Duizenden partijen noemen zichzelf agentic. Volgens Gartner bieden ongeveer 130 daarvan dat ook echt. De rest verkoopt bestaande chatbots en procesautomatisering onder een nieuw etiket. Als je een AI-consultant zoekt, is dat het eerste wat je moet weten: het woord op de website is geen selectiecriterium, want iedereen gebruikt hetzelfde woord.
Wij zijn zelf een partij die dit verkoopt. Daarom begin ik met wat wij níét doen: wij bouwen geen taalmodellen, wij hebben geen eigen platform, en wij beloven geen percentage besparing dat we niet hebben gemeten. Wat volgt is de inkoopleidraad die ik zelf zou willen hebben als ik aan de andere kant van de tafel zat, opgebouwd uit metingen van het CBS, MIT, Deloitte en Gartner. Geen van die cijfers komt van een bureau dat er iets aan verdient.
Waarom haakt het Nederlandse mkb af op AI?
Niet op de prijs. Dat is de aanname onder vrijwel elk artikel over dit onderwerp, en het CBS heeft hem gemeten en weerlegd. Aan microbedrijven van twee tot negen man die AI overwogen en er toch van afzagen is gevraagd waarom. 71,6% noemde gebrek aan ervaring. Te hoge kosten kwam veel lager uit, op 20,3%, en stond daarmee op de zevende plaats van de acht redenen die het CBS uitvraagt. Vijf andere bezwaren wogen zwaarder dan de prijs.
Lees dat nog eens. Van elke vijf ondernemers die het overwogen en niet deden, haakte er ongeveer één af op geld. De rest haakte af op iets anders, en de grootste groep wist simpelweg niet hoe.
Dat verandert wat je aan het inkopen bent. Wie denkt dat prijs het probleem is, gaat offertes vergelijken en kiest de goedkoopste. Wie ziet dat kennis het probleem is, gaat op zoek naar iemand die uitlegt in plaats van verkoopt. Dat zijn twee verschillende zoekopdrachten en ze leveren twee verschillende leveranciers op.
De schaal waarop dit speelt is groot. Het CBS telt dat 13,8% van de microbedrijven en 29,8% van het mkb minstens één AI-technologie gebruikt, tegenover 66,2% van het grootbedrijf. Het gat tussen klein en groot is dus meer dan een factor vier. En binnen die groep gebruikers gaat het bijna altijd om tekst, niet om werk dat zelfstandig doorloopt.
Daar zit de kans en de valkuil tegelijk. De kans: bijna niemand in jouw categorie heeft dit geregeld. De valkuil: als ruim zeven op de tien afhaken op kennis, is de markt vol aanbieders die precies dat gat commercieel invullen zonder het op te lossen.
Wat kopen Nederlandse bedrijven eigenlijk als ze zeggen dat ze AI gebruiken?
Bijna altijd tekst. Het CBS meet zeven afzonderlijke AI-technologieën, en de verdeling daarbinnen zegt meer dan het totaalcijfer. Bij microbedrijven staat tekstanalyse op 9,8% en het automatisch genereren van geschreven taal op 6,5%, terwijl procesautomatisering blijft steken op 2,3%.
Met andere woorden: als een ondernemer zegt dat hij AI gebruikt, betekent dat meestal dat er iemand teksten laat schrijven of samenvatten. Dat is nuttig, maar het is iets anders dan werk uit handen nemen. Bij tekst blijft de mens de motor en levert het gereedschap een eerste versie. Dat gat tussen een werkende eerste versie en iets wat je durft op te leveren, beschreef ik eerder in webshop bouwen met AI: de laatste twintig procent. Bij procesautomatisering draait het werk door terwijl er niemand kijkt, en dat is precies waarom het zoveel zwaarder weegt als het misgaat.
Het verschil is belangrijk in een inkoopgesprek, want beide worden met hetzelfde woord verkocht. Vraag daarom vroeg: draait dit als er niemand achter zijn scherm zit? Bij tekstgereedschap is het antwoord nee en heb je weinig toezicht nodig. Bij alles wat zelfstandig doorloopt is het antwoord ja, en dan gelden de vragen over falen en onderhoud die verderop staan.
De groei zit er wel in. Bij microbedrijven liep het gebruik op van 6,8% in 2023 naar 10,6% in 2024 en 13,8% in 2025. Dat is bijna een verdubbeling in twee jaar. Maar het is groei in de categorie tekst, niet in de categorie werk dat vanzelf doorloopt. Wie nu het tweede regelt, doet iets wat 97 van de 100 vergelijkbare bedrijven nog niet doen. Dezelfde voorsprong zie je aan de merkkant, waar agenten inmiddels mee bepalen hoe jouw merk wordt beschreven.
Hoeveel aanbieders van AI-automatisering zijn er echt?
Ongeveer 130, wereldwijd, van de duizenden die het woord gebruiken. Dat is de schatting van Gartner, gedaan in juni 2025, en het gaat gepaard met een tweede cijfer dat je als koper moet kennen: meer dan 40% van de agentic AI-projecten wordt vóór eind 2027 geannuleerd, meestal doordat de kosten oplopen of de opbrengst onduidelijk blijft.
Gartner noemt het verschijnsel agent washing: oude techniek onder een nieuwe naam. Dat klinkt harder dan het is. Een goed werkende regelgebaseerde automatisering is vaak precies wat je nodig hebt, en die is bovendien voorspelbaarder en goedkoper dan een systeem dat zelf beslissingen neemt. Het probleem is niet dat aanbieders dat verkopen. Het probleem is dat ze het agentic noemen, waardoor jij niet meer kunt zien wat je koopt.
Praktisch betekent dit dat het etiket waardeloos is als selectiecriterium. Iedereen zet het op zijn site. Wat je nodig hebt is een vraag die het etiket doorprikt, en die vraag is simpel: welke stappen in dit proces liggen vast, en welke laten jullie door een taalmodel bepalen?
Een aanbieder die dat concreet beantwoordt, weet wat hij bouwt. Een aanbieder die uitwijkt naar de mogelijkheden van de technologie, verkoopt je een etiket. Het antwoord "eigenlijk allemaal vast, behalve deze twee stappen" is geen zwaktebod. Het is meestal het beste antwoord dat je kunt krijgen, want elke stap die vastligt is een stap die niet stuk kan op een manier die niemand had voorzien.
Is een abonnement op een automatiseringstool hetzelfde als automatisering?
Nee, en dat verschil kost de meeste beginnende projecten hun geld. Een tool is de plek waar je stappen aan elkaar knoopt. Automatisering is dat je proces daarna elke dag doorloopt zonder dat iemand het in de gaten hoeft te houden. Tussen die twee zit het werk waar de rekening zit.
Je ziet het terug in het CBS-cijfer voor procesautomatisering. Gereedschap om processen te koppelen is al jaren voor iedereen beschikbaar en kost weinig moeite om te proberen. Toch blijft het aandeel bedrijven dat het daadwerkelijk draaiend heeft laag. Dat komt niet doordat het gereedschap moeilijk is, maar doordat de eerste versie altijd werkt en de vijfde week zelden.
Wat er dan gebeurt, is bijna altijd hetzelfde. Bij een leverancier krijgt een veld ineens een andere naam. Ergens verloopt een koppeling. In een bestelling zit een tekencombinatie waar niemand aan had gedacht. De stroom loopt door, maar levert de verkeerde uitkomst of helemaal niets. Zonder iemand die dat opmerkt, ontdek je het pas als een klant belt.
Daar komt de verhouding vandaan die verderop terugkomt: uitrollen is een vijfde van het werk, in de lucht houden is de rest. Dat is geen argument tegen zelf beginnen. Zelf een eerste stroom bouwen is de beste manier om te leren waar jouw proces uitzonderingen heeft.
Het is wel een argument om die eerste stroom klein te houden en er iets bij te kiezen wat je kunt missen. Als het een week stilstaat zonder dat het je omzet raakt, heb je een leerproject. Zet je er meteen je orderverwerking op, dan heb je een risico.
Slaag je vaker als je het uitbesteedt of als je het zelf bouwt?
Uitbesteden, en het verschil is groot. Het MIT-onderzoek naar de stand van AI in het bedrijfsleven bekeek meer dan 300 publiek gedocumenteerde AI-initiatieven, met interviews bij 52 organisaties en een enquête onder 153 leidinggevenden. De conclusie die daar het meest toe doet voor een ondernemer staat er in één zin: externe samenwerkingen halen twee keer zo vaak succes als intern gebouwde systemen.
Datzelfde onderzoek leverde het cijfer dat je overal hoort: 95% van de organisaties haalt geen rendement uit hun investering in generatieve AI. Dat wordt meestal geciteerd als bewijs dat AI niet werkt. Zo is het niet gemeten. Het onderzoek keek naar meetbaar effect op de winst-en-verliesrekening binnen ongeveer een half jaar, en dat is een korte meetlat voor een verandering in de manier van werken.
Interessanter is de trechter eronder. Voor gereedschap dat op één taak is gebouwd evalueerde 60% van de organisaties een oplossing, bereikte 20% de pilotfase en kwam 5% in productie. Er verdwijnt dus twee derde tussen kijken en proberen, en driekwart tussen proberen en gebruiken. Bij algemene taalmodellen, zoals een abonnement op een chatbot, ligt diezelfde trechter op 80, 50 en 40 procent. Dat verschil is het hele punt van het rapport: los gereedschap komt er wel doorheen, iets wat in je eigen proces moet landen niet.
Het onderzoek noemt daar ook een verklaring bij die je in je eigen bedrijf kunt herkennen: budgetten gaan naar zichtbare functies aan de voorkant, terwijl het rendement in de achterkant zit. Klantenservice en marketing krijgen het geld omdat je daar het resultaat kunt laten zien. Wil je juist aan de voorkant beginnen, lees dan eerst hoe je meet of AI-zoekmachines klanten naar je toe sturen. Zonder die meting weet je achteraf niet wat het heeft opgeleverd. De winst zit in facturatie, orderverwerking, voorraad en alles waar iemand nu handmatig gegevens overtypt. Dat is saai werk om te presenteren en het is precies waar de uren zitten.
Wat gaat er mis tussen de pilot en de dagelijkse praktijk?
De pilot meet iets anders dan productie. Deloitte ondervroeg meer dan 3.000 leidinggevenden die direct bij AI-initiatieven betrokken zijn en vond dat slechts 25% minstens 40% van de pilots daadwerkelijk in productie had gebracht. Daarnaast past 37% AI vooral oppervlakkig toe, zonder dat er iets aan het proces zelf verandert.
Het scherpste getal uit dat onderzoek gaat over toezicht. Bijna driekwart wil binnen twee jaar met agenten aan de slag, maar slechts 21% heeft een volwassen manier om die agenten te besturen. Dat gat is waar het geld verdwijnt. Er komt software aan je klantcontact of je orderstroom te zitten voordat iemand heeft vastgelegd wie ingrijpt als het misgaat, hoe je ziet dát het misgaat, en wanneer je het uitzet.
In de praktijk breekt zo'n systeem zelden spectaculair. Het breekt stil. Een koppeling verloopt, een sessie logt uit, een leverancier verandert een veldnaam. Het systeem blijft draaien en levert alleen niets meer, of levert iets wat er nog steeds uitziet als een resultaat. Als er niemand kijkt, ontdek je dat weken later.
Vraag een aanbieder daarom niet alleen wat het systeem doet als het werkt. Vraag wat er gebeurt als een stap faalt. Krijgt iemand een melding, of wordt de fout stil overgeslagen? Wordt de taak later opnieuw geprobeerd? En wie kijkt daarnaar op een zaterdag? Dit zijn geen technische vragen. Dit is de vraag of je een leverancier hebt of alleen een oplevering. Hetzelfde onderscheid speelt aan de merkkant: een merk is een systeem en geen sjabloon, en een systeem heeft onderhoud nodig.
Wat kost het als er niets nieuws meer wordt gebouwd?
Meer dan de bouw, en dat staat zelden in een offerte. Het duidelijkste publieke voorbeeld komt van Pythian, een bedrijf van ongeveer 500 mensen dat maandelijks 15.000 databasemeldingen verwerkt. Zij automatiseerden de triage en verkortten de gemiddelde oplostijd met 80%. Bij een van hun klanten, een organisatie met 10.000 consultants, werd 10% van 20.000 IT-supporttickets per jaar volledig zonder mens afgehandeld.
Die tien procent is het cijfer om te onthouden, want het staat naast een grote meerderheid waar wel een mens aan te pas komt. Het gaat om een organisatie met tienduizend consultants, een technisch team en een grote hoeveelheid gelijksoortig werk. Als daar één op de tien tickets zelfstandig wordt afgehandeld, is dat de bovenkant van wat realistisch is, niet de ondergrens.
Uit hetzelfde verhaal komt de vuistregel die volgens mij in elke offerte hoort: uitrollen is 20% van het traject, het op peil houden van de nauwkeurigheid is 80%. Dat is hun ervaringsregel, geen meting, en ik neem hem over omdat hij klopt met wat wij zelf zien. Een systeem dat vandaag klopt, klopt over een half jaar niet meer, omdat de wereld eromheen verandert. Prijzen wijzigen, een platform past zijn velden aan, een dienst waarop je leunt gaat dicht.
Voor jouw inkoopgesprek betekent dat één concrete vraag: wat kost het tweede jaar, als er niets nieuws meer wordt gebouwd? Een aanbieder die daar een bedrag op plakt, heeft erover nagedacht. Een aanbieder die zegt dat het onderhoud meevalt, heeft het nog nooit een jaar laten draaien. Ik zeg dat als iemand die het wel een jaar heeft laten draaien: het onderhoud valt niet mee, en dat is geen reden om het niet te doen. Het is een reden om het in te calculeren.
Welke vragen halen de meeste ruis uit een offerte?
Vijf. Ze zijn niet technisch en je hoeft er niets voor te weten.
Welke stappen liggen vast en welke laat je door een taalmodel bepalen? Dit prikt door het etiket heen. Elk antwoord dat concreet is, is een goed antwoord. Elk antwoord dat over mogelijkheden gaat in plaats van over dit proces, is een verkooppraatje.
Wat gebeurt er als een stap faalt, en wie ziet dat? Hier scheidt zich een oplevering van een dienst. Zonder melding en zonder tweede poging heb je een systeem dat stil kan stoppen zonder dat iemand het merkt.
Wat kost het tweede jaar? Zie hierboven. Als er geen bedrag komt, is er geen plan.
Wie markeert de uitvoer, jullie of wij? Sinds 2 augustus 2026 geldt artikel 50 van de AI-verordening. De Europese Commissie schrijft dat het vanaf die datum van toepassing is: wie een systeem levert dat rechtstreeks met mensen praat, moet ervoor zorgen dat de gebruiker weet dat het geen mens is, en moet gegenereerde uitvoer machineleesbaar markeren. Een deel van die plicht landt niet bij je leverancier maar bij jou. Jij moet mensen informeren bij een deepfake, en bij AI-geschreven tekst over onderwerpen van algemeen belang die niemand redactioneel heeft nagelopen. Vraag dus wie in dit traject de leverancier is en wie de gebruiker, en wie welke markering regelt. Wie daar niet uitkomt, heeft de verordening niet gelezen.
Wat gaat er níét lukken? Dit is de belangrijkste. Een aanbieder die na een half uur nog steeds geen enkele beperking heeft genoemd, heeft het proces niet begrepen of vertelt niet alles. Alles wat waardevol is, heeft randen, en iemand die het vak kent kan die randen benoemen.
Merk op dat geen van deze vragen gaat over welk model er wordt gebruikt of hoe geavanceerd het is. Dat is met opzet. De keuze voor het onderliggende model verandert elk half jaar en is zelden waar een project op strandt. Projecten stranden op onduidelijk eigenaarschap, op ontbrekend toezicht en op een tweede jaar dat niemand had begroot.
Waar begin je als je hier nog nooit iets mee hebt gedaan?
Bij het saaiste proces dat je hebt. Niet bij klantcontact, want dat is het zichtbaarste en tegelijk het gevoeligste. Begin bij iets waar iemand nu gegevens overtypt van het ene scherm naar het andere: bestellingen inboeken, facturen matchen, voorraadstanden bijwerken, productgegevens van je eigen systeem naar een marktplaats brengen.
Kies vervolgens iets dat vaak gebeurt en waarvan je weet hoe vaak. Dat tweede is belangrijker dan het eerste, want zonder een aantal kun je achteraf niet zien of het iets heeft opgeleverd. Als je niet weet hoeveel orders er per week handmatig worden overgetypt, tel dat dan eerst een week. Die telling is meer waard dan de eerste drie offertes die je aanvraagt.
Vraag daarna niet om een voorstel maar om een gesprek over dat ene proces. Een aanbieder die het snapt, stelt vragen over uitzonderingen: wat gebeurt er bij een retour, bij een deellevering, bij een klant die twee keer in het systeem staat. Uitzonderingen zijn waar automatisering breekt, en het is een goed teken als iemand er meteen naar vraagt. Wij doen dat bij elk traject dat we aannemen, of het nu om een merk of om een website gaat.
En houd de eerste opdracht klein genoeg om te kunnen stoppen. Niet omdat je verwacht dat het misgaat, maar omdat het CBS-cijfer waar dit artikel mee begon in twee richtingen werkt. Ruim zeven op de tien ondernemers haakt af op gebrek aan ervaring. De enige manier om die ervaring te krijgen is één keer iets kleins helemaal afmaken, inclusief het tweede jaar. Daarna is de volgende beslissing geen sprong meer in het diepe, maar een inschatting die je zelf kunt maken.
