AI-agents in je bedrijf: waar begin je, wat kost het en wat levert het op?

Het probleem is niet of AI werkt, maar waar je begint

De meeste ondernemers zijn er inmiddels wel van overtuigd dat AI iets kan betekenen. De vraag die blijft hangen is een andere: waar beginnen we dan? En die vraag is lastiger dan hij lijkt, omdat de verkeerde eerste keuze een traject maanden kan kosten zonder dat er iets bruikbaars uitkomt.

Wat we in de praktijk zien gebeuren: een bedrijf begint bij de taak die het indrukwekkendst klinkt. Een assistent die alles weet. Een systeem dat offertes volledig zelfstandig maakt. Zes maanden later is er een demo die het soms doet, niemand die hem vertrouwt, en een directie die concludeert dat "AI nog niet zover is".

De bedrijven waar het wel lukt, beginnen bijna zonder uitzondering met iets saais. Eén taak, vaak administratief, die elke week tientallen keren terugkomt. Dat is minder spannend om over te vertellen, maar het is wel wat er na een half jaar nog draait.

Hoe je de juiste eerste taak kiest

Een geschikte eerste taak voldoet aan drie voorwaarden tegelijk. Mist er één, dan wordt het moeilijk.

Een praktische manier om dit boven tafel te krijgen: vraag je teamleiders welke taak ze zouden wegautomatiseren als ze één ding mochten kiezen. Niet "waar zou AI kunnen helpen" — dat levert vage antwoorden op — maar "welk werk kost jullie nu het meeste tijd en levert het minst op". Die vraag geeft bijna altijd dezelfde twee of drie antwoorden, en dat is je lijst.

Let op één valkuil: de taak moet beoordeelbaar zijn. Als een mens niet binnen een paar minuten kan zien of het resultaat klopt, kun je ook niet vaststellen of de agent zijn werk goed doet. Taken waarbij "goed" een kwestie van smaak is, zijn geen goed startpunt.

Wat bepaalt de kosten?

De kosten van een AI-toepassing vallen uiteen in twee delen, en die verhouden zich anders dan de meeste mensen verwachten.

Het gebruik is goedkoop

Wat een AI-model kost om te draaien, wordt per verwerkte tekst gerekend. Voor de taken waar we het hier over hebben — een aanvraag uitlezen, informatie opzoeken, een concept klaarzetten — komt dat doorgaans neer op enkele centen per uitgevoerde taak. Zelfs bij honderden taken per week blijft dat een bescheiden bedrag op je exploitatie.

Dat is belangrijk om te weten, want het betekent dat het volume zelden het probleem is. Wat de rekening wél kan laten oplopen is een slecht begrensde opzet: een agent die blijft doorzoeken zonder te stoppen. Daarom hoort er vanaf dag één een harde bovengrens in te zitten, zowel op het aantal stappen per taak als op het maandbedrag.

Het bouwen is de echte post

Het grootste deel van de investering zit in het eenmalig bouwen, en dat wordt bepaald door drie dingen:

• Hoeveel systemen moeten worden aangesloten. Eén bron met een nette API is iets heel anders dan vier systemen waarvan er twee alleen exports kennen.
• Hoe goed de gegevens al beschikbaar zijn. Als de informatie die de agent nodig heeft al betrouwbaar ergens staat, scheelt dat aanzienlijk. Staat ze verspreid of spreken systemen elkaar tegen, dan is dat eerst werk.
• Hoe scherp de taak is afgebakend. Dit is de post waar je als opdrachtgever het meeste invloed op hebt. Een vage opdracht wordt een duur traject.

Daarom begint een serieus traject niet met bouwen maar met afbakenen: welke taak precies, welke bronnen daarvoor nodig zijn, en wanneer het resultaat goed genoeg is. Pas daarna is een reële prijs te geven. Iedereen die een bedrag noemt vóór die afbakening, gokt.

Hoe lang duurt het?

Voor een afgebakende eerste taak is een werkende versie vaak binnen enkele weken tot een paar maanden haalbaar. Maar de bouwtijd is zelden wat de doorlooptijd bepaalt. In de praktijk zijn dit de twee dingen die het tempo maken:

• Toegang tot systemen. Een koppeling naar je ERP of klantsysteem vraagt rechten, en soms een leverancier die moet meewerken. Dat is vaak de langste wachttijd in het hele traject, en je kunt hem alleen verkorten door er vroeg mee te beginnen.
• Beschikbaarheid van je eigen mensen. Iemand moet kunnen uitleggen hoe de taak hoort te gaan, en later beoordelen of het resultaat klopt. Een paar uur per week is genoeg, maar zonder die uren staat het stil.

Reken er dus op dat de planning meer afhangt van jouw organisatie dan van de bouwer. Dat klinkt ongemakkelijk, maar het is ook goed nieuws: het is het deel waar je zelf invloed op hebt.

Hoe weet je of het werkt?

Dit is het onderdeel dat het vaakst wordt overgeslagen, en daardoor de reden dat veel pilots doodbloeden zonder besluit. Spreek vooraf af wanneer het resultaat goed genoeg is, in cijfers die je kunt nakijken.

Met zo'n afspraak heb je na een pilot een feitelijke uitkomst in plaats van een meningsverschil. Haal je de norm, dan weet je wat uitbreiden oplevert. Haal je hem niet, dan weet je dat binnen een paar weken en tegen beperkte kosten — en dat is ook waardevol.

Meet daarnaast iets dat vaak vergeten wordt: hoe vaak corrigeert de medewerker het concept, en waarop? Dat vertelt je precies waar de agent nog tekortschiet, en of dat op te lossen is.

Wat blijft er bij je mensen liggen?

Een vraag die bij elke invoering naar boven komt, en terecht. Het eerlijke antwoord: in de toepassingen die wij in de praktijk zien, verdwijnt vooral het voorwerk. Opzoeken, overtypen, samenvatten, klaarzetten. Het oordeel blijft bij de medewerker.

Dat is niet alleen een geruststelling, het is ook gewoon de beste opzet. Een agent die zelfstandig naar buiten handelt — verzendt, toezegt, vastlegt, betaalt — wordt zelden vertrouwd en levert meer risico op dan hij bespaart. Een agent die het werk voorbereidt en een mens laat beslissen, wordt veel sneller geaccepteerd omdat collega's zien wat hij doet voordat het gevolgen heeft.

Praktisch vuistregel: alles met gevolgen naar buiten gaat langs een mens. Daarbinnen mag de agent zoveel voorbereiden als hij kan.

De valkuilen die geld kosten

• Beginnen bij het grootste idee. Het meest ambitieuze plan is zelden het beste startpunt. Het duurt lang, is moeilijk te beoordelen, en levert pas laat iets op om een besluit op te baseren.
• Geen eigenaar binnen de organisatie. Als niemand verantwoordelijk is voor "hoe hoort deze taak te gaan", blijft het project zweven.
• Succes niet vooraf definiëren. Zonder afgesproken norm is er na de pilot geen basis voor een besluit, en blijft het hangen.
• Geen bovengrens op kosten. Zonder harde limiet merk je een slecht begrensde opzet pas op de factuur.
• Denken dat eerst alles op orde moet zijn. Wachten tot het hele datalandschap klopt, betekent nooit beginnen. Het gaat om het stuk dat déze taak nodig heeft.
• De oplossing kiezen voor het probleem. "We willen iets met AI" is geen opdracht. "Deze taak kost ons te veel tijd" wel.

Wanneer je beter níét kunt beginnen

Niet elk probleem is een AI-probleem, en het is goedkoper om dat vooraf vast te stellen dan achteraf. Een paar situaties waarin wij zelf adviseren om te wachten of iets anders te doen:

• De taak komt zelden voor. Dan weegt de bouw niet op tegen de besparing, hoe vervelend de taak ook is.
• Niemand kan uitleggen hoe het hoort. Als de regels alleen in iemands hoofd zitten en per geval verschillen, is eerst dát gesprek nodig.
• Het echte knelpunt is een proces. Soms is de oorzaak dat werk twee keer gedaan wordt of dat een systeem verkeerd is ingericht. Daar een agent overheen leggen verbergt het probleem.
• Een eenvoudige automatisering volstaat. Niet alles heeft een taalmodel nodig. Als de regels vast zijn, is gewone automatisering goedkoper, sneller en voorspelbaarder.

Conclusie

De vraag is niet of AI iets kan betekenen voor je bedrijf, maar waar je begint en hoe je weet of het gelukt is. Kies een taak die vaak terugkomt, merkbaar tijd kost en duidelijke spelregels heeft. Spreek vooraf af wanneer het goed genoeg is. Bouw harde grenzen in op kosten. En laat de beslissingen met gevolgen bij je mensen liggen.

Begin klein, laat het werken, en breid pas uit als je ziet dat het oplevert wat je hoopte. Dat is minder spectaculair dan een groot AI-programma, maar het is wel de aanpak waarbij je na een paar weken weet waar je aan toe bent — in plaats van na een jaar.

Wil je weten hoe een AI-agent technisch in elkaar zit? Dat beschrijven we in AI-agent maken: van idee naar werkende agent. Benieuwd wat er concreet mogelijk is voor jouw organisatie? Bekijk ons AI-aanbod of neem contact op.

Veelgestelde vragen

Waar begin je met AI in je bedrijf?

Bij een taak die vaak terugkomt, veel tijd kost en duidelijke spelregels heeft. Die drie samen maken een taak geschikt: hij levert genoeg op om de moeite waard te zijn, en je kunt beoordelen of het resultaat klopt. Begin niet bij de taak die het indrukwekkendst klinkt, maar bij de taak waar nu het meeste handwerk in gaat zitten.

Wat kost een AI-pilot voor een bedrijf?

De kosten bestaan uit twee delen: eenmalig bouwen en daarna gebruik. Het gebruik is meestal verrassend laag, enkele centen per uitgevoerde taak. Het bouwen is de grootste post en hangt vooral af van hoeveel systemen aangesloten moeten worden en hoe goed de benodigde gegevens al beschikbaar zijn. Daarom begint een serieus traject met het afbakenen van één taak, zodat de omvang vooraf vastligt.

Hoe lang duurt het voordat een AI-agent werkt?

Voor een afgebakende eerste taak is een werkende versie vaak binnen enkele weken tot een paar maanden haalbaar. De bouwtijd zelf is zelden het knelpunt; de doorlooptijd wordt meestal bepaald door hoe snel je toegang krijgt tot de juiste systemen en hoe snel collega's tijd hebben om het resultaat te beoordelen.

Hoe weet ik of een AI-pilot geslaagd is?

Door vooraf af te spreken wat goed genoeg is. Bijvoorbeeld: van de honderd aanvragen moet de agent er tachtig correct voorbereiden, en een medewerker moet in minder dan twee minuten kunnen controleren of het klopt. Zonder zo'n afspraak blijft de discussie hangen op "het werkt wel een beetje" en neemt niemand een besluit.

Moeten onze gegevens eerst op orde zijn voordat we met AI beginnen?

Niet alles, wel het stuk dat de agent nodig heeft. Een agent is zo goed als wat hij kan opzoeken: als twee systemen elkaar tegenspreken, geeft hij een antwoord dat klinkt alsof het klopt. Vaak blijkt tijdens een pilot precies welk stuk gegevens aandacht nodig heeft, en dat is dan een concreet vervolg in plaats van een aanname vooraf.

Verliezen medewerkers hun werk aan een AI-agent?

In de toepassingen die wij in de praktijk zien, verdwijnt vooral het voorwerk: opzoeken, overtypen, samenvatten, klaarzetten. De beoordeling blijft bij de medewerker, die daardoor meer tijd overhoudt voor het deel waar oordeel voor nodig is. Dat is ook praktisch de beste opzet: een agent die zelfstandig naar buiten handelt, wordt zelden vertrouwd en levert meer risico op dan hij bespaart.

Is AI ook haalbaar voor een kleiner bedrijf?

Ja, en vaak makkelijker dan bij een groot bedrijf. Kleinere organisaties hebben kortere lijnen, minder systemen en kunnen sneller besluiten. De kosten per uitgevoerde taak zijn bovendien laag, waardoor ook een beperkt volume al de moeite waard kan zijn. Waar het op aankomt is dat de taak scherp afgebakend is.