Anthropic, OpenAI en Google: wie wint en waarom het verschilt

Kort samengevat: Rapporten over welk AI-lab het bedrijfsleven "wint" spreken elkaar tegen omdat ze verschillende dingen meten: geschatte uitgaven op basis van API-gebruik, het aandeel bedrijven dat een leverancier in productie gebruikt, of het aandeel in het budget. Ga voorzichtig om met elk afzonderlijk percentage, beslis op basis van een test met uw eigen taken en maak u niet afhankelijk van één leverancier.

Belangrijkste punten

• Menlo Ventures schat Anthropic in 2025 op 40% marktaandeel bij LLM's voor bedrijven, OpenAI op 27% en Google op 21%.
• Een aparte a16z-enquête onder CIO's van Global 2000-bedrijven vond dat 78% OpenAI-modellen in productie gebruikt en 44% Anthropic. Een bedrijf kan dus bij beide meetellen.
• Verschillende steekproeven, tijdstippen en definities verklaren een groot deel van het verschil. Geen van beide rapporten telt elke dollar of elke token.
• Bij programmeren is het verschil het grootst: Menlo plaatst Anthropic op 54% van het zakelijke gebruik voor code en OpenAI op 21%.
• Volgens a16z gebruikt 81% van de bedrijven drie of meer modelfamilies. Meerdere leveranciers zijn dus al gebruikelijk.

Wat zeggen de twee rapporten precies?

Menlo Ventures. In het rapport 2025 State of Generative AI in the Enterprise (december 2025) meldt Menlo Ventures dat bedrijven in 2025 samen 37 miljard dollar uitgaven aan generatieve AI, tegen 11,5 miljard in 2024. Voor leveranciers van grote taalmodellen schat Menlo Anthropic op 40%, OpenAI op 27% en Google op 21%, samen 88% van de markt. Menlo omschrijft zijn cijfers als "geschatte bestede dollars op basis van het aandeel in productiegebruik van API's". Ze komen uit een enquête onder 495 Amerikaanse besluitvormers over zakelijke AI, gehouden van 7 tot 25 november 2025. Menlo merkt op dat de steekproef beperkt is tot Amerikaanse bedrijven en dat omzetcijfers van particuliere bedrijven schattingen zijn.

Andreessen Horowitz (a16z). Voor zijn op 30 januari 2026 gepubliceerde rapport over enterprise-AI ondervroeg a16z 100 CIO's en leidinggevenden bij Global 2000-bedrijven (omzet vanaf 500 miljoen dollar) in de VS, Canada, het Verenigd Koninkrijk, de EU, Azië en Australië. Daaruit blijkt dat 78% van de ondervraagde CIO's OpenAI-modellen in productie gebruikt en 44% Anthropic (meer dan 63% inclusief testen). OpenAI zou ongeveer 56% van het budgetaandeel hebben. Verder gebruikt 81% van de ondervraagde bedrijven drie of meer modelfamilies in tests of in productie.

Waarom verschillen de cijfers?

Op het eerste gezicht spreken de rapporten elkaar tegen: in het ene staat Anthropic voorop, in het andere ligt OpenAI ver voor. Ze beantwoorden echter verschillende vragen.

• Wat er wordt geteld. Het aandeel van Menlo is een schatting van uitgaven op basis van productiegebruik van API's. De kerncijfers van a16z zijn het percentage ondervraagde bedrijven dat een leverancier in productie gebruikt, plus een aparte schatting van het budgetaandeel. Een leverancier die veel bedrijven voor kleine taken gebruiken, kan op de ene maatstaf hoog scoren en op een andere laag.
• Wie er is gevraagd. Menlo ondervroeg 495 besluitvormers bij Amerikaanse bedrijven. a16z ondervroeg 100 CIO's bij Global 2000-bedrijven in meerdere regio's. Andere groepen, andere omvang en andere regio's geven andere antwoorden.
• Wanneer er is gevraagd. De enquête van Menlo liep in november 2025 en het rapport van a16z verscheen eind januari 2026. In een markt die snel beweegt, tellen enkele maanden mee.
• Wat er ontbreekt. a16z merkt op dat zijn methodiek AI-codingstartups uitsluit. Dat beperkt hoe precies programmeren kan worden gemeten.

Beide zijn enquêtes met opgaven en schattingen van mensen, geen kasboek van elke dollar en elke token. Geen van beide vertelt u welk model het beste is voor uw taak.

Waarom is programmeren anders?

Bij programmeren wijzen de rapporten het duidelijkst in dezelfde richting. Menlo plaatst Anthropic op 54% en OpenAI op 21% van het zakelijke API-gebruik voor programmeertaken. a16z zegt dat de winst van Anthropic zit in "tokenintensieve codingtoepassingen" en dat het zakelijke aandeel van Google bij codingwerk merkbaar lager blijft. Codingagents draaien lange, herhaalde sessies, waardoor een klein aantal teams een groot deel van het gebruik kan uitmaken. Daarom kunnen een gebruiksgebaseerd cijfer en een cijfer over hoeveel bedrijven een leverancier gebruiken zo verschillend uitpakken. Meer over de tools zelf leest u in ons artikel over wat de heroriëntatie van Microsoft Copilot betekent voor codingagents.

Hoe leest u een marktaandeelcijfer?

Een korte checklist werkt bij elk leveranciers- of analistenrapport:

1. Zoek de definitie. Gaat het om dollars, tokens, API-aanroepen, bedrijven die een leverancier gebruiken, of iets anders?
2. Controleer de steekproef. Wie antwoordde, hoeveel, waar en wanneer?
3. Zoek wat is uitgesloten. Codingstartups, consumentenproducten en zelfbouw ontbreken vaak.
4. Vergelijk gelijk met gelijk. Zet het gebruiksaandeel uit het ene rapport niet naast het uitgavenaandeel uit een ander.
5. Vraag wie er baat bij heeft. Analisten en investeerders hebben eigen belangen. Lees de methodiek, niet alleen de kop.
6. Gebruik het als context, niet als oordeel. Een marktaandeel laat zien wat anderen kochten, niet wat bij uw werk past.

Wat betekent dit voor de keuze van een modelleverancier?

De praktische les is dat de koploper kan wisselen en dat uw keuze niet van één rapport mag afhangen. In de a16z-enquête gebruikte 81% van de bedrijven drie of meer modelfamilies, wat erop wijst dat meerdere leveranciers al gangbaar zijn. Een paar gewoonten helpen:

• Test met uw eigen taken. Bouw een kleine testset uit uw echte documenten, tickets of code en vergelijk modellen daarmee voordat u zich vastlegt.
• Houd een abstractielaag. Leid modelaanroepen via één interne interface, zodat van leverancier wisselen een configuratiewijziging is en geen herbouw.
• Let op het contract. Controleer gegevensverwerking, bewaartermijnen, prijswijzigingen en de mogelijkheid om uw prompts, evaluaties en fine-tuningdata te exporteren.
• Stem model en taak op elkaar af. Voor eenvoudig werk kan een goedkoper of open model volstaan, voor moeilijke taken kan een frontiermodel de prijs waard zijn. Onze gids over het lezen van een frontiermodel-release helpt bij het beoordelen van aankondigingen.
• Plan voor agents. Beweegt u richting autonome workflows, lees dan waarom AI-agents hun eigen infrastructuur krijgen.

Het gebruik zelf is breed. De McKinsey-enquête State of AI, gepubliceerd op 5 november 2025 onder 1.993 respondenten in 105 landen, vond dat 88% van de organisaties AI gebruikt in minstens één bedrijfsfunctie, samengevat door Silicon Canals. Of u AI gebruikt, is niet langer de vraag. Het gaat erom het goed te kiezen en te beheren.

De korte versie

Een enkel "marktaandeel van enterprise-AI" bestaat niet. Menlo Ventures ziet Anthropic voorop bij geschatte uitgaven op basis van API-gebruik, a16z ziet OpenAI bij meer ondervraagde Global 2000-bedrijven in productie, en beide zijn enquêtes. Lees de definitie vóór het percentage, test modellen op uw eigen werk en bouw uw systemen zo dat u van leverancier kunt wisselen.

Gerelateerde inzichten

• Gemini 4 Argon: zo leest u de release van een frontiermodel
• Waarom AI-agents hun eigen infrastructuur krijgen
• AI-codingagents: wat de heroriëntatie van Microsoft Copilot betekent

Bronnen

• Menlo Ventures, 2025: The State of Generative AI in the Enterprise, december 2025
• Andreessen Horowitz, Leaders, gainers and unexpected winners in the Enterprise AI arms race, 30 januari 2026
• Silicon Canals, McKinsey's 2025 global AI survey: 88% of organizations now use AI in at least one function, samenvatting van de McKinsey-enquête State of AI van 5 november 2025