AI slimmer inzetten binnen je bedrijf
Steeds meer bedrijven onderzoeken hoe ze AI praktisch kunnen inzetten. Niet alleen om een tekst te schrijven, maar ook om mails te verwerken, documenten te controleren, taken bij te houden en complete projecten te ondersteunen.
In gesprekken over automatisering merk ik dat de vraag daardoor verandert. Het gaat niet meer alleen over wat ChatGPT, Codex of Claude Code kan. De belangrijkere vraag is: hoe zet je het slim en betaalbaar in binnen je bedrijf?
Want een AI-assistent kan tegenwoordig op je computer meekijken en knoppen bedienen. Dat is handig voor een losse klus of een eerste proef. Maar wanneer dezelfde handeling iedere dag terugkomt, kan een andere inrichting veel goedkoper zijn.
Via het scherm of rechtstreeks?
Stel dat een AI-assistent een takenlijst moet bijwerken. De assistent opent het programma, bekijkt het scherm, zoekt de juiste lijst, controleert wat er al staat en maakt daarna twaalf nieuwe taken aan.
Dat werkt. Maar het systeem moet bij iedere stap opnieuw kijken wat er op het scherm gebeurt. Waar staat de knop? Is de pagina geladen? Is de oude lijst weg? Staat de nieuwe taak erin?
Je kunt dezelfde programma's ook rechtstreeks met elkaar laten praten. Dan hoeft de assistent niet meer door alle schermen heen. Hij geeft alleen de opdracht door: maak deze lijst en zet deze twaalf taken erin.
Het resultaat is hetzelfde. De hoeveelheid lees- en denkwerk voor het AI-systeem niet.
Het verschil bij één terugkerende taak
Voor een rekenvoorbeeld heb ik één bedrijfsproces genomen: een takenlijst aanmaken en daar twaalf taken in zetten.
| Werkwijze | Verwerkt modelwerk | Berekende GPT-kosten |
|---|---|---|
| Schermen bekijken en aanklikken | circa 610.000 tokens | circa $1,65 |
| Rechtstreeks doorgeven | circa 2.200 tokens | circa $0,008 |
In dit rekenmodel is dat ongeveer 277 keer minder modelwerk en ruim 200 keer lagere gebruikskosten.
En dit is nog maar één taak. Niet een compleet bedrijf of een volledige administratie. Eén terugkerende handeling met één takenlijst.
Een token is simpel gezegd een klein stukje informatie dat het AI-systeem moet verwerken. Hoe meer schermen, tekst en tussenstappen het systeem opnieuw moet bekijken, hoe meer rekenwerk er nodig is.
Dit is een bedrijfsscenario, geen gemeten factuur en geen vast tarief voor iedere taak. De uitkomst verschilt per programma, model en werkwijze. De berekening gebruikt de gepubliceerde GPT-5.4-prijzen van 17 juli 2026. Eenmalige bouw- en inrichtingskosten zijn niet als terugkerende gebruikskosten meegerekend.
Download het volledige rekenvoorbeeld als PDF
Wat gebeurt er binnen een heel bedrijf?
Denk aan een bedrijf met honderd medewerkers. Iedere medewerker heeft meerdere handelingen die steeds terugkomen.
- Een nieuwe aanvraag registreren
- Een werkbon of taak aanmaken
- Klantgegevens overnemen
- Een planning aanpassen
- Een bestelling verwerken
- Een document in de juiste map plaatsen
- Een collega informeren
- Een afgeronde klus afmelden
De afzonderlijke handeling lijkt vaak klein. Het verschil ontstaat doordat hetzelfde werk dagelijks door meerdere mensen en afdelingen wordt herhaald.
Als een AI-assistent bij iedere handeling opnieuw programma's moet openen, schermen moet bekijken en knoppen moet zoeken, groeit het verbruik snel. Bij honderd of duizend uitvoeringen per dag wordt de manier waarop het is ingericht belangrijker dan de prijs van één losse uitvoering.
Laat AI nadenken. Laat de koppeling uitvoeren.
De oplossing is niet om minder AI te gebruiken. De oplossing is om AI het werk te geven waar het goed in is.
Laat AI bijvoorbeeld:
- Een binnengekomen mail begrijpen
- Ontbrekende gegevens herkennen
- Een document samenvatten
- Een afwijkende bestelling signaleren
- Een voorstel voor een antwoord maken
- Bepalen wanneer menselijke controle nodig is
Laat een vaste koppeling daarna:
- De taak aanmaken
- De status bijwerken
- De gegevens opslaan
- De werkbon doorzetten
- De juiste medewerker informeren
- Het document in de juiste map plaatsen
Zo gebruikt het bedrijf AI voor het beoordelen van informatie en niet voor het steeds opnieuw zoeken naar dezelfde knop.
De inrichting kost ook tijd
Een goede koppeling ontstaat niet vanzelf. Er moet worden bepaald welke gegevens nodig zijn, waar ze heen moeten en wat er gebeurt als iets niet klopt.
Dat is eenmalig inrichtingswerk. Daarom tel ik die bouwkosten niet opnieuw mee bij iedere uitvoering.
Bij een handeling die vijf keer per jaar voorkomt, is zo'n koppeling misschien niet nodig. Maar bij werk dat tientallen, honderden of duizenden keren terugkomt, kan de besparing snel oplopen.
Niet alleen in AI-kosten. Ook in minder wachttijd, minder invoerfouten, minder dubbel werk en meer overzicht.
Eerst naar het dagelijkse werk kijken
Steeds meer bedrijven gaan de komende jaren met AI werken. Het verschil wordt waarschijnlijk niet gemaakt door wie de meeste AI gebruikt, maar door wie het op de juiste plek inzet.
Ik begin daarom niet bij de techniek. Ik kijk eerst naar het werk:
- Welke handelingen worden steeds opnieuw uitgevoerd?
- Waar nemen medewerkers gegevens handmatig over?
- Welke programma's bevatten dezelfde informatie?
- Waar ontstaan fouten of onnodige wachttijden?
- Wanneer is menselijk inzicht nodig en wanneer niet?
Daarna kun je bepalen waar een AI-assistent waarde toevoegt en waar een vaste koppeling slimmer is.
AI hoeft niet iedere knop van een medewerker over te nemen. Het doel is dat medewerkers bepaalde knoppen helemaal niet meer hoeven in te drukken.
Daar zit vaak de echte besparing.
Heb je binnen jouw bedrijf werk dat iedere dag terugkomt? Dan kijk ik graag mee waar een slimme koppeling werk en kosten kan besparen.
Meer lezen: mailbox automatiseren · automatiseringskansen herkennen · facturen automatisch uitlezen