Werkt AI nou wel? Zo meet je of het echt iets oplevert

Of AI werkt, meet je met drie getallen: de tijd die een proces kost, het aantal fouten en de tevredenheid van je klanten. Je legt ze vast vóór de AI live gaat en vergelijkt ze daarna. Meer dan een tabblad in Google Sheets en een paar weken discipline heb je niet nodig.

Stel: je hebt €5.000 in AI gestopt. Drie maanden later vraagt je directeur: "En, levert het wat op?" Als je dan alleen kunt zeggen dat het wel lijkt te werken, sta je zwak. Veel mkb-bedrijven voelen dat het beter gaat, maar kunnen het niet hard maken. Dat is geen argument als je een investering moet verantwoorden.

Waarom is "het voelt beter" geen antwoord?

Op de vraag of AI iets oplevert, krijg je vaak 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. Een gevoel houdt geen stand als de kosten oplopen, als een nieuwe collega vraagt waarom jullie dit doen, of als je volgend jaar budget wilt voor de volgende stap. Meten is geen bureaucratie: het is de manier om een tweede investering onderbouwd binnen te halen.

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

Welke drie dingen meet je?

Vergeet de rest. Voor de meeste AI-projecten in het mkb geven deze drie KPI's het meeste inzicht.

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 die nu, inclusief controle van de output?
• Verschil × uurtarief = je tijdwinst in euro's.

Reken met een realistisch uurtarief: wat de tijd van die medewerker jou daadwerkelijk kost. Neem niet het minimumloon en ook niet het tarief dat je aan klanten factureert. Als vuistregel ligt dat in het mkb vaak ruwweg tussen €45 en €75 per uur, afhankelijk van administratief of specialistisch werk.

Meettip: vraag het team niet alleen hoeveel tijd iets kost, want mensen gokken er vaak naast. Laat ze het twee weken bijhouden in een gratis tijdregistratie-tool als Toggl of Clockify. Twee weken vóór AI, twee weken erna.

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 goodwill. Goodwill is lastig in euro's te vangen. Reken daarom alleen met wat je kunt onderbouwen, de correctie-uren, en noem de rest 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 tot 10?") en vergelijk het gemiddelde vóór en na AI.

Reken een stijging in tevredenheid pas mee in euro's als je een plausibel verband hebt, bijvoorbeeld minder opzeggingen in het kwartaal erna. Anders is het een indicator en geen opbrengst.

De drie op een rij

Een rekenvoorbeeld: een bouwbedrijf dat offertes automatiseert

Dit is een geconstrueerd mkb-scenario, geen klant van UnifyAI, bedoeld om de verhoudingen te laten zien.

Een bouwbedrijf met zo'n vijftien medewerkers wil sneller offertes maken. De AI helpt met het opstellen op basis van eerdere offertes en standaardposten. De aannames, in ranges:

• Investering: een setup van €2.500 tot €5.000 en daarna €100 tot €250 per maand. Dat is een denkbare bandbreedte voor een afgebakende automatisering. Wat er verder bij komt, lees je in wat een AI-agenttraject kost.
• Tijd: een offerte kostte 3 tot 4 uur, nu 30 tot 45 minuten. Bij 8 tot 12 offertes per week is dat grofweg 20 tot 30 uur besparing per week. Tegen €50 tot €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 mogelijk vaker de opdracht.

De precieze ROI hangt af van je aannames. In dit soort rekenvoorbeelden is de terugverdientijd kort, maar belangrijker dan het exacte getal is dat je het nu kunt onderbouwen in plaats van te zeggen dat het sneller voelt.

Wanneer meet je het best?

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 rommelig: bugs, bijstellen, mensen die moeten wennen. Meet je dan, dan meet je vooral de chaos.

Niet te laat. Meet binnen drie maanden. Wacht je langer, dan ben je je 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, stuur bij voordat je conclusies trekt.
3. Week 12: 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 zien we in de praktijk?

We hebben 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 geen bijzonder model, maar een scherp afgebakend proces en een nulmeting vooraf.

De winst zit zelden in AI die alles overneemt, maar in het wegnemen van repeterend, foutgevoelig werk waar niemand blij van werd. Dat laat zich meten met de drie KPI's hierboven. Daarom adviseren we om met één proces te beginnen in plaats van met een plan van vijftig pagina's. Eén proces meet je, een heel programma niet.

De keerzijde: een flink deel van de AI-projecten in het mkb haalt de streep niet, meestal door een te complexe scope of te weinig adoptie. Hoe je dat voorkomt, lees je in waarom veel AI-implementaties falen. Meten helpt daarbij: het legt vroeg bloot of een proces gaat lopen, zodat je kunt bijsturen voordat je er meer in stopt.

Hoe begin je vandaag met een nulmeting?

Je hoeft niet te wachten tot de AI live is. Als je nu niet meet, kun je straks niets vergelijken.

Concrete actie: kies één van de drie KPI's. 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 in jouw bedrijf zich het best laat meten en automatiseren? Maak een AI-scan voor een eerste startpunt. Loop je vast bij het opzetten van een meetplan, kijk dan bij AI-consultancy of plan een kennismaking.