Onderzoek: onzekerheid over rendement kwantum-AI
Organisaties tonen in 2026 wel meer bereidheid om te investeren in kwantum-AI, maar twijfelen nog over de toepassingsmogelijkheden ervan. Dat blijkt uit een wereldwijd onderzoek van SAS onder ruim 500 leidinggevenden.
Kwantum-AI komt neer op het draaien van machine learning-algoritmen op kwantumhardware. Voor het data- en BI-vakgebied betekent dit bijvoorbeeld dat rekenintensieve taken sneller uit te voeren zijn dan met klassieke systemen.
Twijfels over toepassingen werpen drempels op
Waar in 2025 vooral implementatiekosten een barrière waren, staat nu onzekerheid over concrete use cases voorop. Concreet zijn de belangrijkste obstakels voor adoptie: onzekerheid over praktische toepassingen, hoge implementatiekosten en een gebrek aan getraind personeel. Ook beperkte kennis, beperkte beschikbaarheid van oplossingen en het ontbreken van duidelijke regelgeving spelen een rol.
Volgens het onderzoek zal kwantumtechnologie pas begin jaren 2030 klaar zijn voor gebruik in productieomgevingen, als zich een stabiele toeleveringsketen voor kwantumhardware heeft ontwikkeld. In de komende jaren zal de nadruk op hybride architecturen liggen, stelt SAS, waarbij klassieke computing en kwantumcomputing gecombineerd worden.
Verwachte waarde: snellere verwerking en efficiëntere modellen
Toch zien de respondenten wel toepassingsmogelijkheden voor zich. Ze noemen bijvoorbeeld het verbeteren van fraudedetectie in financiële dienstverlening en het optimaliseren van logistieke processen in supply chains.
Daarnaast verwachten organisaties dat kwantum-AI kan bijdragen aan het versnellen van moleculaire simulaties, het optimaliseren van 5G-netwerken en het verbeteren van machine learning-workflows. In dat laatste geval gaat het specifiek om efficiëntere predictive modelling en het trainen van LLM’s met minder rekenkracht en data.
Meer informatie over het onderzoek is hier te vinden.
