De mondiale uitgaven aan kunstmatige intelligentie komen in 2026 waarschijnlijk uit op 2,7 biljoen dollar. Dat is 49,5% meer dan in 2025, volgens Gartner. De belangrijkste boodschap achter dat immense bedrag: het geld gaat voorlopig vooral naar de technische basis voor AI — rekenkracht, servers, chips, netwerken en cloudcapaciteit — en veel minder naar AI-toepassingen die al aantoonbaar op grote schaal rendement opleveren.
22
30
Gartner heeft zijn raming dit jaar steeds opgetrokken
Niet alleen het eindbedrag valt op, ook de snelheid waarmee de verwachting is verhoogd. In januari ging Gartner nog uit van 2,52 biljoen dollar aan AI-uitgaven in 2026, een groei van 44%. In mei werd dat 2,59 biljoen dollar en 47% groei. De nieuwste raming komt uit op ongeveer 2,7 biljoen dollar, oftewel 49,5% groei.
41
29
22
Dat wijst erop dat de verwachte vraag naar AI-capaciteit sneller toeneemt dan eerder voorzien. Volgens berichtgeving over Gartners langetermijnraming blijft de totale markt ook in 2027 stevig groeien, met ongeveer 36%, voordat het tempo in de jaren daarna afzwakt.
17
Infrastructuur blijft de grote geldstroom
De grootste uitgavenpost bestaat niet uit losse AI-apps. Het gaat om de fysieke en cloudbasis voor het trainen en draaien van modellen: AI-geoptimaliseerde infrastructuur als dienst (IaaS), servers, netwerkvoorzieningen, processorchips en apparaten. In de raming van mei vertegenwoordigde AI-infrastructuur meer dan 45% van alle AI-uitgaven wereldwijd.
29
Technologieaanbieders zijn goed voor 35% van de AI-uitgaven. Zij kopen AI-geoptimaliseerde servers, cloudinfrastructuur en chips om modellen en AI-agenten te bouwen, uit te rollen en te beheren.
22
Ook hogere prijzen voor geheugencomponenten hebben die bouwgolf niet gestopt. Gartner stelt dat de vraag naar infrastructuur voor verwachte toekomstige AI-werklasten sterk blijft en relatief ongevoelig is voor deze prijsdruk.
49 Grote cloudspelers en dienstverleners lijken capaciteit dus belangrijker te vinden dan kostenbeheersing op de korte termijn.
Ook software, diensten en modellen groeien mee
Infrastructuur domineert, maar is niet de enige groeimarkt. Gartner raamde voor 2026 ongeveer 585,5 miljard dollar aan AI-diensten, 453,2 miljard dollar aan AI-software en 64,25 miljard dollar aan AI-platforms en -modellen. Die laatste categorie zou 63,4% groeien ten opzichte van 2025.
38
20
35
Voor bedrijven is toegang tot een model op zichzelf niet genoeg. Er zijn ook investeringen nodig in koppelingen met bestaande systemen, datavoorbereiding, governance, inrichting van werkprocessen, monitoring en beheer. De infrastructuurhausse maakt die vervolgaankopen mogelijk, maar garandeert niet dat iedere AI-implementatie ook waarde oplevert.
Gartner verwacht bovendien dat ondernemingen steeds vaker gespecialiseerde modellen gebruiken. In 2027 zou meer dan de helft van de generatieve-AI-modellen bij bedrijven gericht zijn op een specifieke sector of bedrijfsfunctie, tegenover circa 1% in 2024.
12
Van assistenten naar AI-agenten
Binnen AI-software verschuift de aandacht van gesprekstoepassingen naar systemen die afgebakend werk in meerdere stappen kunnen uitvoeren. Analyse van Gartner-data wijst erop dat uitgaven aan ingebouwde chatbots en assistenten in 2027 pieken. In datzelfde jaar nemen ingebouwde agentische AI-systemen — AI die hulpmiddelen kan aanroepen en stappen in een werkproces kan uitvoeren — de overhand.
45
Dat verschil is belangrijk. Een assistent helpt bijvoorbeeld met schrijven, zoeken of samenvatten. Een AI-agent is bedoeld om binnen een proces daadwerkelijk taken vooruit te brengen. Die grotere zelfstandigheid vraagt tegelijk om strakkere toegangsrechten, toetsing, controleerbaarheid en limieten op gebruik.
‘Trough of Disillusionment’ betekent geen bestedingsstop
Gartner omschreef 2026 als een periode van desillusie rond AI: het moment waarop de aanvankelijke euforie botst met implementaties die niet de verwachte resultaten leveren.
41
53
Dat botst niet met de sterke uitgavengroei. Infrastructuurleveranciers kunnen fors investeren in capaciteit, terwijl afzonderlijke organisaties nog voorzichtig zijn met de vraag welke toepassingen betrouwbaar, betaalbaar en goed bestuurbaar genoeg zijn om breed uit te rollen. De beschikbare bronnen geven geen definitief Gartner-breed percentage van ondernemingen die AI al op productieschaal hebben ingevoerd; precieze beweringen daarover verdienen daarom terughoudendheid.
Wat bedrijven uit deze prognose kunnen halen
De praktische les is niet simpelweg: meer geld naar AI. Bedrijven moeten onderscheid maken tussen de wereldwijde race om capaciteit en hun eigen vermogen om meetbare waarde te creëren.
Belangrijke aandachtspunten zijn:
- Meet kosten en opbrengsten per werkproces. Zet model-, inference-, integratie- en menselijke controlekosten af tegen een concreet bedrijfsresultaat.
- Bouw vroegtijdig gebruikscontroles in. Budgetten, tarieflimieten en monitoring worden belangrijker wanneer AI-agenten meerstapswerk uitvoeren.
- Houd de architectuur zo flexibel mogelijk. Maak data-, evaluatie- en orkestratielagen waar mogelijk overdraagbaar, in plaats van het volledige systeem vast te zetten bij één model- of cloudleverancier.
- Neem datasoevereiniteit en uitstaprisico mee in inkoop. Gartner wijst expliciet op vendor lock-in, datasoevereiniteit en ontsporende kosten als aanhoudende risico’s, ook nu afnemers gesloten, propriëtaire AI-capaciteiten blijven adopteren.
30
De kern
De prognose van 2,7 biljoen dollar laat zien dat AI-uitgaven richting 2026 fors versnellen en waarschijnlijk ook in 2027 hoog blijven. Maar bovenal is dit het verhaal van de aanleg van wereldwijde AI-capaciteit. Voor individuele bedrijven blijft de doorslaggevende vraag smaller: kunnen zij die capaciteit omzetten in veilige, goed bestuurde werkprocessen met aantoonbare bedrijfseconomische waarde?
22
30