Lotus LibreAI-systemen
Plan een audit
Strategie

AI zelf bouwen of kopen? Een afwegingskader voor het mkb

AI zelf bouwen of kopen? Een afwegingskader voor mkb en middelgrote bedrijven: vier opties, zeven criteria, een scorematrix en een kostenmodel over drie jaar.

  • Door het team van Lotus Libre
  • 12 min. leestijd
Op deze pagina
  1. Vier opties, niet twee
  2. Zeven vragen die de doorslag geven
  3. Een eenvoudige scorematrix
  4. Kostenvergelijking over drie jaar
  5. De verborgen risico’s van zelf bouwen
  6. De verborgen risico’s van kopen
  7. De hybride die meestal wint: koop het platform, bouw de randen
  8. Checklist voor leveranciersselectie
  9. Wanneer je de keuze opnieuw bekijkt
  10. Veelgemaakte fouten
  11. Conclusie

Zelf bouwen of kopen is de eerste strategische vraag in bijna elk AI-project, en in 2026 heeft de markt een vrij duidelijk antwoord gegeven: meer kopen, minder bouwen. In 2025 werd 76 procent van de AI-toepassingen bij bedrijven ingekocht in plaats van zelf ontwikkeld, tegenover 53 procent een jaar eerder. AI-projecten kwamen in 47 procent van de gevallen in productie, traditionele SaaS-projecten in 25 procent (Menlo Ventures). Volgens MIT NANDA waren oplossingen die bij gespecialiseerde leveranciers werden gekocht of met partners werden gebouwd in ongeveer 67 procent van de gevallen succesvol, eigen ontwikkeling veel minder vaak (Fortune).

Maar “kopen” omvat heel verschillende dingen: van een AI-telefoniste van $ 49 per maand tot een maatwerkagent die een partner in je eigen cloudaccount bouwt. En “bouwen” kan betekenen dat je een team aanneemt, of dat je één systeem laat maken dat volledig van jou is. Dit artikel geeft je een kader om te kiezen: vier opties in plaats van twee, zeven vragen, een scorematrix en een kostenvergelijking over drie jaar.

Vier opties, niet twee

Optie Voorbeelden Tijd tot resultaat Investering vooraf Lopende kosten Controle en eigendom Het best als
Platformagent Intercom Fin, Zendesk AI, HubSpot Breeze, Salesforce Agentforce, Copilot Studio Dagen tot weken Laag Per resultaat of credits Laag: zit in het platform van de leverancier Standaardtoepassingen binnen een tool die je al gebruikt
Branchesoftware (SaaS) AI-telefonistes zoals Rosie ($ 49–299 per maand) of Smith.ai ($ 150); leadkwalificatie voor makelaars zoals Structurely ($ 499 per maand plus $ 2.000 inrichting) Dagen Laag Abonnement Laag tot gemiddeld Gangbare processen in je branche
Partner bouwt op jouw stack Zelf gehoste n8n plus eigen code, modellen via API, MCP-connectoren 2–8 weken Gemiddeld ($ 10.000–50.000 en meer) Hosting, modellen, retainer Hoog, mits gebouwd in jouw accounts Eigen acties, integraties, eisen aan dataopslag
Eigen ontwikkeling Je eigen ontwikkelteam Maanden Hoog (werving) Salarissen Volledig Kern van je onderscheid, sterk intern team

Bronnen voor de prijzen: Rosie, Smith.ai, Rework, Lets-Viz.

In de twee middelste opties komen de meeste beslissingen in het mkb terecht. Platforms nemen steeds meer eenvoudige toepassingen over – n8n is inmiddels ingebouwd in SAP Joule Studio (Tech.eu) en elk groot CRM heeft agents aan boord – waardoor een simpele chatbot geen zelfstandig product meer is. De waarde verschuift naar integraties, eigen acties, data en procesontwerp.

Zeven vragen die de doorslag geven

1. Onderscheidt dit proces je van de concurrentie? Kiezen klanten voor jou vanwege dit proces – je prijslogica, je vakkennis, je servicebelofte – dan loont het om het systeem zelf te bezitten. Is het basishygiëne, zoals een wachtwoordreset of bezorgstatus, koop dan.

2. Dekt een platformagent het grootste deel al af? Eerst testen. Lost de agent in je helpdesk het gros van de vragen op, dan legt de $ 0,99 per opgeloste vraag van Fin het plafond voor wat maatwerk mag kosten (Fin). Bouw alleen voor het gat.

3. Hoe diep gaan integraties en acties? Vragen beantwoorden is eenvoudig. Een terugbetaling in Shopify uitvoeren, een afspraak in je planningssoftware verzetten of een factuur in het ERP boeken niet. Integraties zijn 40–60 procent van een RAG-budget (ment.tech) – en precies daar houden standaardagents op.

4. Hoe gevoelig is de data en waar moet die staan? In Duitsland noemt 66 procent van de AI-gebruikers privacy de grootste drempel (Bitkom). In Europa let 77 procent van de bedrijven op het land van herkomst van de AI-leverancier en maakt 66 procent zich zorgen over afhankelijkheid van buitenlandse AI (Deloitte-cijfers via DEV). Heb je hosting in de EU of zelf gehoste modellen nodig, dan slinken de opties snel.

5. Welk volume, en hoe schalen de kosten? Fees per resultaat groeien lineair met het volume, maatwerk heeft vooral vaste kosten. Het omslagpunt ligt vaak lager dan gedacht (zie het kostenmodel hieronder).

6. Heb je de mensen? In Duitsland noemt 85 procent van de bedrijven zonder AI een gebrek aan kennis. Een senior AI-ontwikkelaar kost integraal zo’n $ 8.300 per maand (Lets-Viz). AI-specialisten bij Amerikaanse bureaus rekenen $ 175–350 per uur (Digital Applied), en in West-Europa ligt de toeslag voor AI/ML-kennis op 40–60 procent boven de gewone ontwikkeltarieven (Index.dev). Eén persoon is bovendien een single point of failure.

7. Hoe makkelijk kom je er weer uit? Vraag wat er met je data, prompts, workflows en testsets gebeurt als de leverancier de prijzen verhoogt, van model wisselt of van de markt verdwijnt.

Een eenvoudige scorematrix

Geef elk criterium een score van 1 (pleit duidelijk voor kopen) tot 5 (pleit duidelijk voor bouwen), vermenigvuldig met het gewicht en tel op.

Criterium Gewicht 1 = kopen 5 = bouwen
Onderscheidend vermogen 25% Standaardproces Kern van je aanbod
Integratiediepte 20% Alleen lezende antwoorden Schrijvende acties in meerdere systemen
Gevoeligheid en opslaglocatie van data 15% Openbare of weinig gevoelige data Bijzondere persoonsgegevens, strenge eisen aan opslag
Volume-economie 15% Laag of onzeker volume Hoog, stabiel volume
Interne kennis 10% Geen technisch team Ervaren AI-engineers in huis
Lock-in-risico 10% Makkelijk vervangbaar Kritisch, lastig te migreren
Tijdsdruk 5% Volgende maand nodig Kan een kwartaal wachten

Zo lees je de uitkomst: onder 2,5 – koop een platformagent of SaaS. Tussen 2,5 en 3,5 – hybride: koop het platform en laat een partner de randen bouwen. Boven 3,5 – bouwen, met een partner of intern, afhankelijk van je score op interne kennis.

Twee voorbeelden. De bezorgstatusassistent van een webshop scoort ongeveer 1 / 3 / 2 / 3 / 1 / 2 / 1, gewogen 1,95: test de ingebouwde agent van de helpdesk en voeg zo nodig één kleine eigen actie toe. De documentstroom van een logistiek bedrijf (CMR-vrachtbrieven, facturen en douanepapieren naar TMS en ERP, data in de EU) scoort 3 / 5 / 4 / 4 / 2 / 4 / 3, gewogen 3,7: bouwen – en met een score van 2 op interne kennis als partnerbouw in de eigen accounts van het bedrijf.

Kostenvergelijking over drie jaar

Neem een supportagent. Optie A is een platformagent voor $ 0,99 per opgeloste vraag. Optie B is een maatwerkagent bovenop je bestaande helpdesk: een aangenomen $ 30.000 voor de bouw (binnen de marktbandbreedte van $ 10.000–50.000) plus maandelijkse kosten voor beheer, hosting en modelgebruik die met het volume meegroeien – aangenomen $ 3.500, $ 4.000 en $ 5.000 per maand voor de drie volumes hieronder. Modelgebruik per agent in productie ligt doorgaans op $ 50–500 per maand (Lets-Viz); de retainer is dus de grootste post.

Opgeloste vragen per maand SaaS per resultaat, 3 jaar Agent op maat, 3 jaar Goedkoper
2.000 $ 71.280 $ 156.000 SaaS
5.000 $ 178.200 $ 174.000 Ongeveer gelijk
15.000 $ 534.600 $ 210.000 Maatwerk

De kanttekeningen doen ertoe: de SaaS-bedragen bevatten geen helpdesklicenties en platformkosten, de maatwerkbedragen geen interne tijd; oplospercentages kunnen verschillen; en de maatwerkagent kan acties uitvoeren die de platformagent niet kan. Reken het model door met je eigen volume en offertes – het gaat om de vorm van de curve, niet om het exacte omslagpunt. Onze gids over resultaatgerichte AI-prijsmodellen legt uit hoe je aanbiedingen per opgeloste vraag, per gesprek en per actie vergelijkt.

De verborgen risico’s van zelf bouwen

  • Snelheid voelt anders dan ze is. In een onderzoek van METR waren ervaren ontwikkelaars met AI-tools 19 procent trager, terwijl ze dachten dat ze 20 procent sneller waren (METR). 66 procent van de ontwikkelaars klaagt over AI-oplossingen die “bijna goed” zijn (Stack Overflow).
  • Beveiligingsschuld. Een scan van 5.600 openbare apps die met AI-codeerplatforms zijn gebouwd, vond meer dan 2.000 ernstige kwetsbaarheden, 400 blootgestelde geheimen en 175 lekken van persoonsgegevens (SoftwareSeni).
  • Beheer houdt nooit op. Evals, monitoring, modelupdates en onderhoud van de kennisbank gaan na de livegang door. Reserveer er budget voor, anders takelt het systeem af.

De verborgen risico’s van kopen

  • Agent washing. Gartner schat dat van de duizenden leveranciers die “agentic” producten aanbieden er maar zo’n 130 echte agentic mogelijkheden hebben (MarTech).
  • Leveranciers die niet zijn wat ze beweren. Builder.ai haalde honderden miljoenen dollars op, onder meer bij Microsoft, en ging in mei 2025 failliet nadat bleek dat mensen veel van het werk deden en de omzet was opgeblazen (Wikipedia).
  • Leveranciers veranderen van koers. OpenAI stopte in april 2026 met de video-app Sora en in september 2026 met de API, ondanks een spraakmakend partnerschap met Disney (Wikipedia). Alles wat op één leverancier leunt, erft dat risico.
  • Prijswijzigingen. HubSpot stapte in april 2026 voor zijn AI-agents over op resultaatgericht prijzen (Resolve247). Voor kopers meestal gunstig, maar je budget volgt wel de beslissing van een ander.

De hybride die meestal wint: koop het platform, bouw de randen

Voor de meeste middelgrote bedrijven is het antwoord niet puur bouwen en niet puur kopen:

  • Koop de standaardlagen: basismodellen via API, je helpdesk of CRM met ingebouwde agent en een automatiseringsplatform. n8n kost in de cloud € 20, € 50 of € 667 per maand, de zelf gehoste community-editie is gratis (n8n); zie onze vergelijking n8n, Make en Zapier.
  • Bouw de onderscheidende randen: eigen acties, integraties met je systemen, testsets, randvoorwaarden en je eigen kennispijplijn.
  • Gebruik open standaarden voor de verbindingen. Het Model Context Protocol is in december 2025 ondergebracht bij de Agentic AI Foundation van de Linux Foundation, en er zijn meer dan 10.000 openbare MCP-servers (MCP-blog, Digital Applied). Meer in MCP uitgelegd.
  • Houd het eigendom. Laat de oplossing in je eigen accounts met je eigen sleutels draaien en leg contractueel vast dat code, prompts en data van jou zijn – het onderwerp van onze gids over AI zonder vendor lock-in.

Checklist voor leveranciersselectie

Als je koopt – een platform, een SaaS-tool of een partner –, vraag dan om:

  • Referenties met voor-en-na-cijfers, niet alleen logo’s.
  • Een verwerkersovereenkomst, de lijst met subverwerkers en een optie voor hosting in de EU.
  • Export van je data, gesprekslogs, prompts en configuratie in bruikbare formaten.
  • Een schriftelijke definitie van factureerbare resultaten, plafonds en regels voor prijswijzigingen.
  • Evaluatie- en kwaliteitsrapporten en uitleg over hoe achteruitgang wordt opgemerkt.
  • Beveiligingsbewijs (bijvoorbeeld SOC 2 of ISO 27001) en het proces bij incidenten.
  • Een exitclausule met een overdrachtsperiode.

Wanneer je de keuze opnieuw bekijkt

Bouwen of kopen is geen besluit voor altijd. Plan eens per jaar een herbeoordeling, en eerder bij een van deze aanleidingen:

  • Het volume passeert het omslagpunt uit je driejarenmodel, in de ene of de andere richting.
  • Een leverancier wijzigt prijzen of voorwaarden, bijvoorbeeld de overstap van licenties naar resultaten of nieuwe minimumafnames.
  • Het platform haalt je in. Dekt de ingebouwde agent inmiddels af wat jij op maat hebt gebouwd, zet je eigen code dan uit en bespaar het onderhoud.
  • Er komt een nieuwe compliance-eis bij, zoals hosting in de EU, meldplichten of een indeling als hoog-risicotoepassing.
  • Het proces wordt strategisch. Wat vorig jaar basishygiëne was, kan nu deel van je aanbod zijn – en het waard om zelf te bezitten.

Wie regelmatig herbeoordeelt, vermijdt beide klassieke valkuilen: jarenlang platformkosten betalen terwijl het volume allang maatwerk rechtvaardigt, en eigen code onderhouden die een platform allang overbodig heeft gemaakt.

Veelgemaakte fouten

  • Bouwen wat het platform al kan. Test altijd eerst de ingebouwde agent.
  • Een demo kopen in plaats van een werkproces. Kan de tool niet in je systemen handelen, dan gaan medewerkers handmatig kopiëren.
  • Alleen de kosten van het eerste jaar vergelijken. Afrekenen per resultaat en maatwerk hebben verschillende kostencurves; reken over drie jaar.
  • Eén AI-engineer aannemen en dat een team noemen. Productie vraagt om reviews, beheer en vervanging bij afwezigheid.
  • Exitkosten negeren. Prompts, data en workflows later migreren is duur als ze nooit van jou waren.
  • De leverancier laten bepalen wat succes is. Jouw nulmeting, jouw meetwaarde, jouw databron.

Conclusie

Bouwen of kopen is geen principekwestie, maar een kwestie van passen. Koop waar het proces standaard is en een platform het goed doet. Bouw waar het proces je onderscheidt, waar diepe integraties of eisen aan dataopslag nodig zijn, of waar het volume fees per resultaat duur maakt. Voor de meeste mkb- en middelgrote bedrijven is de beste oplossing hybride: koop het platform, bouw de randen, houd de data.

Zo bouwen we bij Lotus Libre Build en Lotus Libre Agents: in jouw accounts, op open standaarden, met code, prompts en testsets die van jou zijn. Sta je nu voor de keuze tussen bouwen en kopen? Plan een gratis audit van 15 minuten en we scoren je toepassing samen met je.

Veelgestelde vragen

Kan een mkb-bedrijf AI beter zelf bouwen of kopen?

Voor de meeste kleine bedrijven is kopen het uitgangspunt: platformagents en branchesoftware zijn sneller en goedkoper om mee te beginnen. Zelf bouwen, of een partner laten bouwen in je eigen accounts, loont als het proces je onderscheidt, eigen acties in je systemen vraagt, strenge data-eisen heeft of volumes haalt waarbij fees per resultaat duur worden.

Waarom mislukken interne AI-projecten vaker?

Typische oorzaken zijn een gebrek aan ervaren AI-engineers, onderschat integratiewerk, ontbrekende evaluatie en monitoring en concurrerende prioriteiten. In Duitsland noemt 85 procent van de bedrijven zonder AI een gebrek aan kennis. Volgens MIT NANDA waren ingekochte oplossingen en partnerschappen in ongeveer 67 procent van de gevallen succesvol, eigen ontwikkeling veel minder vaak.

Wat kost een AI-agent op maat vergeleken met een SaaS-agent?

Voor een AI-agent op maat noemt de markt $ 10.000–50.000 of meer voor de bouw, plus lopende kosten voor modellen, hosting en beheer. SaaS-agents rekenen per resultaat af, bijvoorbeeld $ 0,99 per opgeloste vraag bij Intercom Fin. Bij een laag volume is SaaS meestal goedkoper; bij een hoog volume of met eigen acties wint maatwerk over drie jaar vaak.

Hoe voorkom ik vendor lock-in als ik AI inkoop?

Vraag om data-export, eigendom van prompts en configuraties, gedocumenteerde API’s, een exitclausule en waar mogelijk open standaarden zoals MCP voor integraties. Kies bij voorkeur oplossingen die in je eigen accounts draaien, zodat je modellen en leveranciers later kunt wisselen.

Wat is een hybride aanpak van bouwen en kopen?

Je koopt de standaardlagen (modellen, helpdesk, CRM-agent, automatiseringsplatform) en bouwt alleen de onderscheidende delen: eigen acties, integraties, evaluatie en je eigen kennispijplijn. Zo worden de meeste AI-systemen in het middensegment in 2026 opgebouwd.

Wil je dit laten werken in jouw bedrijf?

Plan een gratis AI-audit van 15 minuten. We vertellen je eerlijk of het zich terugbetaalt — en waar je begint.

Plan een AI-audit van 15 min

§Inzichten

Gerelateerde artikelen