Naar hoofdinhoud
ROI van AI in het MKBLaatst bijgewerkt: 28 augustus 2026

ROI van AI in het MKB: zo reken je het geloofwaardig door

Van vage productiviteitsbelofte naar een business case die je controller serieus neemt. In vijf stappen van urenmeting naar aantoonbare waarde per jaar, zonder optimistische aannames.

Kort antwoord

De ROI van AI in het MKB reken je door op één proces tegelijk: meet hoeveel tijd het handmatige werk nu kost, bepaal een realistische besparing in procenten, tel de verborgen waarde mee (minder fouten, snellere doorlooptijd, betere kaspositie) en zet dat af tegen de investering en doorlopende kosten. Bij ThrAive maken we die business case samen tijdens de gratis AI-scan en leggen we de uitkomst vast in de requirements, zodat je vooraf weet wat je krijgt en achteraf kunt controleren of het is gehaald.

Wat betekent ROI van AI? Een bruikbare definitie

De ROI van AI is de verhouding tussen wat een AI-toepassing een bedrijf oplevert, gemeten in bespaarde uren, vermeden fouten, snellere doorlooptijden en vrijgespeelde fte, en wat de toepassing kost aan bouw, invoering en onderhoud, uitgezet in de tijd. Anders dan bij een machine of een bedrijfswagen komt de opbrengst niet uit één post, maar uit een optelsom van kleine, terugkerende verbeteringen die per week samen zwaar wegen.

Die definitie bevat bewust het woord gemeten. Een verwachting is nog geen rendement; pas wanneer je de situatie voor en na livegang met dezelfde maatlat vastlegt, weet je wat een traject werkelijk heeft opgebracht. Alles op deze pagina is daarop gericht: van de vraag wat AI oplevert een rekensom maken die een controller kan narekenen en een directie kan dragen.

Hoe breed AI inmiddels is ingevoerd in Nederlandse bedrijven, lees je in ons overzicht van de AI-adoptie in het MKB in cijfers.

Waarom 'wat levert AI op' zo vaak vaag wordt beantwoord

Vraag een willekeurige aanbieder wat AI oplevert en je krijgt een percentage zonder context: dertig procent productiever, veertig procent sneller. Zulke cijfers zijn gemiddelden over bedrijven die niet op het jouwe lijken, processen die je niet hebt en omstandigheden die nergens worden genoemd. Ze zijn niet per se gelogen; ze zijn alleen onbruikbaar als basis voor een beslissing over jouw bedrijf.

De oplossing is de vraag omdraaien. Niet: wat levert AI op? Maar: wat kost dit ene proces ons nu, en welk deel daarvan kan verdwijnen? Die vraag is beantwoordbaar met je eigen cijfers, en het antwoord is verdedigbaar tegenover iedereen die kritisch meekijkt. Een AI business case begint dus nooit bij de techniek, maar bij een stopwatch en een eerlijke telling.

De batenposten: waar de opbrengst vandaan komt

In vrijwel elke AI business case in het MKB komen de baten uit vijf posten, elk uit te drukken in uren, percentages of fte:

  • Directe tijdsbesparing: handmatige handelingen die het systeem overneemt, meetbaar in uren per week per medewerker.
  • Foutreductie: minder herstelwerk, minder correcties en minder heen-en-weer, vaak 3 tot 8% van de verwerkingstijd die stilletjes aan reparatie opgaat.
  • Snellere doorlooptijd: een aanvraag die in minuten in plaats van dagen wordt beantwoord, verhoogt de kans dat de klant bij jou blijft of koopt.
  • Uitgestelde werving: groei opvangen met hetzelfde team, waardoor een geplande extra fte later of helemaal niet nodig is.
  • Beter benutte kennis: ervaren medewerkers die routinewerk kwijtraken, besteden die uren aan werk dat daadwerkelijk hun tarief of loonschaal waard is.

Niet elke post geldt voor elk proces. Een sterke business case kiest de twee of drie posten die aantoonbaar spelen en laat de rest weg; wat je niet hard kunt maken, telt niet mee.

De kostenposten: het volledige plaatje, ook na oplevering

Tegenover de baten staan kosten, en een geloofwaardige rekensom benoemt ze allemaal, ook de posten die aanbieders liever overslaan:

  • De bouw of aanschaf zelf, bij ons vastgelegd als één bedrag dat vooraf vaststaat, zodat de rekensom onderweg niet kan verschuiven.
  • Invoeringstijd van je eigen mensen: meedenken, testen en wennen, realistisch zo'n 2 tot 4 uur per betrokken medewerker in de eerste maand.
  • Doorlopend gebruik: hosting, licenties voor onderliggende modellen en de periodieke controle of de kwaliteit op peil blijft.
  • De aanloopperiode: in de eerste twee tot drie maanden ligt de opbrengst lager omdat het systeem wordt bijgesteld en het team nog dubbel controleert.

Wie deze posten vooraf benoemt, voorkomt het klassieke patroon waarin een traject achteraf duurder voelt dan beloofd. De kosten waren er altijd al; ze stonden alleen niet op papier.

Een AI-traject hoort altijd te beginnen met een ROI-onderbouwing. Vooraf weten wat je belooft, achteraf laten zien wat je hebt geleverd.

Een AI business case opbouwen in vijf stappen

De rekensom zelf is geen hogere wiskunde. Vijf stappen, elk met je eigen cijfers:

  1. Baken het proces af

    Kies één proces met een duidelijk begin en einde, bijvoorbeeld van binnenkomst van een aanvraag tot verstuurd antwoord. Hoe scherper de grens, hoe eerlijker de meting.

  2. Meet de huidige inzet

    Tel hoe vaak het proces per week draait en hoeveel minuten een doorsnee geval kost, inclusief het opzoeken en overtypen eromheen. Meet enkele dagen mee; schattingen uit het hoofd zitten er structureel naast.

  3. Bepaal het automatiseerbare deel

    Splits het proces in stappen en markeer welke regelgebaseerd en voorspelbaar zijn. Op dat deel is 60 tot 80% tijdwinst realistisch; het beoordelende deel blijft mensenwerk.

  4. Verreken de aanloop

    Reken jaar 1 met ongeveer de helft van de structurele winst vanwege inregelen en wennen, en vanaf jaar 2 met het volledige effect.

  5. Leg het meetpunt vast

    Spreek vooraf af welke indicator na livegang wordt gevolgd en welke waarde het traject geslaagd maakt. Zonder die afspraak is elk resultaat achteraf voor discussie vatbaar.

Rekenen in uren, percentages en fte

Waarom niet gewoon in geld rekenen? Omdat uren de eerlijkste eenheid zijn. Een bespaard uur is een feit; wat dat uur waard is, hangt af van wat ermee gebeurt. Wordt het gevuld met declarabel werk, dan is de waarde hoog. Verdampt het in de marge van de dag, dan is de besparing papier. Door in uren en fte te rekenen, dwingt de business case tot de vervolgvraag die er echt toe doet: wat gaan we met de vrijgekomen tijd doen?

Percentages hebben hun eigen rol: ze maken processen onderling vergelijkbaar. Een proces waarvan 70% automatiseerbaar is, verslaat een proces van 30%, ook als het tweede spannender klinkt. En fte is de taal van de begroting: twee vrijgespeelde dagdelen per week over drie medewerkers is ruim een kwart fte, en dat getal begrijpt iedereen aan de directietafel zonder toelichting.

Terugverdientijd: wanneer het omslagpunt valt

Terugverdientijd is het moment waarop de opgetelde baten de opgetelde kosten inhalen. Waar dat punt valt, hangt vooral af van de omvang van wat je bouwt. Wij starten bewust met een losse workflow vanaf 800 euro per workflow: de investering blijft klein, het proces draait binnen enkele weken en zo'n eerste workflow is bij voldoende volume doorgaans binnen 1 kwartaal terugverdiend.

Kies je daarna voor een breder traject, met meerdere gekoppelde processen, integraties en een langere inrichtingsperiode, dan lopen de kosten voor de baten uit en verschuift het omslagpunt naar vier tot twaalf maanden na livegang. Dat is normaal en geen slecht teken, zolang je het vooraf zo doorrekent. Veel langer dan achttien maanden is wel een signaal om een ander proces te kiezen of de scope te verkleinen.

Belangrijker dan het exacte getal is de vorm van de curve. AI-baten zijn terugkerend: elke week na het omslagpunt komt dezelfde besparing opnieuw binnen, en vaak groeit ze nog naarmate het systeem meer situaties leert afhandelen. Daarom loont het om de terugverdientijd niet als eindpunt te zien, maar als startpunt van de periode waarin het rendement zich elk kwartaal herhaalt.

De nulmeting: meten voordat er iets gebouwd is

De meest overgeslagen stap in elke AI business case is de nulmeting, en het is precies de stap die achteraf alles bewijst. Voordat er ook maar iets wordt gebouwd, leg je de huidige situatie vast: hoeveel gevallen per week, hoeveel minuten per geval, hoeveel fouten per honderd, hoe lang wacht een klant gemiddeld. Zonder die foto kun je na livegang alles beweren en niets aantonen.

Een nulmeting hoeft geen wetenschappelijk onderzoek te zijn. Een week meelopen, tellen en klokken volstaat meestal, aangevuld met cijfers die al in je systemen zitten: aantallen orders, doorlooptijden uit je ticketsysteem, correctieboekingen in je administratie. Belangrijk is wel dat dezelfde definitie straks opnieuw wordt gebruikt; wie vooraf minuten per factuur meet en achteraf klanttevredenheid, vergelijkt appels met peren en dat ziet de directie ook.

Meten na livegang: van belofte naar bewijs

Na livegang begint het echte meten, in drie fasen. De eerste maand draait om betrouwbaarheid: doet het systeem wat het moet doen en waar grijpt een mens nog in? De tweede en derde maand tonen de trend: de aanloopcorrectie loopt eruit en de structurele winst wordt zichtbaar. Vanaf het tweede kwartaal vergelijk je tegen de nulmeting en weet je of de business case is waargemaakt.

Leg die uitkomst vast in hetzelfde document als de oorspronkelijke berekening, naast elkaar. Dat voelt kwetsbaar, en dat is precies de bedoeling: een leverancier of intern projectteam dat vooraf weet dat de eigen belofte wordt nagemeten, belooft scherper en bouwt beter. Bij ons hoort dat meetmoment standaard bij elk traject; wat we vooraf op papier zetten, willen we achteraf terugzien.

Rekenvoorbeeld: orderinvoer bij een groothandel

Een groothandel ontvangt wekelijks zo'n 150 bestellingen per mail en telefoon, die handmatig in het systeem worden gezet. Gemiddeld kost een order 8 minuten aan overtypen en controleren: samen 20 uur per week, ruim een halve fte. Meting wijst uit dat 75% van de orders volledig voorspelbaar van opbouw is; het automatiseerbare deel bedraagt daarmee 15 uur per week. Met 70% tijdwinst op dat deel komt de structurele besparing op ruim 10 uur per week.

In jaar 1 rekent de business case met de helft daarvan vanwege de aanloop: ruim 5 uur per week, oplopend naar het volle effect. Daarbovenop daalt het foutpercentage bij invoer van 4% naar vrijwel nul, waardoor wekelijks nog eens circa 2 uur herstelwerk verdwijnt en leveringen minder vaak vertraging oplopen. Dit voorbeeld gaat over een breder traject waarin orderinvoer, voorraadmutaties en facturatie aan elkaar zijn gekoppeld. Afgezet tegen de vaste investering en de maandelijkse gebruikskosten valt het omslagpunt hier rond maand acht, waarna elke week ruim 12 uur structureel terugkomt.

Verborgen baten: conservatief meetellen, er nooit op leunen

Naast de telbare uren zijn er baten die lastiger te meten zijn, maar wel degelijk echt. De regel: tel ze conservatief mee, maar laat de business case er nooit van afhangen:

  • Snellere reacties verhogen conversie: een offerte of antwoord binnen een uur wint vaker dan hetzelfde bericht na drie dagen.
  • Consistente kwaliteit beschermt je reputatie: klanten merken het verschil tussen een goed en een gehaast afgehandeld verzoek.
  • Rust in het team: minder stapelwerk en minder overwerk in piekweken zijn zelden in een cel te vangen, maar wel terug te zien in verzuim en verloop.
  • Schaalbaarheid: 20% meer volume aankunnen zonder extra handen geeft groeiruimte die je pas waardeert als de groei komt.

Een business case die alleen op deze zachte baten drijft, is een gok. Een business case die op harde uren staat en deze posten als extra meeneemt, is robuust: valt een zachte bate tegen, dan blijft de som overeind.

Wanneer de rekensom negatief uitvalt

Soms is de eerlijke uitkomst dat het niet uit kan, en die uitkomst is waardevol. Bij minder dan een handvol gevallen per week blijft de teller te laag, hoeveel procent je ook bespaart. Bij sterk wisselende input stijgen de bouw- en bijstuurkosten sneller dan de baten. En bij processen die op de nominatie staan om te verdwijnen of ingrijpend te veranderen, bouw je voor de sloop.

Een negatieve rekensom betekent zelden dat AI niets voor het bedrijf kan betekenen; meestal betekent het dat dit proces de verkeerde kandidaat is. De methode op deze pagina is herbruikbaar: dezelfde vijf stappen op het volgende proces kosten een middag en leveren vaak alsnog een kandidaat op die wel door de toets komt. Beter drie keer rekenen en één keer bouwen dan andersom.

Van rekensom naar besluit

Een doorgerekende business case maakt het besluit klein. In plaats van de grote vraag of het bedrijf 'iets met AI moet', ligt er een overzichtelijke afweging: dit proces, deze uren, dit omslagpunt, dit meetplan. Directies beslissen daar sneller en met meer vertrouwen over, en het gesprek gaat over inhoud in plaats van over geloof.

Ons advies aan elke directie: vraag van elke aanbieder, ons incluis, een rekensom in deze vorm voordat je tekent. Wie geen uren, percentages en meetplan kan laten zien, vraagt eigenlijk om vertrouwen zonder onderbouwing. Dat mag, maar het hoeft niet.

Weten hoe zo'n afzonderlijke rekensom past in een breder plan voor je bedrijf? Dat beschrijven we in onze aanpak voor een AI-strategie voor het MKB; en draait jouw vraag vooral om de investeringskant, lees dan wat AI-implementatie kost.

Rekenfouten die business cases onderuithalen

Tot slot de fouten die we het vaakst in bestaande berekeningen aantreffen, ter controle van je eigen som:

  • Rekenen met de ideale week: de meting doen in een rustige periode en het resultaat als gemiddelde nemen.
  • Honderd procent automatisering aannemen: er blijft vrijwel altijd een beoordelend restdeel over en dat hoort in de som.
  • De aanloop vergeten: vanaf dag één met de structurele winst rekenen, waardoor jaar 1 gegarandeerd tegenvalt.
  • Vrijgekomen uren dubbel tellen: dezelfde tijd tegelijk opvoeren als kostenbesparing en als extra omzetcapaciteit.
  • Kleine doorlopende kosten negeren: modelgebruik, hosting en periodieke controle zijn bescheiden posten die over jaren wel meetellen.

Een business case die deze vijf toetsen doorstaat, mag met vertrouwen naar de directietafel. Sterker nog: hij overleeft daar ook de lastigste vraag, omdat elke aanname een bron heeft.

Hoe wij onszelf aan de rekensom houden

Bij ThrAive is de business case geen verkoopdocument, maar onderdeel van de afspraak. Tijdens de gratis AI-scan rekenen we jouw proces samen door in uren, percentages en terugverdientijd; die uitkomst gaat mee in de requirements en daar houden we onszelf aan. De investering leggen we vooraf vast in één afgesproken bedrag, zodat de noemer van jouw rekensom niet halverwege kan groeien.

Binnen 30 dagen staat de oplossing in productie en begint de meetperiode tegen jouw eigen nulmeting. De code die daarbij ontstaat, behoort jou toe, dus ook het rendement op langere termijn ligt bij jou en niet bij een licentiemodel. En haalt de oplossing de afgesproken uitkomst niet, dan krijg je het bedrag terug. Zo hoort een rekensom te werken: wie hem opstelt, moet er ook aan gehouden kunnen worden.

Wil je de ROI voor jouw eerste AI-traject eerlijk laten doorrekenen?

Vraag je prijsindicatie aan en krijg een vaste prijs vooraf.

Veelgestelde vragen

Dat hangt af van de omvang. Een eerste losse workflow, waar ThrAive mee start vanaf 800 euro per workflow, is doorgaans binnen 1 kwartaal terugverdiend. Ga je breder, met meerdere gekoppelde processen en integraties, dan ligt het omslagpunt meestal tussen vier en twaalf maanden na livegang. Veel langer dan achttien maanden is een signaal om de scope of het proces te heroverwegen.

Op het voorspelbare, regelgebaseerde deel van een proces is 60 tot 80% tijdwinst haalbaar. Omdat een beoordelend restdeel mensenwerk blijft en de eerste maanden aanloop kennen, reken je in jaar 1 met ongeveer de helft van de structurele winst.

Een week meten volstaat meestal: tel hoe vaak het proces draait, klok de gemiddelde duur en noteer fouten per honderd gevallen. Vul aan met cijfers uit je systemen, zoals doorlooptijden en correctieboekingen, en gebruik na livegang exact dezelfde definities.

Foutreductie, snellere doorlooptijd, uitgestelde werving en beter benutte kennis van ervaren medewerkers. Tel ze conservatief mee en zorg dat de business case ook zonder deze zachte posten positief blijft; dan kan een tegenvaller de som niet breken.

Dan is dat een waardevolle uitkomst: je hebt een dure vergissing vermeden. Meestal betekent het dat dit specifieke proces ongeschikt is, niet dat AI niets kan opleveren. Dezelfde rekenmethode op een ander proces levert vaak alsnog een sterke kandidaat op.

Eén gesprek en je weet hoe AI je organisatie een stap vooruit brengt.

App ons of bel direct. Reactie binnen 1 uur op werkdagen.

Liever mailen? info@thraive.nl