Werkt AI Nou Wel? (Zo Meet je of het Écht Iets Oplevert)

Je hebt €5.000 in AI gestopt. Drie maanden later leunt je directeur over je bureau: "En, levert het wat op?"

Jij: "Uhh... het werkt wel?"

Herkenbaar? Dan ben je in goed gezelschap. De meeste MKB-bedrijven die AI inzetten voelen dat het beter gaat, maar kunnen het niet hard maken. En "ik denk dat we tijd besparen" is nu eenmaal geen argument als je een investering moet verantwoorden.

Het goede nieuws: je hebt geen datateam en geen ingewikkelde formules nodig om dit wél te meten. Je hebt drie getallen nodig en een gewoonte om ze bij te houden. Dit is hoe.

"Het voelt beter" is geen antwoord

Ik zie het bijna elke maand. Een bedrijf implementeert AI, en als ik vraag of het wat oplevert, komen er antwoorden als:

• "Ja, het werkt wel goed..."
• "Het team is er blij mee..."
• "We besparen wel tijd, denk ik..."

Dat is geen meting, dat is een gevoel. En een gevoel houdt geen stand als de kosten oplopen, een nieuwe collega vraagt waaróm jullie dit doen, of je volgend jaar budget wilt voor de volgende stap. Meten is niet bureaucratie — het is de enige manier om een tweede investering onderbouwd binnen te halen.

De valkuil is dat mensen denken dat "meten" iets groots is: een BI-tool, een consultant, een dashboard. Onzin. Het begint met opschrijven hoe het nú gaat, vóórdat de AI live is. Die nulmeting is later je enige eerlijke vergelijkingspunt.

Meet drie dingen — niet dertig

Vergeet de rest. Voor vrijwel elk AI-project in het MKB vertellen deze drie KPIs je 90% van het verhaal.

1. Tijd: hoeveel uur haal je uit het proces?

De meest tastbare winst. Meet hoeveel uur per week een proces vóór AI kostte, en hoeveel nu.

• Vóór AI: hoeveel uur per week kost de taak?
• Met AI: hoeveel uur kost hij nu (inclusief controle van de output)?
• Verschil × uurtarief = je tijdwinst in euro's.

Reken met een realistisch belast uurtarief. Voor het MKB ligt dat meestal tussen de €45 en €75 per uur, afhankelijk van of het om administratief werk of specialistische uren gaat. Neem niet het minimumloon en ook niet het tarief dat je aan klanten factureert — pak het bedrag dat de tijd van die medewerker jou daadwerkelijk kost.

Meettip: vraag het team niet alleen "hoeveel tijd kost dit?" (mensen gokken er stevig naast), maar laat ze het twee weken bijhouden in een gratis tijdregistratie-tool als Toggl of Clockify. Twee weken vóór AI, twee weken erna. Klaar.

2. Fouten: hoeveel herstelwerk voorkom je?

Minder fouten betekent minder correcties, minder gedoe en minder verborgen kosten. Tel het foutpercentage vóór en na de inzet van AI en reken de kosten van herstelwerk erbij.

Een fout die eerst pas bij de klant opviel en nu vooraf wordt gevangen, scheelt niet alleen herstel-uren maar ook een stuk goodwill. Dat laatste is lastig in euro's te vangen, dus houd het zuiver: reken alleen met wat je kunt onderbouwen (de correctie-uren), en noem de goodwill apart als "extra, niet meegerekend".

3. Klanten: merken zij het verschil?

Snellere of consistentere service leidt tot tevredener klanten, minder klantverloop en soms meer omzet. Dit is de zachtste van de drie, dus meet hem simpel: stuur na een interactie één NPS-vraag ("Hoe waarschijnlijk is het dat je ons aanbeveelt, 0-10?") en vergelijk het gemiddelde vóór en na AI.

Wees hier het eerlijkst met jezelf. Een stijging in tevredenheid is prachtig, maar reken hem pas mee in euro's als je een plausibel verband hebt (bijvoorbeeld: minder opzeggingen in het kwartaal erna). Anders houd je het als een indicator, niet als opbrengst.

De drie op een rij

Rekenvoorbeeld: een bouwbedrijf dat offertes automatiseert

Even een illustratief rekenvoorbeeld — dit is een geconstrueerd MKB-scenario, geen Unify-klant, maar de verhoudingen zijn realistisch.

Een bouwbedrijf met een man of vijftien wil sneller offertes maken. De AI helpt met het opstellen op basis van eerdere offertes en standaardposten. De cijfers, in ranges:

• Investering: setup €2.500 - €5.000, daarna €100 - €250 per maand. Dat is een normale bandbreedte voor een afgebakende AI-automatisering in het MKB — al zitten er ook verborgen kosten in een AI-implementatie die je vooraf wilt kennen.
• Tijd: een offerte kostte 3 tot 4 uur, nu 30 tot 45 minuten. Bij 8-12 offertes per week is dat grofweg 20-30 uur besparing per week. Tegen €50-€60 per uur loopt dat op tot tienduizenden euro's per jaar.
• Fouten: minder verkeerde posten en vergeten regels betekent minder naberekening en minder verlies op projecten.
• Klanten: wie binnen een dag een nette offerte krijgt in plaats van na een week, wint vaker de opdracht. Zelfs een paar procent meer conversie tikt in de bouw hard aan.

De precieze ROI hangt af van je aannames, maar in dit type rekenvoorbeeld verdient de investering zich in weken tot enkele maanden terug en levert elke geïnvesteerde euro een veelvoud op. Belangrijker dan het exacte percentage: je kunt het nu onderbouwen in plaats van "het voelt sneller". Wil je zelf zo'n som maken voor de directie, dan helpt de ROI-formule die je CFO overtuigt je met de opbouw.

Wanneer meet je? Een simpele kalender

Timing bepaalt of je meting iets waard is.

Niet te vroeg. Geef een nieuw systeem 4 tot 6 weken om in te slijten. De eerste weken zijn altijd rommelig: bugs, finetuning, mensen die nog wennen. Meet je dán, dan meet je vooral de chaos.

Niet te laat. Meet binnen drie maanden. Wacht je langer, dan ben je de nulmeting kwijt en heb je niets om mee te vergelijken.

Een werkbare kalender:

1. Week 0 — nulmeting. Leg vast hoe het proces er nú voor staat: uren, fouten, tevredenheid. Zonder dit punt is de rest waardeloos.
2. Week 6 — eerste check. Werkt het zoals bedoeld? Zo niet: bijsturen vóór je conclusies trekt.
3. Week 12 — officiële ROI-meting. Vergelijk met week 0 en zet het om in euro's.
4. Daarna maandelijks. Eén regel per maand in hetzelfde blad. Zo zie je of de winst blijft of wegzakt.

Wat wij in de praktijk zien

We hebben inmiddels een reeks processen geautomatiseerd voor Nederlandse bedrijven — onder andere betalingsherinneringen voor een accountantskantoor, het routeren van supporttickets, administratieve e-mailverwerking en een e-mailresponder die concept-antwoorden voorbereidt. Wat die projecten gemeen hebben, is niet een magisch model, maar een scherp afgebakend proces en een nulmeting vooraf.

Het patroon dat we telkens zien: de winst zit zelden in "AI die alles overneemt", maar in het wegnemen van repeterend, foutgevoelig werk waar niemand blij van werd. Dat is precies het soort taak dat zich laat meten met de drie KPIs hierboven. En het is ook de reden dat we adviseren om met één proces te beginnen in plaats van met een plan van vijftig pagina's — één proces meet je, een heel programma niet.

De keerzijde is net zo belangrijk: een flink deel van de AI-projecten in het MKB haalt de streep niet, meestal door een te complexe scope of gebrek aan adoptie. In ons stuk over waarom veel AI-implementaties falen staat hoe je dat voorkomt. Meten helpt daar direct bij: het legt vroeg bloot of een proces wél of niet gaat lopen, zodat je bijstuurt vóór je er nog €300 per maand in stopt.

Begin vandaag met je nulmeting

Je hoeft niet te wachten tot de AI live is om te beginnen. Sterker: als je nú niet meet, kun je straks niets vergelijken.

Concrete actie voor vandaag: kies één van de drie KPIs uit dit artikel. Zet een tabblad op in Google Sheets met drie kolommen — wat meet je, voorheen, nu — en laat je team het de komende vier weken bijhouden. Daarna praat je over AI vanuit data, niet vanuit verwachtingen.

Wil je weten welk proces zich in jóuw bedrijf het snelst laat meten én terugverdienen, doe dan eerst de gratis AI-scan. Die wijst binnen een paar minuten de kansrijke processen aan, inclusief een inschatting van tijdwinst — meteen een startpunt voor je nulmeting.

En loop je vast bij het opzetten van een meetplan? We helpen je in een kort intakegesprek een simpel meetkader op te zetten dat past bij je proces. Kijk op AI-consultancy of plan direct een gratis intake — dan bepalen we samen wat je moet meten en hoe.