Hoe maakt u een realistische businesscase voor AI?

De belofte van een AI-toepassing klinkt vaak aantrekkelijk. Een proces wordt sneller. Medewerkers hoeven minder administratief werk te doen. Klanten krijgen eerder antwoord. Een team kan groeien zonder direct extra mensen aan te nemen.

Maar zodra budget moet worden vrijgemaakt, ontstaat een moeilijkere vraag: wat gaat deze toepassing werkelijk opleveren?

Veel AI-businesscases blijven hangen in theoretisch bespaarde uren. Het aantal handelingen wordt vermenigvuldigd met een geschatte tijdsbesparing en een gemiddeld uurtarief. Daaruit volgt een aantrekkelijk bedrag. Zo'n berekening kan een bruikbaar begin zijn, maar is zelden voldoende voor een goed investeringsbesluit.

Een realistische businesscase kijkt niet alleen naar wat technisch mogelijk is. Ook gebruik, kwaliteit, procesverandering, menselijke controle, implementatiekosten en het daadwerkelijk benutten van vrijgespeelde capaciteit moeten worden meegenomen.

Begin met het probleem, niet met de oplossing

Een businesscase voor “een AI-agent” of “een interne chatbot” is te abstract. Voordat u opbrengsten kunt berekenen, moet duidelijk zijn welk concreet probleem wordt opgelost.

Bijvoorbeeld:

• orders bevatten regelmatig onvolledige informatie;
• medewerkers nemen klantgegevens handmatig over;
• offertes blijven wachten op interne input;
• klantvragen worden door meerdere afdelingen behandeld;
• documentcontroles vragen veel specialistische capaciteit;
• managementrapportages zijn te laat beschikbaar;
• ervaren medewerkers besteden veel tijd aan terugkerende kennisvragen.

Beschrijf vervolgens hoe vaak het probleem voorkomt, wie ermee te maken heeft en wat de gevolgen zijn. De kwaliteit van de businesscase hangt rechtstreeks samen met de kwaliteit van deze probleemanalyse.

Voer eerst een nulmeting uit

Zonder nulmeting kan achteraf nauwelijks worden vastgesteld of een oplossing waarde heeft toegevoegd. Een nulmeting hoeft niet altijd complex te zijn. De belangrijkste vraag is welke indicatoren het huidige probleem zichtbaar maken.

• aantal transacties of dossiers per periode;
• gemiddelde verwerkingstijd en totale doorlooptijd;
• aantal overdrachtsmomenten;
• percentage herstelwerk en foutpercentage;
• aantal klantvragen of klachten;
• benodigde specialistische uren;
• kosten per transactie en gemiste omzet;
• gemiddelde wachttijd;
• medewerker- of klanttevredenheid.

Gebruik waar mogelijk bestaande data uit systemen. Wanneer die niet beschikbaar is, kan een representatieve steekproef voldoende zijn om eerste aannames te onderbouwen. Belangrijk is dat metingen aansluiten op het volledige proces — een lokale tijdsbesparing heeft weinig waarde als het werk vervolgens bij een andere afdeling blijft wachten.

Zes vormen van potentiële waarde

AI hoeft niet uitsluitend tot directe kostenbesparing te leiden. Een businesscase kan verschillende soorten waarde bevatten.

1. Vrijgespeelde capaciteit

AI kan tijd besparen bij zoeken, lezen, schrijven, controleren, classificeren of invoeren. Bereken daarbij niet alleen hoeveel minuten theoretisch verdwijnen, maar ook hoeveel gevallen werkelijk geschikt zijn, hoeveel menselijke controle nodig blijft, hoeveel uitzonderingen voorkomen en welk deel van de tijd praktisch kan worden benut. Tien minuten tijdwinst verspreid over een werkdag is niet altijd hetzelfde als tien minuten inzetbare capaciteit.

2. Kortere doorlooptijd

Een proces kan sneller verlopen zonder dat direct personeelskosten verdwijnen. Waarde ontstaat doordat klanten eerder antwoord krijgen, orders sneller worden verwerkt, facturen eerder worden verstuurd, medewerkers minder hoeven te wachten en fouten eerder worden ontdekt. Bij sommige processen is doorlooptijd belangrijker dan pure arbeidsbesparing.

3. Hogere kwaliteit

AI kan medewerkers helpen informatie vollediger, consistenter of eerder te verwerken. Denk aan minder fouten en herstelwerk, betere naleving van procedures, consistentere communicatie, betere documentatie en minder klachten. Kwaliteitsverbetering moet waar mogelijk worden vertaald naar meetbare gevolgen, zoals lagere herstelkosten of minder klantuitval.

4. Extra omzet of conversie

AI kan ook commerciële waarde creëren: sneller opvolgen van leads, relevantere voorstellen, kortere offertedoorlooptijd, betere benutting van klantdata en eerdere herkenning van kansen. Wees bij omzetverwachtingen voorzichtig — niet iedere versnelling leidt automatisch tot extra omzet. Maak duidelijk welke tussenstappen en aannames daarvoor nodig zijn.

5. Risicoreductie

Sommige toepassingen leveren waarde doordat fouten, uitval of complianceproblemen eerder worden gesignaleerd. Werk met scenario's: hoe vaak doet het risico zich voor, wat is de impact, hoeveel kan de toepassing kans of impact verkleinen en welke controle blijft noodzakelijk? Voorkom dat zeer onwaarschijnlijke risico's als gegarandeerde opbrengst worden opgenomen.

6. Strategische en leerwaarde

Een eerste toepassing kan de organisatie helpen ervaring op te bouwen met data, integraties, governance en adoptie. Deze waarde is reëel, maar moet niet worden gebruikt om een zwakke financiële businesscase te verbergen. Benoem leerwaarde afzonderlijk en beschrijf welke onzekerheid wordt weggenomen.

Bereken niet alle bespaarde tijd als financieel voordeel

Dit is een van de meest voorkomende fouten in businesscases. Stel dat een toepassing honderd medewerkers ieder vijftien minuten per week bespaart. Op jaarbasis lijkt dat een groot aantal uren. Maar wat gebeurt er werkelijk met die tijd?

Er zijn grofweg vier mogelijkheden:

• medewerkers produceren meer binnen dezelfde tijd;
• klanten worden sneller of beter geholpen;
• overwerk, externe inhuur of toekomstige uitbreiding wordt voorkomen;
• de tijd raakt verspreid en wordt niet zichtbaar anders ingezet.

Alleen in de eerste drie situaties ontstaat waarschijnlijk aantoonbare bedrijfswaarde. Daarom moet de businesscase beschrijven hoe vrijgespeelde capaciteit wordt verzilverd — via een capaciteitsdoelstelling, het wegwerken van een achterstand, het voorkomen van vacatures of het bedienen van meer klanten. Zonder zo'n afspraak blijft tijdwinst vooral een potentiële opbrengst.

Breng de volledige kosten in beeld

De prijs van het AI-model of de softwarelicentie is maar een onderdeel van de totale investering. Houd ook rekening met procesanalyse en ontwerp, technische ontwikkeling, configuratie, integraties, opschonen en ontsluiten van data, informatiebeveiliging en privacy, testen, training, functioneel en technisch beheer, monitoring, kosten per aanvraag of token, en ondersteuning bij fouten.

Ook interne capaciteit heeft waarde. Wanneer ervaren medewerkers tijdens ontwikkeling veel tijd besteden aan interviews, testen en controles, moet deze inzet onderdeel van de businesscase zijn.

Werk met scenario's in plaats van één voorspelling

AI-toepassingen bevatten onzekerheden. Misschien kan 80 procent van de documenten automatisch worden voorbereid. Maar het kan ook 50 procent blijken te zijn. Werk daarom minimaal met drie scenario's: voorzichtig (lagere adoptie, veel controle, vooral leerwaarde), verwacht (realistische adoptie, positieve businesscase binnen acceptabele termijn) en gunstig (hoge adoptie, weinig uitzonderingen, snellere terugverdientijd).

Scenario's maken zichtbaar welke aannames de uitkomst het sterkst beïnvloeden. Daarmee weet u ook precies wat tijdens een Proof of Value moet worden onderzocht.

Neem betrouwbaarheid en menselijke controle mee

Een AI-oplossing zal niet altijd ieder geval volledig zelfstandig verwerken. Sommige uitkomsten kunnen automatisch worden geaccepteerd, andere vragen om beoordeling en bij lage zekerheid kan escalatie naar een specialist nodig zijn.

Bereken daarom welk percentage automatisch kan worden verwerkt, welk percentage een korte controle vraagt, welk percentage volledig handmatig blijft en hoeveel tijd iedere vorm van controle kost. Een oplossing die 95 procent van de gevallen goed verwerkt klinkt sterk, maar wanneer de overige 5 procent zeer kostbaar is, kan intensieve controle alsnog noodzakelijk zijn.

Meet adoptie als onderdeel van de businesscase

Een technisch werkende oplossing levert geen waarde op wanneer medewerkers haar niet gebruiken. Maak aannames over het aantal beoogde gebruikers, gebruiksfrequentie, het percentage processen dat via de nieuwe werkwijze verloopt, de benodigde training en mogelijke weerstand.

Meet tijdens een test niet alleen tevredenheid — kijk vooral naar werkelijk gedrag. Wordt de oplossing gebruikt? Worden uitkomsten overgenomen? Waarom kiezen medewerkers soms voor de oude werkwijze? Deze informatie bepaalt of de verwachte waarde realistisch is.

Een eenvoudig rekenvoorbeeld

Stel dat een organisatie jaarlijks 30.000 aanvragen verwerkt. De huidige verwerking vraagt gemiddeld twaalf minuten per aanvraag. Uit een eerste analyse blijkt dat AI bij 70 procent van de aanvragen een conceptbeoordeling kan voorbereiden. Bij deze aanvragen daalt de menselijke verwerkingstijd naar vier minuten.

De theoretische tijdsbesparing is:

• 21.000 geschikte aanvragen;
• acht minuten besparing per aanvraag;
• 168.000 minuten;
• 2.800 uur per jaar.

Dat is nog niet de definitieve opbrengst. Daar moeten onder andere vanaf: tijd voor steekproeven en kwaliteitscontrole, behandeling van onjuist geclassificeerde aanvragen, beheer en monitoring, en extra tijd tijdens de leer- en adoptiefase.

Vervolgens moet worden bepaald wat de resterende capaciteit mogelijk maakt. Kan de organisatie meer aanvragen verwerken? Wordt externe inhuur verminderd? Verbetert de reactietijd? Pas dan kan de tijdsbesparing verantwoord naar financiële waarde worden vertaald.

Van businesscase naar Proof of Value

Een businesscase vóór de test bevat altijd aannames. Het doel is niet om schijnzekerheid te creëren, maar om de belangrijkste onzekerheden zichtbaar te maken.

Een Proof of Value toetst onder andere:

• welk percentage van het werk geschikt is;
• welke kwaliteit het model werkelijk bereikt;
• hoeveel menselijke controle nodig blijft;
• hoeveel tijd in de praktijk wordt bespaard;
• of medewerkers de oplossing gebruiken;
• welke uitzonderingen optreden;
• welke integraties nodig zijn;
• welke kosten bij werkelijk gebruik ontstaan;
• of het totale proces aantoonbaar verbetert.

Na de test wordt de businesscase opnieuw berekend met praktijkdata. De organisatie kan vervolgens bewust besluiten om op te schalen, de oplossing aan te passen, eerst randvoorwaarden te verbeteren of te stoppen.

Een businesscase is geen verkooprekensom

Het doel van een businesscase is niet om iedere AI-toepassing financieel aantrekkelijk te maken. Een goede businesscase mag ook aantonen dat een toepassing nog niet haalbaar is, dat eerst een proces moet worden verbeterd of dat de verwachte waarde onvoldoende opweegt tegen de kosten en risico's.

Dat voorkomt dat technologie de oplossing wordt voor een probleem dat niet groot genoeg is.