Hoe meet je of AI echt iets oplevert?

Je hebt een AI-tool ingezet. Het team gebruikt het. Het voelt sneller. Maar de vraag die elke ondernemer stelt: levert het ook echt iets op? Die vraag kun je beantwoorden, en het hoeft niet ingewikkeld te zijn.

In gesprekken met mkb-ondernemers merk ik dat de meesten AI implementeren op gevoel. "Het bespaart vast tijd." Dat is een goed begin, maar zonder meting weet je niet hoeveel het oplevert, of je de juiste tool hebt gekozen en of het verstandig is om verder te investeren. Meten geeft je die antwoorden.

Het ROI-framework in drie stappen

1. Nulmeting: meet het proces voordat je AI inzet. Hoeveel uur kost het per week? Hoeveel fouten of vertragingen treden er op? Wat zijn de directe kosten (uren maal uurtarief)?
2. Na vier weken: meet hetzelfde proces opnieuw. Hoeveel uur kost het nu? Zijn er minder fouten? Is de doorlooptijd korter?
3. Rendement berekenen: (tijdwinst in uren x uurtarief) minus AI-kosten per maand = maandelijks rendement.

Wat meet je precies?

Niet elk proces leent zich voor dezelfde meetmethode. Hieronder de vier meest gebruikte meetpunten voor AI-rendement in het mkb.

Kies maximaal twee meetpunten per proces. Meer meten klinkt grondig, maar maakt het onnodig complex. Twee meetpunten geven je genoeg informatie om te beslissen of je doorgaat, bijstuurt of stopt.

Voorbeeld: een accountantskantoor meet AI-rendement

Een accountantskantoor met negen medewerkers zette AI in voor het opstellen van concept-jaarrekeningen. Ruben had met de eigenaar aan tafel gezeten om het juiste proces te kiezen.

De nulmeting: elke concept-jaarrekening kostte gemiddeld 4,5 uur. Het kantoor maakte er twintig per maand, totaal 90 uur.

Na zes weken met AI-ondersteuning: de gemiddelde tijd per concept-jaarrekening daalde naar 2 uur. Twintig jaarrekeningen kostten nu 40 uur. Een besparing van 50 uur per maand.

De berekening: 50 uur x €85 (uurtarief) = €4.250 aan vrijgekomen capaciteit. De AI-tool kostte €180 per maand. Het netto rendement: €4.070 per maand. En het team besteedde de vrijgekomen tijd aan adviesgesprekken, wat extra omzet opleverde.

Veelgemaakte fouten bij het meten

• Te vroeg meten. Geef het team minimaal drie weken om aan de tool te wennen voordat je meet. De eerste week is altijd langzamer dan de steady state.
• Alleen tijd meten. Tijdwinst is het makkelijkst te meten, maar niet altijd het belangrijkst. Kwaliteitsverbetering en klanttevredenheid tellen ook.
• Geen nulmeting doen. Zonder nulmeting heb je geen vergelijkingspunt. Je weet dan wel dat het snel voelt, maar niet hoeveel het precies oplevert.
• Het hele bedrijf tegelijk meten. Meet per proces, niet per bedrijf. Eén goed gemeten proces geeft meer inzicht dan vijf vaag gemeten processen.

Wanneer is AI-rendement voldoende?

Een gezonde vuistregel: als de AI-investering zichzelf binnen twee maanden terugverdient, is het een goede investering. De meeste mkb-toepassingen die Ruben begeleidt, bereiken dat punt binnen de eerste maand.

Als het rendement na vier weken nog niet duidelijk is, zijn er drie mogelijke oorzaken. De tool past niet bij het proces, het team gebruikt de tool niet optimaal, of het proces was al efficiënt genoeg om weinig winst te boeken. In alle drie de gevallen is de conclusie helder en beslis je op basis van feiten, niet op gevoel.

Meten kost je een halfuur per maand. Niet meten kan je duizenden euro's kosten aan tools die niet opleveren wat ze beloven, of aan kansen die je mist omdat je niet weet dat iets werkt.

Bron: McKinsey & Company, "The state of AI: measuring ROI across industries", 2025

Voordat je gaat meten, moet je natuurlijk wel weten wat het kost. Bekijk wat AI kost voor een mkb-bedrijf en, voor concrete toepassingen om te meten, 7 processen die je met AI kunt automatiseren. Nog niet begonnen? Lees waar begin je met AI als mkb?