Wanneer is een AI-agent interessant voor mijn bedrijf?

Een AI-agent is interessant voor je bedrijf zodra één terugkerende taak, na aftrek van het nakijken, meer dan ongeveer vijf uur per week kost, het werk sneller groeit dan je team, en een fout te onderscheppen is voordat hij de deur uitgaat; onder de twee uur per week is het geen investering maar een oefening.

Deze pagina maakt van “interessant” iets wat je kunt meten. Je leest vijf signalen (volume, herhaling, groei, krapte, fouten), elk met een getal waarop je het herkent. Daarna een rekenvoorbeeld met echte prijzen, de gevallen waarin een agent níet interessant is, een zelftest van zeven vragen, en wat de cijfers van CBS en Gartner zeggen over de komende twee jaar. Rekenvoorbeelden zijn eigen berekeningen met genoemde aannames, geen klantresultaten.

Het korte antwoord

• Onder de twee uur per week bespaard werk loont het rekenen niet eens; komt de terugverdientijd boven twaalf maanden, dan is het antwoord “nog niet”. Steding, 10 augustus 2026
• Een terugverdientijd onder zes maanden is sterk voor een afgebakende agent; duurt het langer dan een jaar, kies dan een andere taak. BrightBox, 25 juni 2026
• Bij tientallen gevallen per week is handwerk vaak efficiënter dan een agent inrichten. bConnect, geraadpleegd 30 september 2026
• Kleine bedrijven (5 tot 50 werknemers) zetten half zo vaak in op automatisering tegen personeelstekort als grote: 20,1 tegen 40,4 procent. Nederland Digitaal over CBS, 3 juni 2026
• De arbeidsmarkt is minder krap dan in 2022: 95 vacatures per 100 werklozen in het tweede kwartaal van 2026, tegen 142 op de piek. CBS, 30 juli 2026
• 29,8 procent van het Nederlandse mkb met 10 tot 249 werkzame personen gebruikte in 2025 AI, tegen 66,2 procent van het grootbedrijf. CBS, 16 maart 2026
• Gartner verwacht dat meer dan 40 procent van de agentic AI-projecten eind 2027 is stopgezet, en telde maar ongeveer 130 echte aanbieders onder duizenden die het beweren. RCR Wireless over Gartner, 27 juni 2025
• Geen enkele bron die we vonden meet onafhankelijk hoeveel tijd een agent een mkb-bedrijf oplevert; alle rekenvoorbeelden komen van partijen die zelf agents verkopen.

Wat is een AI-agent, en waarin verschilt hij van een AI-assistent?

Een AI-agent doet een stuk werk zelf, van begin tot eind, waar een AI-assistent jou helpt terwijl jij het werk doet. PROMPTED vat het zo samen: “Een AI assistent versnelt jouw werk. Een AI agent doet werk in jouw plaats.” (PROMPTED, 5 juni 2026). Een assistent wacht op jouw vraag. Een agent ziet zelf dat er een factuur binnenkomt, zoekt het project erbij en legt een boeking klaar.

Dat verschil bepaalt wanneer het interessant wordt. Een assistent is al interessant als één medewerker af en toe een tekst wil laten schrijven. Een agent is pas interessant als er een stroom werk is die steeds op dezelfde manier binnenkomt en op dezelfde manier verwerkt moet worden. De vraag “wanneer is een agent interessant” is dus eigenlijk de vraag: heb je zo’n stroom, en is hij groot genoeg?

Hoe een agent verschilt van vaste regels in software, lees je in AI-agents versus traditionele workflow automation. Hoe lang een agent zelfstandig kan werken voordat hij een mens nodig heeft, staat in Wat is een AI-agent, en hoe lang werkt hij alleen?.

Welke vijf signalen maken een AI-agent interessant?

Vijf signalen maken een agent interessant: volume, herhaling, groei, krapte en fouten die te onderscheppen zijn. Aanbieders noemen ze los van elkaar; wij zetten ze naast elkaar en geven elk een meetbare vorm. Volume en herhaling bepalen óf een agent het werk kan doen. Groei en krapte bepalen of je het wilt. De foutvraag bepaalt hoe snel je kunt beginnen.

De drempels in de derde kolom zijn onze eigen lezing van de bronnen, geen wet. Ze dienen om je eigen taak te toetsen.

Hoeveel werk moet een taak kosten voordat een AI-agent loont?

Een taak moet netto, dus na het nakijken, tussen de twee en vijf uur per week kosten voordat je gaat rekenen, en boven de vijf uur is een agent voor de meeste mkb-bedrijven interessant. De ondergrens komt van Steding: “Onder de twee uur per week bespaard werk hoef je die som niet eens te maken.” (Steding, 10 augustus 2026). De bovengrens volgt uit de rekensom verderop.

Het woord “netto” is hier het belangrijkste. Een agent die tien uur werk voorbereidt, maar waarvan jij elk voorstel drie minuten moet nakijken, levert minder op dan tien uur. Wie dat nakijken niet meetelt, rekent zich rijk. Dat geldt voor elke aanbieder, ook voor ons. Tel daarom per taak drie getallen: hoeveel gevallen per week, hoeveel minuten elk geval nu kost, en hoeveel minuten het nakijken van een voorstel kost.

Een voorbeeld met verzonnen invoer: 150 inkoopfacturen per week, vier minuten per factuur overtikken en koppelen, is tien uur per week. Kost het nakijken van een klaargezet voorstel één minuut, dan blijft er netto zeven en een half uur over. Dat ligt boven de vijf uur. Zijn het er dertig per week, dan kom je op anderhalf uur netto, en dan is het antwoord: laat het nog even.

Het volume moet in één taak zitten, niet verspreid over tien kleine klusjes. Tien taken van een half uur per week zijn samen vijf uur, maar elke taak vraagt eigen uitleg, eigen regels en eigen controle. Welke taak je als eerste neemt, staat op Welke administratieve processen kan ik het beste als eerste automatiseren?.

Hoe reken je uit of een AI-agent voor jouw bedrijf loont?

Je rekent het uit met één formule: netto uren per week × 52 × wat een uur van die medewerker kost, gedeeld door wat de agent per jaar kost. Steding schrijft het zo: “Uren per week × 52 × een reële uurprijs, min de maandkosten × 12, gedeeld op de bouwkosten.” Komt daar meer dan twaalf maanden terugverdientijd uit, “dan is het antwoord bijna altijd: nog niet.” (Steding, 10 augustus 2026).

Drie aanbieders publiceerden dit jaar een rekenvoorbeeld. We zetten ze naast elkaar en rekenden ze na. Let op: alle drie verkopen zelf agents, en alle drie gaan uit van eigen aannames zonder gemeten klantgegevens.

Opvallend: de twee Nederlandstalige voorbeelden gaan uit van vier tot vijftien uur per week, en geen van beide trekt nakijktijd af. BrightBox rekent met 45 werkweken, UnifyAI met vier weken per maand. Zulke keuzes verschuiven de uitkomst met tien tot vijftien procent.

Nu hetzelfde met een vaste prijs. De pilot van Bombos kost 2.000 euro voor drie maanden, daarna 1.000 euro per maand, voor iedereen gelijk. Dat is 11.000 euro in de eerste twaalf maanden en 12.000 euro per volgend jaar. Hoeveel netto uren per week moet een taak dan kosten om quitte te spelen? Dat hangt af van wat een uur kost:

Dit zijn drempels, geen resultaten: de tabel zegt hoeveel werk er moet liggen, niet hoeveel Bombos ervan overneemt. De uren van je eigen mensen voor uitleg en nakijken tel je er apart bij. Wat de hele begroting inclusief inrichting en verborgen kosten is, staat op Wat kost het om administratieve processen met AI te automatiseren? en Wat kost AI in een klein bedrijf?.

Een vergelijking die vaak helderder is dan een terugverdientijd: vijf uur per week is iets meer dan een halve werkdag. Een extra administratief medewerker is veertig uur. De vraag is dus niet of de agent een medewerker vervangt, maar of hij genoeg werk wegneemt om de volgende vacature uit te stellen. Die afweging werken we uit op Iemand aannemen of AI inzetten als het werk groeit?.

Is personeelstekort nog een reden om een AI-agent te nemen?

Personeelstekort is nog steeds een reden, maar een zwakkere dan in 2022, en groei zonder mensen erbij is inmiddels de sterkere. Het CBS telde in het tweede kwartaal van 2026 95 vacatures per 100 werklozen. In het tweede kwartaal van 2022 waren dat er 142. Aan het eind van het tweede kwartaal stonden er 375 duizend vacatures open, “3 duizend minder dan een kwartaal eerder.” (CBS, 30 juli 2026).

Bron: CBS, reeks spanning op de arbeidsmarkt, seizoengecorrigeerd, 30 juli 2026.

Vier jaar lang daalde de krapte, met een kleine opleving in het laatste kwartaal. Toch blijft 95 hoog: in 2016 waren het er 22. Wie een ervaren administratief medewerker of assistent-accountant zoekt, merkt weinig van de daling.

Kleine bedrijven reageren minder op krapte dan grote. Van alle bedrijven zet 29,7 procent in op automatisering om personeelstekort op te vangen. “Bij kleine bedrijven (5-50 werknemers) is dit slechts 20,1%”, tegen 40,4 procent bij grote. Voor productiviteit is het verschil nog groter: 53,2 procent van de grote bedrijven investeert daarin, “Onder kleine bedrijven is dit slechts 28%.” (Nederland Digitaal over CBS, 3 juni 2026).

Het kleine bedrijf heeft dus de minste mensen om een vacature op te vangen, en automatiseert het minst. Wie het zonder extra personeel wil oplossen, vindt de aanpak op Hoe verminder je handmatig administratief werk zonder extra personeel aan te nemen?.

Waarom is de foutvraag belangrijker dan de techniek?

Of een agent interessant is, hangt minder af van wat hij kan dan van wat er gebeurt als hij zich vergist. bConnect zegt het nuchter: “In contexten waar fouten acceptabel zijn en gemakkelijk te corrigeren, zijn agents sneller inzetbaar.” (bConnect, geraadpleegd 30 september 2026). Appfront legt de lat lager dan de meeste mensen denken: goede kandidaten zijn taken “waar 80% goed-genoeg een grote tijdwinst oplevert” (Appfront, mei 2026).

Dat verandert de vraag. Een verkeerd geboekte inkoopfactuur die een collega vóór het boeken ziet, kost een minuut. Een verkeerde herinnering die al bij de klant ligt, kost een telefoontje en wat vertrouwen. Dezelfde agent, dezelfde fout, een heel ander risico. Het verschil zit niet in de agent, maar in de vraag of er iemand tussen zit voordat het werk de deur uitgaat.

Daarom is een akkoord vóór vertrek geen rem, maar wat een taak geschikt maakt. Een taak waarbij een fout de klant bereikt, is zonder akkoord niet interessant. Met een akkoord wel, zolang het nakijken sneller gaat dan het zelf doen. Hoe je die controle inricht en wie haar doet, staat op Hoe voorkom ik AI-fouten en wie controleert ze?.

Wanneer is een AI-agent níet interessant voor je bedrijf?

Een agent is niet interessant als de taak te klein is, te zelden voorkomt, per geval een eigen oordeel vraagt, of als niemand kan zien of het resultaat goed is. Zelfs Anthropic, dat de modellen onder veel agents maakt, schrijft dat je de eenvoudigste oplossing moet zoeken, en: “This might mean not building agentic systems at all.” Agents ruilen volgens hetzelfde stuk snelheid en kosten in voor beter resultaat, “and you should consider when this tradeoff makes sense.” (Anthropic, 19 december 2024).

Concreet laat je het in deze gevallen:

• Minder dan twee uur per week netto. De rekensom haalt het niet, welke prijs je ook betaalt.
• Tientallen gevallen per week of minder, verspreid over veel soorten werk. Handwerk is dan vaak efficiënter (bConnect).
• Elk geval is anders. Appfront noemt zeldzame uitzonderingen die op ervaring leunen en gevoelige klantgesprekken als slechte kandidaten (Appfront, mei 2026).
• Juridisch of medisch bindende beslissingen zonder dat een mens meekijkt. Ook dat staat bij Appfront op de lijst met slechte kandidaten.
• Gegevens zo rommelig “dat zelfs een mens er niet uit komt” (Appfront). Ruim eerst op.
• Gewone software lost het al op. Een vaste regel in je boekhoudpakket of een scan-en-herkenfunctie is goedkoper dan een agent. Die afweging staat op Moet ik administratieve processen automatiseren met AI of traditionele software?.

Eén geval lijkt een “nee”, maar is het niet: werk dat alleen in het hoofd van één collega zit. Dat kan geen agent vinden. Het is wel vast te leggen, door die collega te interviewen over hoe hij beslist, zodat het daarna voor iedereen op papier staat.

Hoe test je in vijf minuten of een AI-agent interessant is voor jouw bedrijf?

Beantwoord deze zeven vragen voor één taak, niet voor je hele bedrijf. Elke “ja” is een punt.

1. Komt deze taak elke week terug, op dezelfde manier?
2. Gaat het om meer dan honderd gevallen per maand?
3. Kost de taak nu meer dan vijf uur per week, opgeteld over alle mensen die hem doen?
4. Kun je in een paar zinnen uitleggen wanneer een geval goed is afgehandeld?
5. Staan de gegevens die nodig zijn in je mail, je documenten of je pakketten (en niet alleen in iemands hoofd)?
6. Is een fout te zien en te herstellen voordat hij bij een klant, leverancier of de bank ligt?
7. Groeit dit werk sneller dan het aantal mensen dat het doet, of staat er een vacature voor open?

Zes of zeven punten: een agent is interessant; ga rekenen met de tabel hierboven. Vier of vijf punten: interessant met voorwaarden; kijk welke “nee” je kunt oplossen, zoals een akkoord ertussen of kennis vastleggen. Drie of minder: kies een andere taak, of wacht. De puntentelling is onze eigen vuistregel, gebouwd op de bronnen op deze pagina, geen gemeten norm.

Heb je meerdere taken met een hoge score, dan kies je er één. Hoe dat gaat, staat op Waar begin ik met AI bij twintig medewerkers?. Welke taken in de administratie vaak in aanmerking komen, zie je op Welke administratieve taken kan AI overnemen?.

Wat zeggen al deze cijfers samen?

Onze stelling: voor een groeiend bedrijf is een agent niet interessant omdat je geen mensen kunt vinden, maar omdat je niet in mensen wilt groeien, en de echte drempel is nakijktijd, niet techniek. Drie reeksen die niemand eerder naast elkaar legde wijzen die kant op.

Eén: de krapte zakte van 142 naar 95 vacatures per 100 werklozen (CBS). “We kunnen niemand vinden” wordt een zwakkere reden. “Een extra kracht maakt ons bedrijf zwaarder dan het werk rechtvaardigt” blijft staan.

Twee: kleine bedrijven automatiseren tegen tekort half zo vaak als grote, 20,1 tegen 40,4 procent (Nederland Digitaal over CBS). Dat komt niet doordat hun werk minder geschikt is. Het komt doordat een klein bedrijf niemand heeft om een project te trekken. De drempel is organisatorisch.

Drie: de openbare rekenvoorbeelden rekenen met vier tot vijftien uur per week, en geen ervan trekt nakijktijd af (BrightBox, UnifyAI). Tegelijk verwacht Gartner dat meer dan 40 procent van de agentprojecten eind 2027 is gestopt, onder meer door onduidelijke waarde (RCR Wireless over Gartner). Onze lezing: de rekenvoorbeelden gaan over één afgebakende taak, de mislukkingen vooral over brede projecten zonder duidelijke taak of meetpunt. Geen bron zegt dat letterlijk; het is onze redenering.

Wat dat betekent voor jou: begin niet met “zullen we AI doen?”, maar met één taak die boven de vijf uur netto zit en waarvan een fout vóór vertrek te zien is. Tel het nakijken vanaf dag één mee. Een taak die dat niet haalt, is niet mislukt; hij is gewoon nog niet aan de beurt.

Waar gaat dit naartoe?

Het gebruik van AI groeit bij kleine bedrijven snel, vanaf een lage basis. Het aandeel microbedrijven met AI verdubbelde van 6,8 procent in 2023 naar 13,8 procent in 2025; in het mkb van 10 tot 249 werkzame personen was het 29,8 procent (CBS, 16 maart 2026). Van de bedrijven met AI zet 32 procent het in “voor bedrijfsadministratie of bestuurstaken” (CBS, 12 december 2025). Gartner verwachtte in juni 2025 dat in 2028 een derde van de bedrijfssoftware agents bevat, tegen minder dan 1 procent toen (RCR Wireless over Gartner). Meer ontwikkelingen staan in AI-agent trends voor bedrijven.

Onze verwachting: in de CBS-cijfers over 2027 gebruikt meer dan 40 procent van het mkb van 10 tot 249 werkzame personen AI, en de vraag voor een mkb-bedrijf is dan niet meer óf, maar welke taak eerst. De redenering: de microbedrijven verdubbelden in twee jaar en het mkb zit al bijna op 30 procent; en de software die ze al gebruiken krijgt steeds vaker agents ingebouwd, zodat ze er ook zonder eigen project mee in aanraking komen.

Tegelijk verwachten we dat de drempel per taak omlaag schuift. Lonen stijgen elk jaar mee met de cao; een vaste prijs voor een agent doet dat niet vanzelf. Bij hogere uurkosten is een wekelijks uur meer waard, en daalt het aantal uren dat nodig is om quitte te spelen (zie de tabel hierboven: van 6,0 uur bij 35 euro naar 3,5 uur bij 60 euro).

Wat deze verwachting zou breken: als het CBS over 2027 een afvlakking meet onder de 35 procent, of als de verwachte golf van gestopte projecten ook kleine bedrijven afschrikt. Tegen die tijd wil Bombos dat je eerste taak al een jaar draait en dat je eigen team de tweede en derde taak zelf heeft ingeleerd, zodat de vraag “is het interessant?” voor jou al beantwoord is met je eigen cijfers.

Wat kan deze afweging (nog) niet?

Deze pagina kan niet bewijzen hoeveel tijd een agent in jouw bedrijf oplevert. Niemand kan dat op dit moment. Geen van de bronnen die we lazen bevat een onafhankelijke meting van tijdwinst bij een Nederlands mkb-bedrijf. Alle rekenvoorbeelden, ook de terugverdientijden van drie tot zeven maanden, komen van partijen die zelf agents verkopen, en rekenen met eigen aannames.

De drempels op deze pagina zijn onze vuistregels. De twee uur komt van Steding, de vijf uur uit onze eigen rekensom met een aangenomen uurprijs van 45 euro. Kost een uur bij jou 35 of 60 euro, dan schuift de grens mee, zoals de tabel laat zien. De zelftest is niet gevalideerd op echte bedrijven.

De grootste onbekende is nakijktijd. Hoe lang het controleren van een voorstel duurt, weet je pas als je het probeert met je eigen werk. Daarom is een proef met een meetpunt vooraf beter dan elk rekenvoorbeeld. Hoe je dat doet, staat op Hoe test je een AI-agent voordat je bedrijfsprocessen ermee automatiseert? en Kan ik eerst een pilot doen met AI-automatisering?.

De cijfers van Gartner zijn van juni 2025 en komen via een nieuwssite, omdat de pagina van Gartner zelf niet te openen was. Gartner verkoopt advies. Weeg ze als richting, niet als meting.

Hoe pakt Bombos dit aan?

Bombos begint met dezelfde vraag als deze pagina: welke taak kost netto genoeg tijd, en waar zit het akkoord? Haalt geen enkele taak de drempel, dan zeggen we dat. Een agent is niet voor elk bedrijf nu al interessant.

Je begint met twee vaste werkers. Chef verdeelt het werk dat binnenkomt en geeft elke klus aan de juiste specialist. Wegwijzer maakt je wegwijs: legt uit, helpt grenzen instellen en stelt voor wat Bombos kan overnemen. De specialisten worden gebouwd rond jouw taken, in jouw systemen, met jouw regels. Bombos leest de mail op alle aangesloten adressen en je documenten, zoekt klant en dossier erbij in je pakketten, en legt een voorstel klaar met de onderbouwing erbij. Je keurt goed, past aan of wijst af in Bombos. Een correctie geldt daarna als regel, ook voor je collega’s. Zo wordt de nakijktijd per voorstel kleiner naarmate Bombos meer regels van je heeft geleerd.

Betalingen, berichten aan klanten en contracten wachten standaard op jouw akkoord. Dat maakt taken geschikt waarbij een fout anders de klant zou bereiken. Wat alleen in iemands hoofd zit, legt Bombos vast door die collega te interviewen, zodat het er de volgende keer bij staat.

Het doel is met hetzelfde team meer werk doen, van een hogere kwaliteit. De eerste taak, bijvoorbeeld inkoopfacturen overtikken of de gedeelde postbus verdelen, is het begin. Daarna leert je eigen team Bombos de volgende taak, zonder technisch te hoeven zijn. Wij nemen je mee; daarna kun je het zelf.

Bronnen

Elke bron is op 30 september 2026 geopend en elk citaat staat er letterlijk in. Waar een bron zelf agents of AI verkoopt, staat dat erbij.

1. Steding: AI: kosten besparen of investeren in groei?, 10 augustus 2026. Verkoopt agents.
2. BrightBox: AI-agent ROI berekenen, 25 juni 2026. Verkoopt agents.
3. UnifyAI: Wat kost een AI-agent?, 17 mei 2026. Verkoopt implementatie.
4. AgileSoftLabs: AI Agents for Customer Service, ROI Calculator, 27 juli 2026. Verkoopt klantenservicesoftware.
5. bConnect: AI Agents, het complete overzicht, geen datum op de pagina. Verkoopt agents.
6. Appfront: AI agents, wat kunnen ze voor je bedrijf betekenen?, bijgewerkt mei 2026. Verkoopt ontwikkeling van agents.
7. PROMPTED: Wat is een AI assistent? En wanneer kies je een agent?, 5 juni 2026. Verkoopt agents.
8. Kweekers: 5 signalen dat jouw organisatie klaar is voor een AI-agent, geen datum op de pagina. Verkoopt een eigen agent.
9. CBS: Werkloosheid gedaald in tweede kwartaal 2026, 30 juli 2026. Inclusief de reeks spanning op de arbeidsmarkt 2016-2026.
10. Nederland Digitaal: CBS, meer inzet op automatisering tegen personeelstekort, ook met AI, 3 juni 2026.
11. CBS: Gebruik van AI-technologie door Nederlandse microbedrijven, hoofdstuk 2, 16 maart 2026.
12. CBS: Bedrijven gebruiken AI vaakst voor marketing of verkoop, 12 december 2025.
13. RCR Wireless: Gartner, more than 40% of agentic AI projects will fail by 2027, 27 juni 2025. Secundaire bron; de pagina van Gartner zelf was niet te openen. Gartner verkoopt advies.
14. Anthropic: Building effective agents, 19 december 2024. Maakt AI-modellen.