AI-agent of iemand aannemen? Wanneer automatiseren écht loont

"AI-agent óf toch maar iemand aannemen?" Zo wordt de keuze meestal gebracht — en zo klopt hij niet. Een AI-agent vervangt bijna nooit een hele functie. Wat hij doet, is één afgebakende, terugkerende taak uit iemands week trekken: het overtypen van bestellingen naar het boekhoudpakket, het sorteren en labelen van de inbox, het opstellen van standaardantwoorden. De vraag is dus niet "mens of machine", maar: welke taken kosten mij zoveel tijd dat een agent ze goedkoper doet — en welke horen bij een mens thuis? Dit artikel geeft je een reken-kader om dat per taak te beslissen, met eerlijke grenzen en ranges die je met je eigen cijfers invult.

"Mens óf machine" is de verkeerde tegenstelling

Wie een medewerker aanneemt, koopt een heel pakket in: oordeelsvermogen, klantcontact, meedenken, uitzonderingen oplossen — én een berg repetitief werk dat daar tussendoor blijft liggen. Een AI-agent koopt je dat pakket niet. Hij pakt het repetitieve deel, en alleen als dat deel scherp is af te bakenen.

Dat is meteen de kern van de afweging. Je zet een agent niet tegenover een persoon, maar tegenover een taak die die persoon nu doet. Neemt de agent die taak over, dan gebeurt er één van twee dingen: je huidige medewerker houdt uren over voor werk dat wél oordeel vraagt, óf je hoeft die extra kracht die je overwoog helemaal niet aan te nemen. In beide gevallen reken je op taakniveau, niet op functieniveau — en dat maakt de som ineens overzichtelijk.

Het reken-kader: is de taak duurder dan de agent die hem overneemt?

De vergelijking heeft maar drie ingrediënten. Aan de ene kant de maandelijkse kosten van de taak: de uren die er nu in gaan, keer je all-in uurkosten (inclusief werkgeverslasten, vakantiegeld en overhead — reken voor een MKB-medewerker grofweg €30 tot €45 per uur), keer het deel van de taak dat een agent realistisch overneemt. Dat laatste is belangrijk en eerlijk: een goede agent doet meestal 70 tot 90% van een afgebakende taak, en een mens beoordeelt de uitzonderingen. Ga dus niet uit van 100%.

Aan de andere kant de maandelijkse agentkosten: de eenmalige bouwkosten, afgeschreven over bijvoorbeeld twaalf maanden, plus de vaste maandlasten voor model-calls, hosting en beheer. Voor een afgebakende MKB-agent liggen die bouwkosten doorgaans tussen de €1.500 en €8.000 en de vaste lasten tussen de €50 en €300 per maand — meer koppelingen en meer complexiteit schuiven je naar de bovenkant. De volledige kostenopbouw en de modellen (abonnement versus eenmalig) staan in onze gids over wat een AI-agent kost.

De regel is simpel: automatiseren loont als de maandelijkse taakkosten die je terugwint structureel hoger zijn dan de maandelijkse agentkosten — én je die vrijgekomen tijd ook echt inzet voor iets waardevollers. Blijft de uitgespaarde tijd ongebruikt, dan bespaar je op papier, niet op de bankrekening.

Reken het door met een ingevuld voorbeeld

Stel, je verwerkt zelf zo'n 8 uur per week inkomende e-mail: sorteren, labelen, gegevens overtypen naar je boekhoud- of CRM-systeem (bijvoorbeeld Moneybird of Exact Online) en standaardantwoorden versturen. Dat is het type administratieve e-mailverwerking dat wij vaker automatiseren. Vul je eigen getallen in de linkerkolom in; de rechterkolom is een illustratief voorbeeld, geen belofte.

In dit voorbeeld win je zo'n €980 per maand aan werktijd terug, kost de agent €150 vast, en verdient de eenmalige €4.500 zich in ruim vijf maanden terug. Vanaf dan houd je maandelijks ruim €800 over — of, eerlijker gezegd: ruim €800 aan medewerkeruren voor werk dat een mens wél moet doen. Dezelfde logica in een formele ROI-formule voor je financiële onderbouwing vind je in ROI van AI berekenen.

Wanneer automatiseren écht loont

Niet elke taak is de moeite waard. Een agent verdient zich het snelst terug als een taak deze kenmerken heeft:

• Veel volume — je doet het vaak, elke dag of meerdere keren per dag. Volume is de belangrijkste hefboom: de bouwkosten zijn vast, dus hoe vaker de taak terugkomt, hoe sneller de terugverdientijd.
• Veel herhaling — de handeling is elke keer nagenoeg gelijk, niet steeds anders.
• Duidelijke regels — er is een logica ("als dit, dan dat") die je kunt uitschrijven, geen fingerspitzengefühl.
• Gestructureerde input — de agent krijgt data in een vorm die hij kan lezen: e-mails, PDF-facturen, formulieren, systeemvelden.
• Stabiel proces — het verandert niet elke maand, zodat de agent niet constant herbouwd hoeft te worden.

Herken je drie of meer van deze punten in een taak, dan is de kans groot dat automatiseren loont. Klassiekers uit onze eigen praktijk: betalingsherinneringen voor een accountantskantoor, het routeren van support-tickets naar de juiste persoon, en een e-mail responder die concept-antwoorden voorbereidt. Concrete uitwerkingen daarvan lees je op onze AI-agents-pagina.

Wanneer een mens beter is (en de agent geld kost)

Even eerlijk de andere kant op, want een verkeerd gekozen taak kost je juist geld. Een mens is beter — en een agent duur — bij:

• Oordeel en onderhandeling. Een klacht wegen, een prijs uitonderhandelen, een moeilijk gesprek voeren. Dat vraagt context en verantwoordelijkheid die je niet in regels vangt.
• Empathie en relatie. Als de menselijke toon zélf de waarde is — bij rouw, escalaties of een belangrijke klant — is een agent op zijn plek als voorbereider, niet als eindstation.
• Lage volumes. Een handeling die je een paar keer per maand doet, verdient de bouwkosten nooit terug. Reken en je ziet het meteen.
• Steeds veranderende processen. Wat elke maand anders werkt, laat je een agent constant achterna bouwen — dan ben je duurder uit dan met een mens.
• Randgevallen en verantwoordelijkheid. Uitzonderingen die net buiten de regels vallen horen bij een mens. Vandaar de "human-in-the-loop": de agent doet het routinewerk, een mens keurt het uitzonderlijke.

De beste opzet is bijna nooit "agent in plaats van mens", maar "agent plus mens" — de machine op de herhaling, de mens op het oordeel.

Welke taak automatiseer je eerst?

Heb je meerdere kandidaten, scoor ze dan kort op volume, herhaling en pijn (hoe vervelend of foutgevoelig de taak nu is). Hoog op alle drie, laag in complexiteit: dat is je startpunt.

Begin klein, bij één taak die hoog scoort en laag in risico is. Zo zie je de terugverdientijd in de praktijk kloppen vóór je de volgende taak aanpakt — en bouw je vertrouwen op cijfers, niet op beloftes. Wij bouwen deze agents op AgentWorks, een onafhankelijk platform met een eigen backend dat niet vastzit aan één tool. Zo blijft de keuze "wat automatiseren we eerst" een zakelijke beslissing, geen technische lock-in.

Reken het door voor jouw eigen processen

De som hierboven werkt het best met jouw echte getallen: welke taken, hoeveel uur, welke systemen. Dat is precies wat een gratis AI-scan in kaart brengt — je krijgt per proces een eerlijke inschatting van wat een agent overneemt, wat het kost en hoe snel het zich terugverdient, zonder verkooppraatje.

Bij Unify is Erwin Berkouwer je vaste aanspreekpunt: hij maakt de afweging met je, en waar specialistische bouw nodig is schakelt hij zijn partnernetwerk in — je houdt één gezicht, geen ondoorzichtig team. Twijfel je tussen aannemen en automatiseren? Doe de AI-scan en beslis op basis van jouw cijfers.