Wat kost AI-implementatie? Een eerlijke gids

Wat AI-implementatie kost hangt af van de scope, niet van een vaste prijskaart — maar het valt wel in duidelijke bandbreedtes uiteen. Een gerichte audit of strategieopdracht kost een paar duizend euro, een werkende proof of concept ligt doorgaans rond de EUR 20.000, en een productiesysteem begint meestal rond de EUR 50.000 en stijgt afhankelijk van datawerk, integraties en compliance-eisen. Bij Crux Digits worden deze fasen geprijsd als projecten met een vaste scope (Audit EUR 2.500, PoC EUR 20.000, Productie vanaf EUR 50.000), zodat u het bedrag kent vóór u zich vastlegt, en niet pas achteraf.

Het eerlijke antwoord: het hangt ervan af — maar dit zijn de echte bandbreedtes

Als iemand vraagt wat AI-implementatie kost, is het eerlijke antwoord "dat hangt ervan af" — maar daar heeft u alleen iets aan als er getallen bij komen. De eerlijke versie is dat de kosten meeschalen met het probleem dat u oplost, niet met het woord "AI". Een chatbot die veelgestelde vragen beantwoordt en een vision-systeem dat onderdelen inspecteert op een lopende productielijn zijn allebei "AI", en toch zitten ze aan tegenovergestelde uiteinden van het budget.

Het helpt om in drie bandbreedtes te denken in plaats van in één bedrag. Een strategie- of auditopdracht — waarbij iemand met ervaring naar uw data, uw processen en de daadwerkelijk waardevolle use cases kijkt — kost een paar duizend euro. Een proof of concept die aantoont of het idee werkt op uw echte data, ligt doorgaans in de lage tienduizenden. Een productiesysteem dat elke dag draait, met monitoring en support, begint meestal rond de EUR 50.000 en loopt vanaf daar op, afhankelijk van de complexiteit.

Die bandbreedtes bestaan omdat AI-projecten dezelfde vorm delen: uitzoeken wat de moeite waard is, bewijzen dat het werkt, en het daarna goed bouwen. Elke fase kost meer dan de vorige, omdat elke fase meer engineering, meer datawerk en meer verantwoordelijkheid vraagt. De rest van deze gids legt uit wat een project binnen die bandbreedtes omhoog of omlaag duwt — en hoe u het bedrag voorspelbaar houdt.

Nog één eerlijke kanttekening vóór de getallen: wees op uw hoede voor elke offerte die zonder vragen binnenkomt. Een betrouwbare inschatting volgt nadat iemand naar uw data, uw systemen en uw definitie van succes heeft gevraagd. Een bedrag dat al wordt genoemd vóórdat daarover is gesproken, is ofwel een gok die als offerte is verkleed, ofwel een getal dat stilletjes groeit zodra de echte scope zichtbaar wordt. Het doel van de rest van dit artikel is dat u zelf kunt zien welk soort u krijgt aangeboden.

Wat de kosten werkelijk bepaalt

Twee projecten met hetzelfde hoofddoel kunnen een factor vijf in prijs verschillen. Het verschil zit bijna altijd in één van deze zes drivers. Lees ze als een checklist — hoe meer vakjes een project aanvinkt, hoe hoger de bandbreedte waarin het thuishoort.

• Complexiteit van het probleem. Het classificeren van supporte-mails is goed begrepen en goedkoop. Het voorspellen van vraag in een grillige keten, of redeneren over rommelige juridische contracten, is moeilijker, vraagt meer iteratie en kost meer.
• Datavolwassenheid. Dit is veruit de grootste uitschietfactor. Als uw data schoon, gelabeld en toegankelijk is, bouwt u snel. Zit ze verspreid in pdf's, spreadsheets en drie systemen die niet met elkaar praten, dan kan de data-engineering om die data klaar te zetten net zo duur worden als het model zelf.
• Integraties. Een losse demo is goedkoop. Een systeem dat uit uw CRM moet lezen, naar uw ERP moet terugschrijven en uw bestaande rechtenstructuur moet respecteren, is echte software-engineering met echte tests.
• Keuze van model en infrastructuur. Een gehost model via een API gebruiken is snel en heeft lage opstartkosten, maar wel een doorlopende rekening per gebruik. Een open model zelf hosten kost meer om in te richten, maar kan op schaal goedkoper zijn en houdt data in eigen huis — relevant als u RAG tegen fine-tuning afweegt.
• Compliance en governance. Als het systeem persoonsgegevens raakt, beslissingen over mensen neemt, of onder de hoogrisicocategorieën van de EU AI Act valt, hebt u documentatie, menselijk toezicht in het ontwerp en testen nodig. Dat is echt werk — zie onze toelichting over EU AI Act-compliance in Nederland.
• Doorlopende exploitatiekosten. De bouw is eenmalig; het draaiende houden is voor altijd. Inference, hosting, monitoring en de incidentele modelupdate zijn posten die u vanaf dag één moet inplannen, niet pas later moet ontdekken.

Merk op dat slechts één van die zes — de modelkeuze — over de AI-technologie zelf gaat. De andere vijf gaan over uw bedrijf: hoe rommelig uw data is, hoeveel systemen de oplossing moet raken, hoe gereguleerd de use case is en hoe intensief hij gebruikt zal worden. Daarom kan een leverancier u geen verstandige prijs noemen op basis van één regel beschrijving. Dezelfde vraag — "we willen AI inzetten voor onze facturen" — kan een PoC van EUR 20.000 zijn voor een bedrijf met nette digitale administratie, of een veel groter programma voor een bedrijf waarvan de facturen als gescand papier in drie valuta binnenkomen. De eerlijke weg naar een getal loopt langs deze drivers, niet eromheen.

De fasen — en de vaste prijzen van Crux Digits

Het meeste serieuze AI-werk doorloopt drie fasen, en het apart prijzen van elke fase is wat een budget eerlijk houdt. U legt zich pas vast op de volgende stap zodra de vorige zich heeft bewezen. Bij Crux Digits is elke fase een project met een vaste scope, waarbij de prijs is afgesproken vóór er werk begint.

• AI Audit & Strategie — EUR 2.500 (vast). Een gestructureerde blik op waar AI uw bedrijf realistisch helpt, wat uw data ondersteunt en welke use case de beste terugverdientijd heeft. U vertrekt met een geprioriteerd plan, niet met een verkooppraatje. Dit is de goedkoopste manier om te voorkomen dat u tienduizenden euro's aan het verkeerde idee uitgeeft.
• Proof of Concept — EUR 20.000 (vast). We bouwen een werkende versie op uw echte data om één vraag te beantwoorden: werkt dit goed genoeg om het naar productie te brengen? Een PoC haalt het risico uit de grote beslissing vóór u die neemt. We gaan hier dieper op in bij wat een AI proof of concept kost en hoe u een AI-pilot uitvoert.

• Productie-lancering — vanaf EUR 50.000. Het echte systeem: geïntegreerd, gemonitord, gedocumenteerd en ondersteund. Het woordje "vanaf" telt hier — het uiteindelijke bedrag hangt af van de kostendrivers hierboven, en daarom volgt het op een PoC die de meeste onbekenden al heeft blootgelegd.

Alle details en wat er per fase is inbegrepen vindt u op de prijzenpagina en de pagina over AI-consultancyprijzen. Deze gids is het bredere verhaal van "waarom het kost wat het kost"; die pagina's geven de concrete posten.

Hoe een klein, middelgroot en groot project eruitziet

Abstracte bandbreedtes zijn makkelijker te bevatten met concrete vormen. Deze zijn illustratief — uw situatie zal afwijken — maar ze laten zien hoe de drivers in de praktijk op elkaar stapelen.

Een klein project is een gericht hulpmiddel met één doel: een interne assistent die uw documenten doorzoekt, een automatisering die routinematige antwoorden opstelt, of een classifier die binnenkomende verzoeken doorzet. De data staat doorgaans al op één plek, de integraties zijn licht en de compliance-voetafdruk is klein. Dit is PoC-terrein, vaak met een bescheiden extra bouwslag erbovenop.

Een middelgroot project automatiseert een echt bedrijfsproces van begin tot eind — bijvoorbeeld een intakeworkflow, een pijplijn die documenten genereert, of een AI-agent die een taak met meerdere stappen over systemen heen afhandelt. Het raakt twee of drie van uw tools, vraagt om gedegen datavoorbereiding en draagt echte monitoring. Dit zit comfortabel in de productiebandbreedte.

Een groot project is bedrijfskritisch en meestal gereguleerd of grootschalig: een voorspelmotor waar de business op draait, een computer vision-systeem op de fabrieksvloer, of iets dat beslissingen over mensen neemt. Zware integratie, strikte governance en serieuze betrouwbaarheidseisen duwen het ruim boven het startpunt van EUR 50.000. De eerlijke aanpak hier is om het in fasen op te knippen in plaats van u vooraf op één groot bedrag vast te leggen.

Dat omvang zo netjes samenvalt met kosten, komt doordat omvang eigenlijk een graadmeter is voor de drivers uit de vorige sectie. Kleine projecten vinken één of twee vakjes aan; grote vinken er meerdere tegelijk aan. Schat uw eigen idee dus niet in op ambitie — schat het in door de drivers te tellen. Een bescheiden klinkend hulpmiddel dat tóch persoonsgegevens en vier systemen raakt, is een middelgroot tot groot project in kleine-projectkleren, en het als klein prijzen is hoe budgetten ontsporen. Net zo goed kan een idee dat enorm aanvoelt maar op schone data in één systeem draait, veel goedkoper zijn dan het lijkt.

De verborgen en doorlopende kosten die mensen vergeten

De bouwprijs is het deel dat iedereen offreert. De kosten die mensen verrassen, zijn die welke ná de lancering opduiken — begroot ze dus nu al.

• Datavoorbereiding. Vaak de grootste onzichtbare kostenpost. Het opschonen, structureren en koppelen van data kan meer werk zijn dan het model. De moeite waard om vooraf eerlijk te beprijzen in plaats van als bijzaak te behandelen.
• Monitoring en onderhoud. Een model in productie moet in de gaten gehouden worden. De kwaliteit verschuift naarmate de echte wereld verandert, en u wilt dat opmerken vóór uw gebruikers het doen. Dit is operationele kost, geen eenmalige post — goed beschreven in AI-agents in productie.
• Modelupdates en hertrainen. Data verschuift, regelgeving verandert en er verschijnen betere modellen. Reken op periodieke updates in plaats van aan te nemen dat een eenmalig gebouwd systeem voor altijd accuraat blijft.
• Verandermanagement. De techniek is zelden het lastigste deel. Mensen zover krijgen dat ze een nieuw systeem vertrouwen en het ook echt gebruiken — training, het bijstellen van workflows, vertrouwen opbouwen — is echt werk en een echte kostenpost. Een technisch perfect systeem dat niemand gebruikt, levert nul op.
• Exploitatiekosten. Rekeningen voor inference en hosting zijn gebruiksafhankelijk. Een tool die door vijf mensen wordt gebruikt en een die door vijfduizend mensen wordt gebruikt, hebben heel verschillende maandlasten, zelfs bij identieke code.

Hoe u over ROI en terugverdientijd nadenkt

Kosten betekenen pas iets náást waarde, dus de juiste vraag is niet "wat kost dit?" maar "wat levert het op, en hoe snel?". We noemen u geen verzonnen percentage — elk bedrijf is anders, en wie een gegarandeerd getal belooft, gokt. Maar de manier om erover te redeneren is wél consistent.

Begin met concreet te zijn over de waarde. Bespaart het systeem uren repetitief werk, vermindert het kostbare fouten, versnelt het een proces waar klanten op wachten, of stelt het uw team in staat meer te doen zonder extra aannames? Zet daar een ruwe, voorzichtige bedragwaarde per maand op. Vergelijk die met de bouwkosten plus de doorlopende exploitatiekosten. De bouw is eenmalig; de exploitatiekost en het voordeel komen allebei terug — dus de terugverdientijd is grofweg de bouwkosten gedeeld door het netto maandelijkse voordeel.

Twee dingen maken deze berekening nuttiger dan ze op het eerste gezicht lijkt. Ten eerste telt het terugkerende karakter van het voordeel zwaarder dan de eenmalige bouw. Een systeem dat elke maand opnieuw een bescheiden bedrag bespaart, stapelt op; een grote eenmalige besparing doet dat niet. Ten tweede is niet alle waarde een kostenbesparing — sommige van de sterkste cases gaan over capaciteit (meer werk aankunnen zonder aannames) of over kwaliteit (fouten opvangen die een vermoeide medewerker om vier uur 's middags mist). Die zijn lastiger precies te becijferen, maar ze zijn echt, en een voorzichtige schatting verslaat het negeren ervan.

Waarom de volgorde audit-dan-PoC voor ROI uitmaakt, is dat ze voorkomt dat u productiegeld uitgeeft aan iets waarvan u de waarde alleen hebt aangenomen. Aan het eind van een PoC hebt u bewijs, geen optimisme — en dat verandert het ROI-gesprek van een gok in een berekening. Echt kleine of onzekere opbrengsten zijn precies wat de goedkope eerste fasen bedoeld zijn bloot te leggen, vóórdat ze duur worden. Als de getallen niet kloppen, is dat ontdekken na een PoC van EUR 20.000 een goede uitkomst, geen mislukking — het heeft u net een zescijferige misstap bespaard.

Waarom een vaste scope het budget ontzorgt

Veel AI-budget loopt scheef omdat het open einde is. Nacalculatie en constructies met een vast team hebben hun plek, maar ze schuiven het risico van "hoe lang gaat dit duren?" naar u toe — en bij een jonge, snel bewegende technologie is dat een lastig risico om te dragen. De meter loopt door, of het project nu wel of niet ergens uitkomt.

Een vaste scope draait dat om. Als de audit EUR 2.500 is, de PoC EUR 20.000 en productie vanaf een afgesproken bedrag begint, ligt het risico van scoping en inschatting bij het bureau, waar het thuishoort. U kent het bedrag vóór u zich vastlegt, u kunt na elke fase stoppen, en u betaalt nooit om iemand op uw budget te zien leren. Dat is een bewuste keuze in hoe Crux Digits werkt — boutique, transparant en gericht op resultaat in plaats van op uren.

Het dwingt ook vooraf tot een gezonder gesprek. Om een prijs vast te kunnen leggen, moet de scope echt begrepen zijn — wat betekent dat de lastige vragen over data, integraties en compliance aan het begin worden gesteld, in plaats van later als dure verrassingen op te duiken. Een heldere scope is goede engineeringhygiëne, niet alleen goede commerciële praktijk.

Overweegt u een AI-project en wilt u een rechttoe rechtaan antwoord op wat uw specifieke geval zou kosten, dan is dat precies waar een audit voor dient — en een kort, vrijblijvend gesprek kost niets. U kunt contact opnemen wanneer u er klaar voor bent om er een echt getal op te plakken.

Veelgestelde vragen