Waarom een AI-bureau inhuren beter is dan het zelf bouwen

Hier is een ongemakkelijk getal voor elke bestuurder aan wie de afgelopen achttien maanden AI is verkocht: 95% van de AI-pilots bij bedrijven levert nul rendement op de winst-en-verliesrekening.

95% van de AI-pilots bij bedrijven levert nul rendement op de winst-en-verliesrekening.

Dat is geen mening op Twitter. Dat is het onderzoeksteam van MIT, nadat ze 300 implementaties bekeken en 150 leiders interviewden. Wereldwijd is er 30 tot 40 miljard dollar uitgegeven aan generatieve AI binnen bedrijven, en slechts zo'n 5% van de pilots heeft die uitgaven omgezet in meetbare omzetgroei.

De vraag is dus niet of AI werkt. Het is waarom bijna niemand het laat werken.

Het antwoord is saai, en daarom wordt het waarschijnlijk te weinig herhaald. Volgens de hoofdauteur van dat MIT-onderzoek heeft het falen weinig te maken met de kwaliteit van het model en bijna alles met hoe bedrijven het probleem kiezen, een partner zoeken en uitvoeren. Vertaald voor ondernemers: het is een probleem van strategie en uitvoering, geen technisch probleem.

Dat brengt ons bij de beslissing die je eigenlijk probeert te nemen. Als je dit jaar AI wilt laten werken in je bedrijf, heb je drie deuren. SaaS-tools, een eigen team, of een AI-bureau. De meeste bedrijven kiezen de verkeerde voor hun fase en vragen zich daarna af waarom het project vastliep.

Laat me elke deur eerlijk doorlopen, want ik heb aan beide kanten gestaan. Ik heb een bedrijf opgeschaald. Ik heb engineers aangenomen. Ik run nu een AI-bureau. Ik vertel je wanneer een bureau de juiste keuze is, en wanneer niet.

Deur één: SaaS-tools (je huurt intelligentie)

De SaaS-route is de makkelijkste om te bewandelen. Aanmelden, een creditcard koppelen, en je hebt een AI-functie. Verkoopagents, klantsupportbots, contentgeneratoren, noem maar op.

Hier zit de adder. Je koopt geen intelligentie. Je huurt het. Elke workflow die door het platform van iemand anders loopt, is een workflow die niet meegroeit met jouw bedrijf. De data, de prompts, de logica, de kennis van hoe jouw bedrijf echt werkt: dat staat allemaal op hun server, niet op die van jou.

Dat is prima voor standaardgevallen. Het is een ramp als de AI juist datgene moet zijn dat jou onderscheidt van je concurrentie. En het wordt na verloop van tijd erger, niet beter. De leverancier verhoogt de prijzen omdat het kan. Ze sleutelen aan het model en je uitzonderingsgevallen breken. Ze worden overgenomen en de roadmap verschuift. Ondertussen heb je je team geleerd om te werken rond de grenzen van andermans product, in plaats van een capaciteit te bouwen die je zelf bezit.

De MIT-cijfers bevestigen dit op een net iets andere manier. "We hebben dit jaar tientallen demo's gezien. Misschien zijn er één of twee echt nuttig. De rest zijn wrappers of hobbyprojecten." Dat citaat, van een van de geïnterviewde bestuurders, is een beleefde manier om te zeggen dat de meeste AI-SaaS een dun laagje is bovenop een foundation model dat iemand anders bouwde. Je betaalt een opslag om een publieke API te gebruiken.

Deur twee: zelf bouwen

Het andere uiterste is je eigen AI-team aannemen. Echte engineers, echt eigenaarschap, echte eigen capaciteit. Op papier lijkt dit de strategische zet.

In de praktijk zijn de cijfers in 2026 keihard. De gemiddelde tijd om een AI-engineeringrol in te vullen is drie tot zes maanden. Senior rollen zoals RAG-architecten, multi-agent system engineers en MLOps-leads kunnen zes tot negen maanden duren. De top 10% van het AI-talent verschijnt zelden op een vacaturesite, en ze binnenhalen kost tekenbonussen in de orde van 50.000 tot 200.000 dollar.

Dan zijn er de totale kosten. Een functioneel intern AI-team kost in het eerste jaar doorgaans 350.000 tot 700.000 euro. De tijd tot de eerste productie is zes tot twaalf maanden. Vergelijk dat met een bureau-opdracht die in zes tot twaalf weken live gaat, tegen een fractie van de kosten.

Dit is het deel dat over het hoofd wordt gezien. Als je je vastlegt op een intern team, neem je niet alleen engineers aan. Je verbindt je aan het draaien van een wervingsproces in de meest competitieve talentenmarkt ter wereld, het vanaf nul opbouwen van MLOps-infrastructuur, het overleven van het onvermijdelijke vertrek van de senior die je stack opzette, en je moet nog steeds uitvogelen op welk bedrijfsprobleem je ze als eerste richt.

Ik zeg niet: doe het niet. Als AI in het hart van je product zit en de komende tien jaar je voorsprong wordt, moet je het team bouwen. Uiteindelijk. Maar voor de meeste bedrijven is de eerste fase van AI-adoptie niet het moment om er ook een wervingsmachine bij te worden.

Deur drie: een AI-bureau (als het werkt)

Het AI-bureaumodel bestaat om één reden. Het verkort de tijd tussen "we zouden iets met AI moeten doen" en "we hebben iets werkends dat ons geld oplevert." Goed gekozen doet het vier dingen tegelijk die SaaS en intern op dag één geen van beide kunnen.

Een echte strategie, geen lijst met functies. Een goed AI-adviesbureau begint bij het bedrijf, niet bij de techniek. Waar zit het knelpunt dat je het meeste kost? Wat is de workflow waarvoor je mensen aanneemt die je niet wilt aannemen? Waar loopt kennis steeds de deur uit? Dat zijn de gesprekken die tot rendement leiden. Leveranciers voeren ze niet, omdat ze nodig hebben dat je in hun product past. Interne teams kunnen ze vaak nog niet voeren, omdat ze nog aan het opstarten zijn.

Een roadmap die de werkelijkheid overleeft. Strategie zonder volgorde is een verlanglijst. Een bureau dat vijftig AI-projecten heeft opgeleverd weet welke je als eerste doet, welke afhankelijkheden je moet wegwerken, welke integraties drie keer langer gaan duren dan je denkt, en waar de magie van de demo in productie uit elkaar valt. Die patroonherkenning is waar je eigenlijk voor betaalt.

Uitvoeringskracht op dag één. De pijplijnen, orchestratiekaders, evaluatieharnassen, deployment-patronen: die bestaan al. Je betaalt voor levering, niet voor iemand die dezelfde wielen opnieuw bouwt die elk ander team al heeft gebouwd. Bureaus leveren vier tot vijf keer sneller omdat het fundament er al ligt.

Echte AI-agents, geen stroomschema's met een chatinterface. Hier wordt de markt rumoerig. De meeste dingen die als "AI-agents" worden verkocht, zijn beslisbomen met een vriendelijke LLM-wrapper eromheen. Echte agents redeneren, beslissen, ondernemen acties over systemen heen en herstellen van uitzonderingsgevallen. Het verschil komt boven zodra je volume van honderd per dag naar duizend gaat. Een serieus AI-bureau bouwt vanaf het begin voor dat volume, omdat ze door het alternatief de pineut zijn geweest.

Het verschil zit in de discovery

Er is nog één ding dat telt, en het is het lastigst om in een vergelijkingstabel te zetten. Het juiste AI-adviesbureau neemt niet zomaar je bestelling op.

Als een klant bij ons komt en zegt "we willen een chatbot," willen we weten waarom. Wat is het echte knelpunt? Is het probleem het volume aan inkomende vragen, of dat antwoorden inconsistent zijn? Is de chatbot het antwoord, of is het een routeringsagent die problemen in dertig seconden naar de juiste persoon stuurt in plaats van in drie uur? De helft van de projecten die we opleveren lijkt in niets op wat de klant oorspronkelijk vroeg. Dat is geen probleem. Dat is het werk.

Leveranciers kunnen dit niet, omdat hun product vastligt. Interne teams kunnen het vaak nog niet, omdat ze nog niet genoeg varianten van hetzelfde probleem over genoeg sectoren hebben gezien om het patroon te herkennen. De reden dat een bureaumodel werkt is niet dat wij slimmer zijn. Het is dat we de film al eens gezien hebben. Veertig keer.

Wanneer een bureau de verkeerde keuze is

Ik beloofde dat ik eerlijk zou zijn. Er zijn gevallen waarin je ons niet moet inhuren, of iemand zoals wij.

Als AI de komende tien jaar je kernonderscheid wordt, heb je uiteindelijk het team in huis nodig. Laat het bureau je op gang helpen en haal het daarna naar binnen. Het beste model voor de meeste bedrijven is hybride: een bureau voor de vroege levering en expertise, intern voor het langetermijneigenaarschap zodra het product zich bewezen heeft.

Als je data om redenen van compliance of soevereiniteit je omgeving niet mag verlaten (defensie, bepaald overheidswerk, sommige zorg), past een typische bureauopzet misschien niet. Er zijn nog steeds manieren om te werken, maar de rekensom verandert.

Als je maar een klein stukje automatisering nodig hebt dat een kant-en-klare SaaS netjes afhandelt, koop dan gewoon die SaaS. Bouw niet meer dan nodig. We hebben projecten afgewezen waar het eerlijke antwoord was "dit is een maatwerkoplossing nog niet waard."

Als je geen idee hebt welk probleem je oplost, redt een bureau je niet. Het helpt je alleen sneller en duurder te falen. Kies eerst het probleem.

De echte rekensom

Schil de ruis eraf en het bouwen-of-kopen-debat komt neer op vier getallen. De tijd tot de eerste productie. De totale kosten in jaar één. De kans dat je het echt live krijgt. De capaciteit die je aan het eind bezit.

SaaS wint vooraf op snelheid en kosten. Het verliest op de capaciteit die je bezit en meestal op de economie op de lange termijn.

Zelf bouwen wint uiteindelijk op de capaciteit die je bezit en op de economie op de lange termijn. Het verliest hard op de tijd tot productie, op de kosten in het eerste jaar, en op de simpele vraag of je het wervingsproces überhaupt rondkrijgt.

Een goed AI-bureau zit ertussenin op kosten en tijd, maar wint op de kans dat je live gaat en op de snelheid waarmee je begint te leren wat echt werkt in je bedrijf. Dat laatste punt telt het zwaarst voor de komende twaalf maanden. De bedrijven die nu in AI voorop lopen zijn niet de bedrijven met het grootste team of het mooiste model. Het zijn de bedrijven die iets opleverden dat werkte, ervan leerden, en het volgende ding opleverden. Uitvoeringssnelheid is de voorsprong.

Wat dit voor jou betekent

Als je een beslisser bent die naar een AI-budget en een stapel pitches staart, is dit de test die ik zou toepassen. Vraag de leverancier waar ze vinden dat je AI niet zou moeten gebruiken. Vraag de interne kandidaat hoe ze hun eerste drie projecten zouden prioriteren zonder dat er al engineers zijn aangenomen. Vraag het bureau om je een project te laten zien dat ze gestopt hebben omdat het het niet waard was.

De antwoorden vertellen je of je met een partner praat of met een verkoper.

We zijn What's Next AI begonnen omdat de kloof tussen wat met AI mogelijk is en wat bedrijven daadwerkelijk draaiend hebben enorm is, en de brug bestaat grotendeels uit operationeel werk, niet uit modelwerk. Strategie, volgorde, integratie, verandermanagement, de oneervolle onderdelen. Daar valt de 95% mislukte pilots uit elkaar. Daar lopen ook de 5% die wint weg van de rest.

Als je wilt doorpraten over waar AI dit jaar in je bedrijf past, en waar niet, laten we dat gesprek voeren. Geen demotheater, geen modewoorden. Gewoon een eerlijke kijk op of je moet bouwen, kopen of samenwerken. Neem contact op via de site of vind me op LinkedIn.

Claude Opus 4.8: Wat er echt veranderd is en waarom het belangrijk is voor je bedrijf

De tijd van gehuurde AI-oplossingen is voorbij, waarde is alles