gebruikt AI-native voor de platformen en de teams die software bouwen, niet als label voor volledige bedrijven.

Wat het betekent voor een KMO

De meeste gevestigde bedrijven zullen nog jaren AI-enabled zijn, en daar is niets mis mee. Je hebt klanten, mensen, contracten en systemen die niet rond een model zijn ontworpen, en alles tegelijk herbouwen is hoe je eindigt waar Klarna in 2024 stond. De nuttige stap is tegelijk kleiner en radicaler: kies één proces en bouw het AI-first opnieuw, van begin tot eind, in plaats van in elke afdeling een copilot te strooien.

Een uitgewerkt voorbeeld. Een groothandel krijgt zowat 200 offerteaanvragen per week binnen via mail, de helft met een spreadsheet of een foto van een stuklijst erbij. Vandaag lezen twee mensen elke mail, zoeken ze de prijzen op in het ERP, checken ze de voorraad en typen ze de offerte. In de AI-enabled versie krijgen die twee mensen een copilot die de mail samenvat. Zelfde proces, tien minuten gewonnen per offerte.

De AI-native versie vertrekt van een andere vraag: hoe zou dit proces eruitzien als een model het leeswerk deed? De prijslijst en de voorraadstanden krijgen een propere API zodat het model ze zelf kan opvragen. Het offertesjabloon wordt gestructureerde data in plaats van een Word-bestand. Een model leest de aanvraag, stelt de offerte op en geeft een score aan zijn eigen zekerheid. Offertes boven de zekerheidsdrempel en onder een vast bedrag vertrekken vanzelf. De rest komt in een controlewachtrij terecht, met het voorstel van het model en zijn twijfels erbij. De twee mensen kijken nu 40 offertes per dag na in plaats van er 40 te typen, en besteden de rest van hun dag aan de klanten die bellen. Zet het model uit en er is geen offerteproces meer om op terug te vallen. Precies daarom hou je de controlewachtrij, de evals en een manier om het te pauzeren.

Drie dingen beslissen of zo'n project lukt: de data erachter is proper genoeg om door een model gelezen te worden, er is een meetbaar resultaat zoals doorlooptijd of kost per offerte, en iemand is eigenaar van het proces na de livegang.

Waar moet je op letten bij het label AI-native

Het label als rebranding. Een chatbot aan een bestaand product hangen en het bedrijf AI-native noemen, is het patroon dat toezichthouders AI washing noemen. In maart 2024 legde de Amerikaanse beurswaakhond twee beleggingsadviseurs, Delphia en Global Predictions, samen 400.000 dollar boete op omdat ze AI-mogelijkheden claimden die ze niet hadden. Pas de uitschakeltest toe op elke leverancier die het label gebruikt: vraag wat er stopt met werken als de modellen uitgaan.

Ontslagen die aangekondigd worden voor het proces hertekend is. Het personeelsaantal is het laatste wat verandert bij een echte AI-native herbouw, omdat je pas na een tijd draaien weet hoeveel controleurs een proces nodig heeft. Eerst de ontslagen aankondigen en daarna ontdekken dat de kwaliteit zakt, is de volgorde die Klarna in 2025 heeft moeten terugdraaien.

De aanname dat AI-native betekent: geen mensen. Elk bedrijf in deze groep heeft mensen in dienst. Alleen minder mensen per eenheid output, en in andere rollen. De controleurs, de mensen die de evals schrijven en onderhouden, en wie de klant te woord staat als het model twijfelt: zij zijn het proces. Ontwerp ze van dag één mee in plaats van na de eerste slechte maand te ontdekken dat je ze nodig hebt.