AI Consultancy: van Strategie naar Implementatie

De meeste AI-strategieen falen niet in de strategie. Ze falen in de la waarin het adviesrapport verdwijnt. Een mooie roadmap, een lijst met kansen, een indrukwekkende slidedeck, en zes maanden later draait er nog steeds niets. De echte waarde van AI-consultancy zit niet in het bedenken van een plan, maar in het overbruggen van de kloof tussen dat plan en een systeem dat maandagochtend gewoon werk uit handen neemt.

Dit artikel gaat over die overbrugging: wat een AI-consultant concreet doet, wat het kost, wat het oplevert, en net zo belangrijk, wanneer je er beter nog even mee wacht.

Waarom AI-strategieen stranden voor de implementatie

De valkuil is bijna altijd hetzelfde: te groot beginnen. Een organisatie laat een brede AI-visie opstellen, kiest tien kansrijke processen, en probeert die vervolgens allemaal tegelijk te veranderen. Het gevolg is verlamming. Niemand voelt zich eigenaar, de IT-afdeling raakt overbelast, en het draagvlak verdampt bij het eerste tegenvallende resultaat.

Een goede consultant doet het omgekeerde. Die kiest een enkel proces met de meeste pijn en de duidelijkste besparing, levert daar binnen weken een werkend resultaat, en gebruikt dat succes als hefboom voor het volgende. Dat is geen bescheidenheid, het is risicospreiding: een klein, werkend systeem levert meer bewijs op dan een dik rapport. Wil je dieper in die aanpak duiken, lees dan waarom je het beste begint met een enkel proces.

Van proces naar prioriteit: wat een consultant echt doet

Een AI-consultant is geen techneut die software komt installeren. Het is een strateeg die eerst begrijpt hoe jouw bedrijf werkt, daarna bepaalt waar tijdwinst het snelst zichtbaar wordt, en pas dan tools kiest die bij jouw mensen en systemen passen. Een AI-consultancytraject verloopt doorgaans in vier stappen:

1. Quickscan — welke processen kosten je team de meeste tijd, en welke daarvan zijn geschikt voor automatisering?
2. Prioritering — waar levert AI het snelst aantoonbaar resultaat op, met het minste risico?
3. Implementatie — tools instellen, koppelen aan bestaande systemen, en het team trainen zodat ze het zelf beheren.
4. Meting — bijhouden of de doelen worden gehaald en bijsturen waar dat nodig is.

Die eerste automatisering hoeft geen groot maatwerkproject te zijn. Vaak volstaat een slimme koppeling tussen bestaande software: een AI-agent die inkomende e-mail leest en routeert, of een workflow in een tool als Make, n8n of Zapier die facturen automatisch matcht. Belangrijk is dat het aansluit op de systemen die je al gebruikt, of dat nu Exact Online, Teamleader of Microsoft 365 is. Onze integraties laten zien hoe zulke koppelingen er in de praktijk uitzien.

Wat kost een AI-consultancytraject in Nederland?

Een strategisch adviestraject kost gemiddeld 5.000 tot 25.000 euro, afhankelijk van de omvang van je organisatie en de complexiteit van de implementatie. Uurtarieven liggen doorgaans tussen 150 en 300 euro. Voor een afgebakende eerste automatisering zit je meestal aan de onderkant van die range; een traject dat meerdere systemen raakt en teambreed wordt uitgerold, aan de bovenkant.

Een deel van die kosten kun je terugverdienen via subsidies. De WBSO verlaagt de kosten van ontwikkelwerk dat als speur- en ontwikkelwerk kwalificeert, en de MIT-regeling ondersteunt innovatie bij het MKB. Hoeveel je precies terugkrijgt hangt af van je situatie en de aard van het werk, dus laat dit vooraf doorrekenen in plaats van uit te gaan van een vast percentage.

Let bij het budgetteren niet alleen op het adviestarief. De kosten die trajecten laten uitlopen zitten meestal in datakwaliteit, licenties en onderhoud, niet in het advies zelf. We hebben die verborgen kosten van AI-implementatie apart op een rij gezet, zodat je businesscase klopt voordat je begint.

Gerekend voorbeeld: e-mailverwerking bij een MKB van 20 man

Om dit concreet te maken, een gerekend voorbeeld. De cijfers hieronder zijn ter illustratie en gebaseerd op realistische ranges, geen belofte; wat jouw proces oplevert, blijkt pas uit een quickscan.

Neem een MKB-bedrijf met ongeveer 20 medewerkers waar twee mensen samen een gedeelde inbox beheren: offerteaanvragen sorteren, facturen doorsturen, standaardvragen beantwoorden en betalingsherinneringen versturen. Reken op 8 tot 12 uur per week aan puur handmatig heen-en-weer.

Na het inrichten van een classificatie- en responder-agent, gekoppeld aan het boekhoudpakket, met automatische herinneringen, daalt dat naar 2 tot 4 uur per week. De besparing komt daarmee op 5 tot 9 uur per week.

Dit type proces, administratieve e-mailverwerking en het automatiseren van betalingsherinneringen, hoort tot de automatiseringen die we bij UnifyAI zelf hebben gebouwd voor echte opdrachtgevers. De ranges hierboven zijn bewust illustratief: we koppelen geen verzonnen exact bedrag aan een specifieke klant. Wat we wel weten uit de praktijk, is dat juist dit soort onzichtbaar, repetitief werk het snelst en het betrouwbaarst terug te verdienen is.

Wat levert het op per toepassing?

De gemiddelde terugverdientijd van AI-implementaties in het MKB ligt rond de 11 maanden, maar dat gemiddelde zegt weinig: enkelvoudige automatiseringen verdienen zich vaak binnen 4 tot 6 maanden terug, terwijl complexe integraties over meerdere systemen richting 18 maanden kunnen lopen. De volgende ranges geven een realistischer beeld per toepassing:

De rekensom erachter is simpel. Bespaart een systeem je team 10 uur per week tegen een intern uurtarief van 50 euro, dan is dat grofweg 26.000 euro per jaar. Staan daar toolkosten van zo'n 2.000 euro per jaar tegenover, dan is de verhouding gunstig en verdient de investering zich snel terug. Wil je deze berekening waterdicht maken voor je financiele beslisser, dan helpt het om de ROI van AI concreet door te rekenen in plaats van te leunen op vuistregels.

Consultant, softwareleverancier of zelf uitzoeken?

Niet elk AI-vraagstuk vraagt om een consultant. Het onderstaande overzicht helpt bepalen welke route bij jouw situatie past:

Heb je een scherp afgebakend probleem en een team dat graag zelf sleutelt, dan kom je een heel eind zonder externe hulp. Zodra het proces diffuus is, meerdere systemen elkaar raken, of het draagvlak nog gewonnen moet worden, betaalt onafhankelijke begeleiding zich terug in tijd en vermeden misstappen.

Wanneer AI-consultancy nog niet de juiste keuze is

AI-consultancy levert het meeste op als je team veel herhalend werk doet, informatie verspreid staat over meerdere systemen, of concurrenten aantoonbaar sneller worden. Maar er zijn situaties waarin je beter eerst iets anders regelt:

• Je processen zijn nog niet gedocumenteerd. AI versterkt bestaande processen, het repareert geen chaos. Breng eerst je werkstroom in kaart.
• Je grootste uitdaging ligt niet in efficiency. Als je vooral moeite hebt met klanten vinden of met productontwikkeling, los dat dan eerst op; automatiseren van een proces dat te weinig volume heeft, loont zelden.
• Er is sterke weerstand tegen digitale verandering. Begin dan met draagvlak en een klein, zichtbaar succes voordat je opschaalt.

Een groeiend deel van het Nederlandse MKB experimenteert inmiddels met AI, en de bedrijven die het serieus aanpakken bouwen langzaam een voorsprong op in snelheid en kosten. De vraag is voor de meeste ondernemers niet meer of, maar waar en hoe snel. Twijfel je of jouw grootste kans in efficiency of in betere voorspellingen zit, dan geeft dit verhaal over de stap van buikgevoel naar een betere forecast een goed vertrekpunt.

Wie voert dit uit?

Achter UnifyAI staat Erwin Berkouwer als vast aanspreekpunt, ondersteund door een netwerk van specialisten dat per opdracht wordt samengesteld. Geen groot in-house team dus, maar een kern met acht jaar ervaring in data en AI binnen banking, retail en e-commerce, aangevuld met de juiste expertise voor jouw specifieke vraag. We werken remote-first, zonder vast kantoor, wat de overhead laag houdt en de tarieven scherp.

Waar het kan, eten we ons eigen hondenvoer: dezelfde automatiseringen die we voor klanten bouwen, draaien in onze eigen bedrijfsvoering. Voor complexere agent-oplossingen zetten we waar nuttig AgentWorks in, een onafhankelijk platform, plus gangbare tools als n8n en de modellen van Anthropic en OpenAI. Je zit dus nooit vast aan een enkele leverancier.

Zo zet je de eerste stap

Elke maand dat je wacht, vergroot het gat met concurrenten die AI al inzetten. Maar begin niet met een groot plan, begin met een enkel proces dat je herkent uit dit artikel.

Een gratis AI-scan kost je een klein uur en laat precies zien welke processen in jouw bedrijf het snelst iets opleveren, mét een eerste indicatie van de te verwachten besparing. Geen verplichtingen, wel concrete inzichten en een eerlijk advies over waar je wel, en waar je nog niet, aan AI moet beginnen.