Ga naar inhoud

Transparantie over AI-investering

Wat kost een AI model
laten bouwen?

"Wat kost het?" is de meest gestelde vraag — en ook de moeilijkste om eerlijk te beantwoorden. De prijs van een maatwerk AI model varieert enorm: van €4.000 voor een gericht classificatiemodel tot €85.000+ voor een end-to-end systeem met meerdere modellen en deep integraties. Op deze pagina leggen we uit wat die variatie bepaalt, met concrete voorbeelden.

Wat bepaalt de prijs van een AI model?

Er is geen vaste sticker op een AI model. De uiteindelijke investering wordt bepaald door een combinatie van technische en organisatorische factoren. De zes belangrijkste:

1. Datakwaliteit & -volume

Beschikbare, goed-gelabelde data verlaagt trainingstijd en -kosten significant. Ontbrekende of slechte data betekent extra dataprepwerk — wat 30–50% van het totaalbudget kan zijn.

2. Modeltype & architectuur

Een simpel tabulair predictiemodel is technisch veel minder complex dan een transformer-gebaseerd NLP-systeem of een computer vision pipeline. Complexiteit drijft de uren omhoog.

3. Vereiste nauwkeurigheid

Van 85% naar 99% nauwkeurigheid gaan is niet lineair in moeite. De laatste procentpunten vereisen meer data, fine-tuning en validatie — en kosten relatief meer.

4. Integratiediepte

Een model als losse API is goedkoper te leveren dan een oplossing die diep in uw ERP, DMS of productieomgeving is ingebakken. Elke koppeling vraagt extra ontwikkelwerk en testcapaciteit.

5. Maatwerk vs. fine-tuning

Soms volstaat het fine-tunen van een bestaand basismodel (sneller, goedkoper). Soms is een volledig op maat gebouwde architectuur noodzakelijk (meer controle, hogere initiële investering).

6. Doorlooptijd & teamsamenstelling

Spoed kost geld. Een kortere doorlooptijd vereist meer parallelle capaciteit. Ook de verhouding data-engineer / ML-engineer / DevOps beïnvloedt de kostenverdeling.

Indicatieve prijsranges

Op basis van projecten die wij zelf hebben uitgevoerd en marktconforme uurtarieven (€65–€100/uur voor senior ML-engineers in Nederland):

Laag
€4.000 – €12.000
  • Één gericht gebruik (één taak, één modeltype)
  • Beschikbare, goed gestructureerde data aanwezig
  • Levering als REST API, geen diepe ERP-integratie
  • Tabulaire data of eenvoudige tekstclassificatie
  • Doorlooptijd: 4–8 weken

Voorbeeld: churn-predictiemodel of documentclassificatie op één documenttype.

Meest gevraagd
Gemiddeld
€12.000 – €35.000
  • Meerdere documenttypen of use cases
  • Data-prep en -labeling inbegrepen
  • NLP-pipeline, informatieextractie of forecasting
  • Standaard ERP/CRM-integratie
  • Doorlooptijd: 8–16 weken

Voorbeeld: factuurverwerking met meerdere leveranciers + ERP-koppeling of contractanalyse-pipeline.

Complex
€35.000 – €85.000+
  • Meerdere modellen in een systeem
  • Computer vision, real-time inferentie of LLM-fine-tuning
  • Uitgebreide data-infrastructuur vereist
  • On-premise deployment en compliance-eisen
  • Doorlooptijd: 4–9 maanden

Voorbeeld: kwaliteitscontrolesysteem op productielijn of multi-model AI-platform voor een shared service center.

Bovenstaande ranges zijn indicatief op basis van onze projectervaring. Onderhoud, monitoringinfrastructuur en hertraining na verloop van tijd zijn hier niet in meegenomen — reken daarvoor op 15–25% van de initiële bouwkosten per jaar.

Drie concrete voorbeelden

01

Simpel model — e-mailclassificatie

Een bedrijf wil inkomende klantemails automatisch categoriseren op type (klacht, vraag, opdracht) en taal. Er zijn 2.000 gelabelde e-mails beschikbaar. Het model hoeft alleen te classificeren, niet te antwoorden.

Data-prep & labeling€700
Model training & validatie€2.300
API & deployment€1.000
Totaal±€4.000 – €6.500
02

Gemiddeld model — factuurverwerking

Een logistiek bedrijf ontvangt dagelijks 200 facturen van 80 verschillende leveranciers. Het model moet velden extraheren (bedrag, BTW, IBAN, regels) en de output wegschrijven in het ERP. Data is aanwezig maar niet gelabeld.

Data-audit & labeling (500 facturen)€3.000
Model training & NLP-pipeline€7.000
ERP-integratie & testen€5.000
Review-interface voor lage confidence€2.500
Totaal±€15.000 – €22.000
03

Complex model — kwaliteitscontrole via computer vision

Een productiebedrijf wil defecten op een assemblageband detecteren met camera's. Er zijn beelden beschikbaar, maar weinig gelabelde defectbeelden. Vereiste snelheid: real-time inferentie op edge hardware. On-premise deployment vanwege ISO-eisen.

Data-labeling & augmentatie€7.000
Model architectuur & training€16.000
Edge deployment & hardware-optimalisatie€8.000
Integratie productielijn & monitoring€7.000
Totaal±€38.000 – €55.000

Waarom twee bedrijven voor hetzelfde probleem een andere prijs betalen

Twee bedrijven vragen allebei om een churn-predictiemodel. Het ene betaalt €6.000, het andere €22.000. Hoe kan dat?

Goedkoper scenario
  • CRM-data is al beschikbaar en schoon
  • Duidelijke definitie van "churn" aanwezig
  • Model hoeft alleen score te berekenen (geen actiesysteem)
  • Bestaande BI-tool kan output tonen
Duurder scenario
  • Data verspreid over 4 systemen, moet worden samengevoegd
  • "Churn" verschilt per segment — meerdere modellen nodig
  • Actiesysteem en e-mailintegratie vereist
  • Real-time scoring in productiesysteem gewenst

De technische kern is hetzelfde — maar de context bepaalt de werkelijkheid. Dat is ook waarom wij elk traject beginnen met een AI Quickscan: om precies te bepalen wat uw situatie vraagt.

Wanneer is een AI model rendabel?

Een AI model is geen kostenpost — het is een investering. Of het terugverdiend wordt, hangt af van hoeveel het huidige proces kost versus wat automatisering oplevert.

Vuistregel voor break-even

Stel: handmatige verwerking kost u €35/uur en een medewerker besteedt 3 uur per dag aan een herhalende taak. Dat is €105/dag, of ±€23.000/jaar.

Een AI-oplossing van €12.000 is na 6 maanden terugverdiend — en schaalt daarna gratis mee wanneer het volume verdubbelt.

AI is rendabel zodra de geautomatiseerde taak méér kost dan de bouwkosten van het model gedeeld door de verwachte gebruiksjaren.

Sterke signalen dat AI rendabel is in uw situatie:

  • Een medewerker besteedt >5 uur/week aan dezelfde herhalende taak.
  • Het proces schaalt niet mee met groei zonder extra personeel.
  • Fouten in het proces hebben directe financiële of operationele gevolgen.
  • Er is voldoende historische data beschikbaar om van te leren.
  • Het volume is hoog genoeg dat handmatige kwaliteitscontrole onhaalbaar wordt.

Veelgemaakte misverstanden over AI-kosten

Misverstand "AI is altijd heel duur."
Werkelijkheid Een gerichte oplossing voor één probleem met goede data kan al vanaf €4.000. De kosten zijn gerelateerd aan complexiteit, niet aan het feit dat het AI is.
Misverstand "Een SaaS AI-tool is goedkoper dan maatwerk."
Werkelijkheid Op korte termijn klopt dat vaak. Maar SaaS-tools presteren generiek. Bij volumes boven 10.000 documenten/maand of specifieke nauwkeurigheidseisen worden maatwerk-TCO's snel gunstiger. Bovendien heeft u geen eigenaarschap over het model.
Misverstand "ChatGPT of een API-call kan hetzelfde."
Werkelijkheid Generatieve AI is krachtig maar onvoorspelbaar voor gestructureerde extractie of klassificatie met hoge nauwkeurigheidseis. Een getraind classificatiemodel is 10–100x goedkoper per inferentie, consistent en auditeerbaar. Voor de juiste use case is een simpel ML-model superieur aan een groot taalmodel.
Misverstand "Eenmalige bouw is genoeg, daarna loopt het vanzelf."
Werkelijkheid AI modellen degraderen in de tijd als de inputdata verandert (model drift). Plan budget voor jaarlijkse hertraining en monitoring. Reken op 15–25% van de bouwkosten per jaar voor onderhoud.

Wilt u weten wat uw specifieke use case kost?

Geen generieke offerte. Wij analyseren uw situatie, databeschikbaarheid en businesscase — en geven u een eerlijke, concrete kosteninschatting inclusief verwachte ROI. Geen verplichtingen.

Of lees eerst meer over hoe wij AI modellen bouwen of onze trajecten.

Plan een gratis gesprek

Gemiddeld 30 minuten · Geen verplichtingen · Direct met een AI engineer