Bouw je op AI, of bouw je jezelf vast?

Samenvatting

 

• Het risico zit niet in je modelkeuze, maar in onopmerkte leveranciersafhankelijkheid.
• Drie à vier ton voor maatwerk is zonde als een bestaand model de taak al aankan.
• Overstappen tussen modellen kan alleen als je prompts, model en uitkomst meet.
• Ontwikkelen kost een vijfde tot een tiende, met de juiste product owner en developer.
• Klein beginnen met een vast budget is risicobeheer, geen voorzichtigheid.

 

Het grootste AI-risico voor een directie is niet de keuze van het model, maar de onzichtbare afhankelijkheid die een maatwerktraject achterlaat. Wie klein start, modelonafhankelijk bouwt en waarde bewijst voordat hij opschaalt, voorkomt dat een investering van drie à vier ton wordt uitgegeven aan iets dat bestaande modellen al konden.

 

 

Het risico zit niet in je modelkeuze

 

Iedereen in een directie- of financeoverleg heeft een mening over het beste model. Welk foundation model het meest capabel is, welke leverancier het snelst verbetert.

 

Die discussie voelt belangrijk, en dat is precies het probleem. Het echte risico zit niet in de keuze van het model. Het zit in de afhankelijkheid die je onbewust opbouwt terwijl je dat debat voert: aan één leverancier, aan één manier van werken, aan code die alleen overeind blijft bij die ene aanbieder.

 

Een investering die je niet kunt terugdraaien is geen investering, het is een gok. Dat inzicht komt niet uit een rapport. Het komt uit een gesprek met een directie die precies dat overkwam.

 

Dat patroon zien we vaker: een directie buigt zich over welk model het snelst evolueert, terwijl niemand de vraag stelt wie straks de sleutel in handen heeft als de voorwaarden veranderen. Precies die vraag is waar een goede AI-strategie mee start, niet bij de techniek.

 

 

Drie à vier ton voor iets wat bestaande modellen al konden

 

Een bedrijf uit ons netwerk stak drie à vier ton in een maatwerk-AI-oplossing. Een jaar later werkte die oplossing nog niet naar behoren. Ondertussen konden bestaande modellen op de markt, met weinig aanpassing, een groot deel van diezelfde taak al aan.

 

Niemand in dat traject had slechte intenties. De leverancier bouwde wat gevraagd was, en de directie vertrouwde op expertise die ze zelf niet in huis hadden. Het ontbrak aan één stap: een korte, onafhankelijke toets of het bestaande aanbod al voldeed voordat het contract werd getekend.

 

De vraag die niemand vooraf stelde: bouwen we iets nieuws, of zetten we een laagje om iets dat al bestaat? Het antwoord bepaalt of je drie ton uitgeeft aan een werkend product, of aan het opnieuw uitvinden van iets dat een leverancier je al aanbiedt.

 

Dit is geen incident. Onderzoek van MIT NANDA (2025) naar meer dan driehonderd AI-implementaties bij bedrijven laat zien dat 95% van de pilots geen meetbare financiële opbrengst opleverde, terwijl bedrijven gezamenlijk 30 tot 40 miljard dollar investeerden. Niet omdat AI niet werkt, maar omdat de aanpak niet aansloot op wat er al bestond.

 

 

 

Wat "modelonafhankelijk bouwen" wel en niet betekent

 

Modelonafhankelijk bouwen betekent niet dat je nooit kiest. Je optimaliseert wel degelijk op één model: je stemt prompts, context en workflow af op de sterke punten van dat specifieke model, een vorm van fine-tuning van je toepassing, niet van het model zelf.

 

Het verschil zit in waar die keuze vastligt. Leg je de koppeling vast in losse scripts die alleen met die ene API werken, dan zit je vast. Leg je dezelfde koppeling vast in een laag die je los kunt koppelen en vervangen, dan heb je optimalisatie zonder afhankelijkheid.

 

Dat onderscheid lijkt technisch, maar de rekening is bedrijfseconomisch. Een directie die het verschil niet kent, tekent voor twee jaar het verkeerde contract zonder dat ergens een alarm afgaat.

 

Vastgezet aan één leverancier

 

• Kenmerk: code en prompts zijn direct geschreven voor de API van één aanbieder
• Gevolg: een overstap vraagt een herbouw, niet een configuratiewijziging

 

Modelonafhankelijk gebouwd

 

• Kenmerk: een tussenlaag regelt de koppeling, het model is uitwisselbaar
• Gevolg: een overstap is een test en een knop, geen project

 

Platformonderzoek bevestigt dat dit verschil in de praktijk geld kost. Atlan (2026) wijst op migraties die regelmatig boven de een miljoen dollar uitkomen, en op overstaptrajecten die bij complexere organisaties maanden tot jaren duren.

 

 

Overstappen kan alleen als je kwaliteit meet

 

"Een beter en goedkoper model" is alleen een zinvolle keuze als je weet wat "beter" betekent voor jouw taak. Zonder meting is overstappen een gok, precies het probleem waar de eerste sectie mee begon.

 

Leg daarom drie dingen vast voor elke taak die een model uitvoert: de prompt, het gebruikte model, en de uitkomst. Beoordeel die uitkomst op een vaste schaal, bijvoorbeeld op juistheid, volledigheid en het aantal keer dat het model iets verzint dat niet klopt (een hallucination).

 

Dit kost een paar uur opzetwerk, geen nieuw team. Een spreadsheet met honderd voorbeeldtaken, de bijbehorende uitkomst en een score van één tot vijf is vaak al genoeg om een zuivere vergelijking te maken tussen het huidige model en een alternatief.

 

Met die data kun je een nieuw model naast het oude leggen voordat je overstapt. Zonder scorekaart is "het nieuwe model is goedkoper" geen besparing, het is een vermoeden.

 

 

 

De markt is opgeschud, en dat verandert je businesscase

 

Frontiermodellen zijn duur om te bouwen. Trainingskosten voor de zwaarste modellen op de markt liepen in 2025 op richting honderden miljoenen dollars per model, en de verwachting is dat dit verder stijgt (Galileo AI, 2025). Dat geld komt van investeerders die rendement willen zien.

 

Tegelijk halen goedkopere, vaak open modellen de achterstand snel in. Stanford HAI (2025) meette dat het prestatieverschil tussen het beste gesloten en het beste open model binnen een jaar terugliep van ruim acht procentpunt naar nog maar een paar procentpunt. SemiAnalysis bevestigt dat dit tempo per modelgeneratie versnelt.

 

Voor jouw businesscase betekent dit twee dingen. Het premiummodel van vandaag is over twee jaar een commodity, en een contract van drie jaar dat uitgaat van de huidige prijsverhoudingen klopt dan niet meer.

 

Voor een directie die moet beslissen over een contract van drie jaar is dit relevanter dan welk model vandaag het beste scoort. De vraag is niet of de markt verandert, maar hoe snel je kunt meebewegen als dat gebeurt. Lees meer over wat deze verschuiving betekent in de staat van de AI-economie.

 

 

Ontwikkelen kost een fractie, als je het goed organiseert

 

Een leverancier die drie tot vier ton vraagt voor maatwerk rekent vaak nog met de ontwikkelkosten van twee jaar geleden. Goed georganiseerd, kost vergelijkbaar maatwerk nu een vijfde tot een tiende van dat bedrag.

 

Die besparing komt niet vanzelf. Ze ontstaat wanneer twee dingen samen aanwezig zijn: een product owner met echte kennis van het proces dat geautomatiseerd wordt, en een developer die modelonafhankelijk bouwt in plaats van rond één API. Ontbreekt een van de twee, dan betaal je alsnog de hoge prijs, alleen dan voor minder resultaat.

 

Vraag een leverancier dus niet alleen naar de prijs, maar naar de aannames erachter: rekent hij nog met tarieven van twee jaar geleden, of heeft hij de daling al verwerkt in zijn aanbod?

 

De onderliggende kosten lopen hard terug. Epoch AI (2025) meet dat de prijs om een vaste prestatie te behalen per taak 9 tot 900 keer per jaar daalt, met een groot deel van die daling in het afgelopen jaar. Wie dat verschil doorgeeft in zijn tarief, bouwt zoals het voorbeeld in bouwen als een AI-native bedrijf beschrijft.

 

 

 

Klein beginnen is geen voorzichtigheid, het is risicobeheer

 

Klein beginnen voelt voor een directie vaak als uitstel. Het is het tegenovergestelde. Een proof of concept (POC) met een vast, beperkt budget bewijst of een aanpak werkt voordat je het bedrag verveelvoudigt.

 

Bepaal vooraf wat "het werkt" betekent, in cijfers die je al aan het begin vastlegt. Pas als die cijfers kloppen, schaal je op. Dat is geen rem op ambitie, het is de enige manier om een investering van drie à vier ton te voorkomen voor iets dat een bestaand model al kon.

 

Een vast budget werkt hier als rem op scopecreep, niet als rem op ambitie: het dwingt de vraag "wat moet dit bewijzen" vóór het eerste uur werk, in plaats van erna.

 

Afbakenen, modelonafhankelijk bouwen en waarde bewijzen binnen een vast budget: dat is waar een AI-strategie die je niet in de weg zit mee begint.

 

Hoeveel van je huidige AI-uitgaven zou je vandaag nog durven verdedigen tegenover je eigen cijfers?

 

 

Veelgestelde vragen

 

Wat betekent modelonafhankelijk bouwen in de praktijk?

 

Het betekent dat je toepassing niet vastgezet is op één AI-leverancier. Je kiest bewust één model om mee te werken, maar de koppeling loopt via een laag die je kunt vervangen zonder de hele toepassing te herbouwen. Zo behoud je de vrijheid om te wisselen zonder een nieuw project te starten.

 

Is een duurder, maatwerk AI-project altijd beter dan een bestaand model?

 

Nee. Bestaande modellen op de markt kunnen een groot deel van veel taken al aan, vaak tegen een fractie van de prijs. Maatwerk is pas de juiste keuze zodra je eerst hebt getoetst dat een bestaand model de taak niet voldoende aankan, niet ervoor.

 

Hoe herken ik vendor lock-in bij een AI-leverancier?

 

Vraag wat er gebeurt als je naar een ander model wilt wisselen. Moet je herbouwen, of verander je een configuratie? Krijg je daarop geen helder antwoord, dan is de afhankelijkheid waarschijnlijk groter dan je nu denkt.

 

Wat kost een AI-pilot ongeveer?

 

Dat verschilt sterk per taak en leverancier, en we noemen hier geen vast bedrag. Belangrijker dan het precieze bedrag is de voorwaarde: een pilot met een vast, beperkt budget en vooraf vastgelegde succescriteria, vóór je besluit op te schalen.

 

Hoe meet ik of een AI-model goed genoeg presteert voor mijn proces?

 

Leg per taak de prompt, het gebruikte model en de uitkomst vast, en beoordeel die uitkomst op een vaste schaal. Zonder die data is elke vergelijking tussen modellen een gok in plaats van een besluit.

 

Waarom worden AI-modellen de afgelopen jaren zo veel goedkoper?

 

Concurrentie tussen leveranciers en efficiëntere technieken duwen de kosten per taak snel omlaag. Onderzoek van Epoch AI (2025) laat dalingen zien die per prestatieniveau uiteenlopen van negen tot enkele honderden keren per jaar.

 

Moet ik mijn AI-contract heronderhandelen als de marktprijzen dalen?

 

Kijk eerst op welke aannames het contract rust. Een meerjarig contract dat uitgaat van de prijzen van vandaag, loopt het risico dat je over een jaar ruim boven de marktprijs betaalt voor dezelfde taak.

 

Wat is de eerste stap naar een modelonafhankelijke AI-strategie?

 

Begin met een korte audit van je bestaande AI-plannen: welke zijn vastgezet aan één leverancier, en welke zouden met een tussenlaag net zo goed werken? Dat bepaalt waar je als eerste bijstuurt, voordat je nieuw budget vrijmaakt.

 

 

Wil je een AI-strategie die niet vastloopt?

 

Afbakenen, modelonafhankelijk bouwen en waarde bewijzen binnen een vast budget. Daar begint een strategie die je over twee jaar niet in de weg zit.

 

Bekijk AI Strategy & Roadmap