Geschatte leestijd: 8 minuten

Kernpunten:

  • AI-waarde valt in drie categorieën: persoonlijke productiviteit, autonome experimenten en AI in je processen. Elk heeft een eigen meetlat.
  • Persoonlijke productiviteit (een Copilot-licentie per medewerker) is een kostenpost, geen verdienmodel. Je meet er tijdwinst per persoon, geen rendement op de balans.
  • Autonome AI-experimenten die een heel bedrijfsmodel willen omgooien lijken op risicokapitaal: van tien mislukken er negen, de ene doorbraak moet de rest terugverdienen.
  • De echte winst zit in AI in een herhaalbaar proces dat honderden keren per maand draait. Daar is het rendement meetbaar en schaalbaar.
  • Bij Bolsenbroek leverde AI in het taxatieproces in het eerste jaar meer dan 1.000 uur besparing op, gemeten.

Inhoudsopgave

  1. De drie plekken waar AI geld kost of oplevert
  2. Persoonlijke productiviteit: nuttig, maar geen rendement
  3. Autonome experimenten: risicokapitaal, geen begroting
  4. AI in je processen: hier zit het geld
  5. Optimaliseren of herontwerpen
  6. Zo vind je jullie eigen winstplek
  7. Hoe wij helpen
  8. Veelgestelde vragen
  9. Bronnen

Je hebt licenties uitgedeeld, mensen zijn enthousiast, en toch staat er aan het eind van het kwartaal niks extra's op de balans. Dat is geen teken dat AI niet werkt. Het is een teken dat de winst op de verkeerde plek gezocht wordt.

AI-waarde ontstaat op drie plekken in een organisatie, en die drie vragen elk om een andere aanpak en een andere meetlat. Wie ze door elkaar haalt, meet rendement op een plek waar het nooit gaat ontstaan. Dit artikel legt de drie plekken uit, laat zien waar het geld wél zit, en geeft je een manier om jullie eigen winstplek te vinden.

De inspiratie voor dit stuk komt uit de podcast AIToday Live van Joop Snijder (aflevering S08E68), inclusief de Gartner-cijfers die daar besproken zijn. De praktijkcijfers komen uit ons eigen werk.

De drie plekken waar AI geld kost of oplevert

Zet AI-inzet naast elkaar en er ontstaan drie groepen die niks met elkaar te maken hebben, behalve dat ze allemaal "AI" heten.

De eerste groep is persoonlijke productiviteit: individuele medewerkers die met een AI-assistent sneller mailen, samenvatten of code schrijven. De tweede groep is het grote experiment: een autonoom systeem dat een deel van je dienstverlening of bedrijfsmodel wil overnemen. De derde groep is AI ingebouwd in een bestaand proces dat elke dag draait.

Ze delen het woord, niet de logica. Wie ze op één hoop gooit en vraagt "wat levert AI ons op", krijgt een antwoord dat nergens op slaat, want de drie beantwoorden die vraag totaal verschillend.

Persoonlijke productiviteit: nuttig, maar geen rendement

De meestgekozen eerste stap is een licentie per medewerker. Iedereen krijgt een assistent, iedereen kan ermee aan de slag. Dat is nuttig, en toch zie je het niet terug in de cijfers. Dat klopt, en het hoort ook zo.

Gartner heeft er een aparte term voor: Return on Employee. Het voordeel landt bij de individuele medewerker, niet op de balans. Vergelijk het met een goede koffieautomaat: fijn voor het team, niemand verwacht dat de koffie zichzelf terugverdient in omzet.

Er speelt nog iets. Persoonlijke productiviteit schaalt slecht, want de winst verschilt per persoon en per taak. De een schrijft twee keer zo snel, de ander nauwelijks sneller. Voor de meeste organisaties brengt deze stap je op gelijke hoogte met concurrenten die hetzelfde doen. Nuttig om bij te blijven, geen voorsprong.

De denkfout zit niet in de licentie zelf. De denkfout is er rendement op de balans van verwachten. Meet hier tijdwinst en tevredenheid, en zoek je omzet ergens anders.

Lijntekening van een dobbelsteen met het label risico, waar een klein figuur zijn hand tegenaan houdt

Autonome experimenten: risicokapitaal, geen begroting

Aan de andere kant van het spectrum staat het ambitieuze experiment: een agent die zelfstandig een heel proces of bedrijfsonderdeel overneemt. Dit is waar de spannende demo's vandaan komen, en waar de meeste teleurstelling ontstaat.

De juiste vergelijking is risicokapitaal. Een investeerder weet dat van de tien deelnemingen er negen tegenvallen en dat de ene uitschieter het hele fonds moet dragen. Wie zijn AI-experimenten zo begroot, is voorbereid. Wie verwacht dat elk experiment slaagt, wordt teleurgesteld door de eigen verwachting, niet door de techniek.

Deze categorie heeft bestaansrecht, mits je het zo behandelt: een portfolio met ruimte om te falen, niet een project met een harde terugverdiendatum. Reserveer er een budget voor dat je kunt missen, en reken je niet rijk aan de demo.

AI in je processen: hier zit het geld

Dan de derde plek, en volgens Gartner de plek waar verreweg de meeste AI-waarde ontstaat: AI ingebouwd in een bestaand, herhaalbaar proces. Iets wat honderden keren per maand gebeurt en telkens tijd kost.

Een voorbeeld uit de podcast maakt het concreet. Een klantaanvraag kostte handmatig 4 uur. Met AI erin gaat dat naar 1,5 uur. Bij 300 aanvragen per maand is dat 750 uur besparing, elke maand opnieuw. Omdat het proces herhaalbaar is, is de winst dat ook. Hier meet je gewoon Return on Investment: uren, doorlooptijd, omzet die je erdoor extra aankunt.

Zo werkt het ook in ons eigen werk. Bij taxatiebedrijf Bolsenbroek zit AI in het taxatieproces, een handeling die zich elke werkdag herhaalt. In het eerste jaar leverde dat meer dan 1.000 uur besparing op. Dat is een gemeten getal uit een draaiend proces, geen projectie uit een demo. Precies de categorie waar de waarde volgens Gartner thuishoort.

Het verschil met de eerste twee plekken: je hoeft niet te hopen dat het rendement ontstaat. Je kunt het uitrekenen voordat je begint, en meten nadat je klaar bent.

Optimaliseren of herontwerpen

Binnen die processen zit nog een keuze die bepaalt hoe groot de winst wordt. Je kunt een bestaand proces versnellen, of je kunt het opnieuw inrichten nu AI een deel kan.

Versnellen levert direct resultaat: dezelfde stappen, minder tijd. Herontwerpen levert meer op, want dan haal je stappen weg die alleen bestonden omdat een mens ze moest doen. Een aanvraag die eerst langs vijf mensen ging, kan met AI erin misschien langs één. Dat is een ander soort winst dan tien procent sneller.

De praktische afweging: begin met versnellen om vertrouwen en cijfers op te bouwen, en durf daarna het proces zelf ter discussie te stellen. De grootste besparingen zitten bijna nooit in de eerste stap.

Lijntekening van een uitgeklapte duimstok met het label meetlat, met een klein figuur dat ernaast meet

Zo vind je jullie eigen winstplek

Terug naar je eigen organisatie. Neem je top drie AI-initiatieven van dit moment en zet ze in de juiste categorie. Is het persoonlijke productiviteit, een experiment, of AI in een proces? Meet je ze met de juiste meetlat?

Meestal blijkt twee van de drie in de eerste categorie te zitten, waar je geen rendement hoeft te verwachten, en ontbreekt de derde categorie waar het geld zit. Dat is geen slecht nieuws. Het betekent dat de winst nog voor het oprapen ligt, in een proces dat je al honderden keren per maand draait.

De vraag is niet "welke AI-tool kopen we". De vraag is "welk herhaalbaar proces kost ons nu het meeste tijd, en wat zou het opleveren als AI daar een deel van doet". Dat is een businessvraag, geen toolvraag.

Hoe wij helpen

Bij And AI beginnen we bij die businessvraag, niet bij een tool. We werken van kennis naar advies naar maatwerk: eerst begrijpen waar jullie staan en waar de winst zit, dan pas bouwen.

Een goed startpunt is onze gratis AI-scan. In een paar minuten zie je in welke fase van AI-volwassenheid jullie organisatie zit, waar de eerstvolgende kans ligt, en wat een logische volgende stap is. Geen tool die je moet aanschaffen, maar zicht op waar rendement voor jullie te halen valt.

Wil je daarna verder praten over een concreet proces, dan denken we mee in een vrijblijvend gesprek. De AI-scan geeft de richting, het gesprek maakt het concreet.

Doe de gratis AI-scan Plan een vrijblijvend gesprek

Veelgestelde vragen

Waarom levert AI in ons bedrijf weinig op?

Waarschijnlijk meet je persoonlijke productiviteit: losse assistenten voor medewerkers. Die zijn nuttig, maar leveren per definitie geen rendement op de balans. De winst zit in AI in een herhaalbaar proces. Verschuif de vraag daarheen en er ontstaat wel een meetbaar resultaat.

Hoe bereken je de ROI van AI?

Kies een proces dat vaak terugkeert, meet hoeveel tijd of doorlooptijd een stap nu kost, en hoeveel na inzet van AI. Vermenigvuldig met het aantal keren per maand. Zo krijg je een getal dat je kunt terugleggen op omzet of capaciteit. Tijdsgevoel is geen ROI, output wel.

Levert een Copilot-licentie geld op?

Op zichzelf niet, en dat is geen probleem. Het is een voorziening voor je medewerkers, vergelijkbaar met goed gereedschap. Meet er tevredenheid en tijdwinst per persoon, en verwacht de omzet ergens anders.

Waar begin je als je wél rendement wil?

Bij één herhaalbaar proces dat nu veel tijd kost. Begin klein, meet het resultaat, en breid uit als het werkt. De gratis AI-scan helpt je bepalen welk proces bij jullie het meest oplevert.

Bronnen

  • AIToday Live, S08E68, "Waar levert AI echt geld op in je organisatie" (Joop Snijder). Het driecategorieënmodel en het rekenvoorbeeld komen uit deze aflevering.
  • AIToday Live, S08E52, "Gartner AI-voorspellingen 2027, wat klopt ervan?". Onderbouwt dat productiviteitswinst vaak wel wordt geboekt maar niet op de balans zichtbaar is.
  • AI-onderzoek 2026, Info Support (juli 2026), uitgevoerd met Markteffect onder 400 Nederlandse IT-beslissers. Hieruit: 92 procent gebruikt AI dagelijks, maar slechts 23 procent heeft AI daadwerkelijk in standaardtools of workflows geïntegreerd.
  • Praktijkcijfers Bolsenbroek: eigen projectwerk And AI, zie de case study.