Wat kost AI voor een kmo? Waar je echt voor betaalt
AI hoeft niet duur te zijn. Wat kmo’s echt betalen voor AI-workflows, waardoor de kosten oplopen en hoe je ze laag houdt.
“Wat kost AI?” is de eerste vraag die de meeste ondernemers me stellen. Het eerlijke antwoord: minder dan je waarschijnlijk vreest, als je op de juiste manier begint. De dure AI-projecten zijn bijna altijd de projecten die te groot begonnen zijn.
Hier lees je waar je echt voor betaalt, wat AI duur maakt, en hoe je het betaalbaar houdt zonder er de kantjes van af te lopen.
De drie kosten van een AI-workflow
1. Het bouwen (eenmalig)
De workflow ontwerpen, hem verbinden met je tools, de instructies en controles schrijven, en hem testen op je echte gegevens. Dat is meestal het grootste deel van de kosten, en het hangt vooral af van drie dingen:
- Hoeveel tools er verbonden moeten worden. Eén inbox lezen en naar één CRM schrijven is eenvoudig. Vijf systemen zonder API is dat niet.
- Hoe rommelig de input is. Eén factuuropmaak is makkelijk. Tweehonderd leveranciers met elk hun eigen formaat vraagt meer werk.
- Hoeveel uitzonderingen er zijn. Elke “behalve als...” in het proces heeft een regel, een controle of een mens nodig.
Een gerichte pilot op één workflow is een klein project. Een bedrijfsbreed “AI-platform” is een groot project, en zelden een goede eerste stap.
2. Het laten draaien (doorlopend)
Telkens als de AI een e-mail of een document leest, betaal je de aanbieder van het model voor de tekst die verwerkt wordt. Voor de meeste dagelijkse bedrijfstaken komt dat neer op een fractie van een cent tot enkele centen per e-mail of document. Daar komen bescheiden hostingkosten voor de workflow zelf bij.
Om dat in perspectief te plaatsen: een workflow die 2.000 e-mails per maand leest aan enkele centen per stuk, kost ruwweg een paar tientallen euro per maand om te draaien. Vergelijk dat met de uren werk die hij vervangt.
3. Het onderhouden (doorlopend, klein)
Je tools veranderen, je processen veranderen, en AI-modellen krijgen updates. Reken elke maand op wat tijd om de resultaten na te kijken, nieuwe randgevallen op te vangen en de workflow te verbeteren. Het is veel minder dan het bouwen, maar het is niet niets, en wie iets anders beweert, is niet eerlijk met je.
Wat AI-projecten duur maakt
- Te groot beginnen. “Laten we de klantenservice automatiseren” is een programma. “Laten we antwoorden opstellen op e-mails over de status van een bestelling” is een project.
- Een platform kopen voor je het probleem kent. Licenties per gebruiker voor tools die niemand gebruikt, lopen snel op.
- Je eigen model trainen. Voor bijna elke taak in een kmo volstaan de bestaande modellen van de grote aanbieders. Je eigen model trainen is traag, duur en meestal overbodig.
- Een rommelig proces automatiseren. Als niemand de workflow op één pagina kan uitleggen, lost AI dat niet op. Het maakt de chaos alleen sneller.
- Niets meten. Zonder nulmeting kun je een goed project niet onderscheiden van een slecht, en dus blijven slechte projecten maandenlang lopen.
Hoe je het betaalbaar houdt
- Eén workflow, één cijfer. Kies één taak en één maatstaf, zoals uren per maand of antwoordtijd.
- Gebruik de tools die je al hebt. De AI moet werken in je e-mail, je CRM, je boekhoudsoftware en je agenda, niet in een nieuw platform waarvoor je moet betalen en dat je moet leren gebruiken.
- Gebruik bestaande modellen. Betaal per gebruik, en stap over naar een andere aanbieder als er een betere of goedkopere opduikt.
- Doe een pilot waarin een mens goedkeurt. Je haalt er vanaf de eerste week waarde uit, zonder het risico dat een volledig autonoom systeem in de fout gaat.
- Leg de omvang en de prijs van de pilot vast. Je kent de kosten voor je iets vastlegt, en je beslist over de volgende stap op basis van echte cijfers.
- Hergebruik wat werkt. Beproefde patronen om documenten te lezen, gegevens te controleren en uitzonderingen door te sturen, hoeven niet opnieuw uitgevonden te worden op jouw kosten.
Hoe je weet of het loont
Een eenvoudige manier om het in te schatten voor je begint:
| Voorbeeld | |
|---|---|
| Uren per maand aan de taak | 16 uur |
| Volledige uurkost van de mensen die ze doen | 40 € |
| Maandelijkse kost van de taak vandaag | 640 € |
| Deel dat de AI-workflow kan overnemen | 75 % |
| Waarde van de tijd die je terugkrijgt per maand | 480 € |
| Maandelijkse gebruikskost van de workflow | Enkele tientallen euro |
Deze cijfers zijn alleen een illustratie. Vul je eigen cijfers in. Ligt de maandelijkse waarde duidelijk hoger dan de gebruikskost, dan wordt de vraag hoe snel het bouwen zich terugbetaalt, en voor een goed gekozen eerste workflow is dat meestal een kwestie van maanden.
Niet elk voordeel blijkt bovendien uit uren. Snellere antwoorden winnen meer klanten, minder typfouten betekenen minder dure correcties, en je team besteedt zijn tijd aan werk waar echt mensen voor nodig zijn.
Vragen om aan elke AI-aanbieder te stellen (ook aan mij)
- Wat wordt er precies geautomatiseerd, en hoe meten we of het lukt?
- Wat kost het per maand om te draaien bij ons volume?
- Wat gebeurt er als de AI twijfelt?
- Kunnen we later van modelaanbieder veranderen, of zitten we vast?
- Waar gaan onze gegevens naartoe, en wie kan ze zien?
Kan een aanbieder deze vragen niet duidelijk beantwoorden, zoek dan verder.
Kortom
AI is betaalbaar voor kmo’s als je begint met één echt probleem, het meet en alleen bouwt wat je nodig hebt. Dat is ook de betrouwbaarste manier om het te laten werken.
Voor de volledige aanpak lees je hoe je AI implementeert in je bedrijf.
Over de auteur
Martin Michaux is Head of AI bij Herald en staat op de Forbes 30 Under 30-lijst. Voor Herald was hij medeoprichter van NOX Energy. Hij schrijft over wat hij leert bij het bouwen van AI-agents in productie.