GreenPT Advies
Hoe wij dit berekenen
Wij verkopen metingen. Dan moet navolgbaar zijn hoe onze eigen schattingen tot stand komen. Deze pagina laat per uitkomst van de rekenmodule zien welk cijfer we gebruiken, waar het vandaan komt, wat er precies is gemeten, en hoe zeker het is. We verwijzen naar het originele rapport, niet naar een nieuwsbericht erover.
De rekenmodule geeft bewust bandbreedtes en geen enkele getallen. Dat is geen slordigheid. De verschillen tussen organisaties zijn zo groot dat elk gemiddelde misleidt. De module maakt die spreiding zichtbaar, en laat daarmee zien waarom alleen een echte meting uitsluitsel geeft.
Enkele bronnen hieronder zijn bedrijven die software of AI verkopen. We gebruiken ze omdat hun datasets veruit de grootste zijn die openbaar beschikbaar zijn, en omdat de bevindingen elkaar over onafhankelijke bronnen heen bevestigen. Dat belang bestaat en u hoort het te weten.
Medewerkers die AI gebruiken
Wat de module toont: een schatting van hoeveel van uw medewerkers AI voor werk gebruiken, gerekend met een mediaan van 15% van de medewerkers.
Bron: Netskope, Cloud and Threat Report: 2026, op basis van Telemetrie miljoenen gebruikers wereldwijd, okt 2024 - okt 2025.
Wat er precies is gemeten: het aandeel gebruikers in de mediane organisatie dat maandelijks met AI-apps interacteert, vastgesteld via netwerktelemetrie. Dit is gemeten gedrag, geen enquête. Enquêtes vragen mensen of ze AI gebruiken en komen daardoor hoger uit; een telemetriemeting ziet wat er werkelijk gebeurt. Wij gebruiken het telemetriecijfer omdat het vastgesteld gebruik meet in plaats van perceptie.
Zekerheid: hoog voor het cijfer zelf. De bandbreedte eromheen is een gekozen marge, geen door de bron gepubliceerd interval. Daarom noemt de module de uitkomst een schatting.
Aantal AI-tools
Wat de module toont: een schatting van het aantal verschillende AI-tools dat in uw organisatie draait, geschaald naar uw omvang vanuit een gemeten gemiddelde van 6 tot 8 per organisatie.
Bron: Netskope, Cloud and Threat Report: 2026.
Wat er precies is gemeten: het gemiddeld aantal verschillende AI-apps waar in een organisatie verkeer naartoe gaat. De meetlat is in een jaar sterk verbreed: er worden nu meer dan 1.600 AI-apps gevolgd, tegen 317 een jaar eerder.
Waarom de staart belangrijker is dan het gemiddelde: bij de bovenste een procent van de organisaties loopt het aantal op tot 89. Dat zijn organisaties die dachten grip te hebben en het niet hadden. Het gemiddelde stelt gerust, de staart is de waarschuwing.
Zekerheid: hoog. Let op: dit telt AI-apps, niet elke applicatie met een AI-functie erin. Bij een bredere definitie ligt het aantal hoger.
Promptvolume
Wat de module toont: een schatting van het aantal prompts dat uw organisatie per jaar verstuurt, geschaald naar uw omvang vanuit een gemeten mediaan van 18.000 prompts per organisatie per maand.
Bron: Netskope, Cloud and Threat Report: 2026.
Wat er precies is gemeten: het mediane aantal prompts naar AI-apps per organisatie per maand, gestegen van 3.000 een jaar eerder. Bij de bovenste 25 procent van de organisaties ligt dit boven de 70.000 per maand, bij de bovenste een procent boven de 1.400.000.
Een keuze die we bewust maakten: we rekenen vanuit dit cijfer per organisatie, niet vanuit een aanname over prompts per medewerker per dag. Zo'n per-persoon-cijfer circuleert wel, maar is niet tegen een primaire bron te verifiëren. We gebruiken het daarom niet.
Zekerheid: hoog voor de organisatiemetriek.
Schalen naar uw omvang
Wat de module doet: het aantal tools en het promptvolume zijn per organisatie gemeten, niet per medewerker, dus moeten ze naar uw personeelsbestand worden geschaald. Dat gebeurt met een gedempte omvangsfactor: (uw medewerkers ÷ 1.000) tot de macht 0,35. Bij 1.000 medewerkers is de factor precies 1 en staan de gemeten cijfers er onveranderd. Bij de bovengrens van de module, 10.000 medewerkers, is de factor 2,2 en niet 10.
Waarom gedempt en niet lineair: een organisatie van 10.000 mensen draait geen 10 keer zoveel AI-tools als een organisatie van 1.000. Tools worden gedeeld, en de wildgroei groeit langzamer dan het personeelsbestand. Zylo mat bij zeer grote organisaties wel bovenproportionele uitgavengroei, maar niet in aantallen.
Zekerheid: beide getallen in deze formule zijn van ons. De exponent 0,35 is ons oordeel over hoe sterk de curve moet afvlakken, en 1.000 medewerkers is de omvang waaraan we hem hebben opgehangen. Geen bron publiceert er een van. Dat ankerpunt weegt even zwaar als de exponent: onder 1.000 medewerkers zakt de factor onder 1, dus een kleinere organisatie krijgt minder tools en minder prompts te zien dan het gemeten gemiddelde, en een grotere meer.
De andere parameters die wij hebben gekozen en niet gemeten: de band van 10% tot 25% rond het aandeel AI-gebruikers, en de profielfactoren in de CO2-uitkomst. Beide staan hierboven in hun eigen paragraaf vermeld. We zetten ze hier bij elkaar zodat de gekozen delen van het model op één plek te tellen zijn. Al het overige op deze pagina is een cijfer dat een bron heeft gepubliceerd. Het aandeel AI-gebruikers en de uitgave per medewerker schalen bewust helemaal niet mee met omvang: geen bron ondersteunt dat.
Uitgaven
Wat de module toont: de verdeling van wat organisaties per medewerker per maand uitgeven aan AI-tools, met een mediaan van € 10,47, een bovenste tien procent van € 562,12, en een bovenste een procent van € 6.853,08.
Bron: Ramp AI Index, juni 2026, op basis van Card- en bill-pay-data van meer dan 70.000 Amerikaanse bedrijven.
Wat er precies is gemeten: card- en factuurbetalingen van bedrijven aan AI-tools, abonnementen en tokens. Dit zijn Amerikaanse bedrijven, en de bedragen zijn omgerekend van dollar naar euro tegen de koers van 30 juli 2026. De meting sluit infrastructuur, eigen ontwikkeling en salarissen uit. Europese cijfers kunnen hiervan afwijken.
Per medewerker betekent per medewerker op de loonlijst, niet per medewerker die AI gebruikt. Zo deelt de bron het, dus het jaartotaal in de rekenmodule rekent het maandbedrag maal uw volledige personeelsbestand, en niet maal het kleinere aantal uit de eerste uitkomst. Per AI-gebruiker uitgedrukt zou het bedrag per persoon een paar keer hoger uitkomen en het jaartotaal precies hetzelfde.
Hoe het jaartotaal wordt berekend: het mediane bedrag per medewerker per maand, maal twaalf, maal uw aantal medewerkers. Er komt niets anders in. Daarom staat het bedrag op de cent: zo kunt u het jaartotaal met een rekenmachine narekenen en op hetzelfde getal uitkomen als wij. De module toont één bedrag op de mediaan en geen band tot de bovenste tien procent, omdat een band die meer dan vijftig keer overspant een lezer niets vertelt waar hij iets mee kan. De spreiding staat er nog wel, een blok hoger, per medewerker per maand, waar hij ergens tegen af te zetten is.
Waarom één bron en geen mix: de verdeling, van mediaan tot bovenste een procent, komt volledig uit dit ene onderzoek. Er bestaat een tweede, veelgenoemde bron, Federal Reserve Bank of Atlanta, Survey of Business Uncertainty, mei 2026, die op € 1.903 per medewerker per jaar uitkomt. Die meet echter iets anders, namelijk de totale AI-investering inclusief infrastructuur, en mag daarom niet op dezelfde verdeling worden gelegd. We noemen hem hier als context, niet in de grafiek.
Waarom de spreiding het punt is: het verschil tussen de mediaan en de bovenste een procent is een factor van honderden. Dat komt niet door meetfouten, maar doordat de verdeling extreem scheef is. Een klein aantal organisaties geeft enorm veel uit, de meeste heel weinig. Een gemiddelde zegt daarom weinig over uw situatie. Waar u zit, kan alleen een meting uitwijzen.
Zekerheid: hoog voor de losse cijfers. Let op de geografische en inhoudelijke beperking: Amerikaanse bedrijven, alleen tool- en tokenuitgaven.
CO2-uitstoot
Wat de module toont: een bandbreedte voor de jaarlijkse CO2-uitstoot van uw AI-gebruik, gerekend uit uw geschatte promptvolume maal een emissiefactor die per prompt tussen 0,03 en 1,14 gram ligt, en aangepast aan uw gekozen gebruiksprofiel.
Bronnen: de ondergrens komt uit Google, Measuring the environmental impact of delivering AI at Google Scale, aug 2025, de bovengrens uit Mistral, levenscyclusanalyse Mistral Large 2, juli 2025.
Waarom een bandbreedte en geen getal: dit is de belangrijkste uitleg op deze pagina. De gepubliceerde uitstoot per prompt verschilt met een factor van tientallen tussen de laagste en de hoogste meting. Dat verschil komt deels doordat het ene model veel groter is dan het andere, en deels doordat elke partij op een andere manier meet en andere dingen meerekent. Wie op zoiets een enkel getal plakt, wekt een precisie die niet bestaat. Daarom tonen we een marge, en niet meer dan dat.
Waarom het gebruiksprofiel meetelt: een organisatie die vooral tekst laat herschrijven, verbruikt per prompt veel minder dan een organisatie die code laat genereren of documenten laat analyseren. Tokenzware en redenerende taken verbruiken een veelvoud. Het profiel dat u kiest, verschuift de bandbreedte mee. Het is een benadering, geen meting, en dat is precies waarom een echte meting het verschil maakt.
Wat de bronnen wel en niet meerekenen: de Mistral-analyse is een peer-reviewed levenscyclusanalyse volgens erkende standaarden, maar sluit het apparaat van de gebruiker uit en noemt zichzelf een eerste benadering. Het Google-cijfer is een productiemediaan, maar is nog niet onafhankelijk geauditeerd en profiteert van Google's eigen inkoop van schone energie. Beide zijn de best beschikbare primaire cijfers, met die kanttekeningen.
Waarom dit er toch staat: dit volume en deze uitstoot komen op dit moment in geen enkele CSRD- of accountantsrapportage voor. Dat is precies het gat. Niet welk getal het is, maar dat u het vandaag niet kunt leveren.
Sector
Wat de module doet: als u een sector kiest, past alleen het aandeel AI-gebruikers zich aan. De overige uitkomsten niet.
Status op 30 juli 2026: de sectorkeuze is in de module wel aanwezig, maar past de uitkomst nog niet aan. De vertaalslag van "aandeel bedrijven dat AI gebruikt" naar "aandeel medewerkers dat AI gebruikt" is een inhoudelijke aanname die nog niet is gevalideerd, en wij berekenen geen prominente uitkomst op een ongecontroleerde verhouding. Zolang die vertaalslag niet apart is doordacht of door onze eigen sectormetingen wordt gedragen, rekent de module met de cross-sectorale mediaan. De alinea hierboven beschrijft de werking zodra dat wel het geval is.
Bron: Eurostat, AI-gebruik bij bedrijven (isoc_eb_ain2), 2025 / CBS AI-monitor.
Waarom alleen dit ene aspect: officiële statistiek meet per sector hoeveel bedrijven AI gebruiken. Ze meet niet per sector hoeveel tools er draaien, wat het kost, of hoeveel prompts er worden verstuurd. Voor die assen bestaat geen verdedigbare sectorbron. We passen de sector daarom alleen toe waar we hem kunnen onderbouwen, en laten de rest ongemoeid. Een sectorkeuze die alles zou veranderen zou een precisie suggereren die de openbare cijfers niet dragen.
Zekerheid: de adoptiecijfers zijn officiële statistiek. Let op: ze meten het aandeel bedrijven, niet het aandeel medewerkers, en de meetmethode is voor het meest recente jaar aangepast. We passen daarom de verhouding tussen sectoren toe, niet het absolute cijfer.
Beperkingen die voor alles gelden
Telemetrie en enquêtes verschillen. De gebruiks- en toolcijfers komen uit telemetrie en meten vastgesteld gedrag. Enquêtes komen hoger uit. Beide hebben hun plek, maar ze zijn niet inwisselbaar.
Amerikaanse data waar Europese ontbreekt. De uitgaven zijn gemeten bij Amerikaanse bedrijven. Voor Europa bestaat geen vergelijkbare openbare meting. Dat is een van de redenen dat we zelf zijn gaan meten.
Geen enkel cijfer is uw cijfer. Alles op deze pagina is een gemiddelde of een mediaan van andere organisaties. Uw eigen positie in die verdeling is precies wat de gap-analyse in vier weken vaststelt.
Wat wij zelf meten
Wij voeren gap-analyses uit bij organisaties en publieke instellingen in Europa en Noord-Amerika. Die metingen zijn eigendom van onze opdrachtgevers en publiceren wij niet zonder toestemming. Zodra we genoeg metingen hebben om er verantwoord over te rapporteren, vervangen we op deze plek de openbare aannames door onze eigen cijfers, uitgesplitst per sector zodra elke categorie minstens vijf metingen telt. Tot die tijd rusten de schattingen op openbaar onderzoek, zoals hierboven verantwoord.
Correcties
Deze pagina is voor het laatst gecontroleerd op 30 juli 2026. Klopt er iets niet, is een rapport geactualiseerd, of hebben wij een cijfer verkeerd weergegeven? Mail hello@greenpt.ai. We passen het aan of halen het weg, en vermelden de wijziging op deze pagina.