Elke AI-factuur toont wat het kost. Bijna niemand meet wat het oplevert. En als je medewerkers al AI gebruiken, bestaat “vóór AI” niet meer als vergelijkingspunt. Zo meet je toch, en zo breng je het zonder dat het als controle voelt.
Tokens, licenties, gebruikers: dat zie je op elke factuur. Wat die tokens opleverden, staat er niet op. Volgens de Work Trend Index 2024 van Microsoft en LinkedIn maakt 59% van de leidinggevenden zich zorgen over hoe ze de productiviteitswinst van AI moeten kwantificeren. Een AI-project zonder waardemeter sneuvelt bij de eerste besparingsronde, hoe goed het ook werkt.
De oplossing is geen dashboard achteraf. Het is een meting die vóór de start ligt, met criteria die vooraf vastliggen.
Als er al schaduw-AI is, vergelijk je niet met een wereld zonder AI. Je werkt met drie momenten.
| Niveau | Wat je meet | Voorbeeld |
|---|---|---|
| Systeem | Kwaliteit en kost: hoe vaak is het antwoord juist, wat kost één taak? | Vijftig tot honderd echte voorbeelden met het gewenste antwoord, wekelijks gescoord |
| Gebruik | Wie gebruikt het, hoe vaak, en hoe is dat verdeeld? | Doet 5% van de mensen 80% van het verbruik, dan heb je geen transformatie maar een paar enthousiastelingen |
| Proces | Doorlooptijd, handwerktijd, foutenlast, volume per persoon | Handwerktijd per offerte: van 20 minuten naar 5 minuten controle |
| Bedrijfsresultaat | Omzet, marge, klanttevredenheid, vermeden risico | Hoeveel extra offertes worden een opdracht? |
Meet kost per behandelde taak, niet per maand. Een maandfactuur zegt niet of een taak rendeert; een kost per taak naast de tijdswinst per taak wel.
Het aantal vragen aan een chatbot, het aantal actieve gebruikers, het aantal gegenereerde teksten: het zijn cijfers die goed ogen en weinig zeggen. Ze tellen beweging, geen waarde.
Een voorbeeld uit VediCore. Een agent die in VediCore zelfstandig naar nieuwe bouwprojecten zoekt, vond 281 nieuwe leads in de eerste helft van oktober, tegenover gemiddeld ongeveer 10 per maand vroeger. Dat oogt indrukwekkend, maar het is activiteit. De eerste lichting, in april, was kwalitatief nog ondermaats, en of de leads opdrachten worden, blijkt pas later. Pas dan is het een resultaat.
De handwerktijd per offerte is wel een resultaat op procesniveau: van 20 minuten werk naar 15 minuten zelfstandig werk van de agent en 5 minuten controle door een mens. Een kwart van de tijd.
Een meting die als controle voelt, levert sociaal wenselijke cijfers op. Een meting wordt daarom gebracht als bewijs dat het werk tijd bespaart, niet als controle op wie traag is.
Hoe dat in een grotere organisatie in een tijdlijn past, met de uitgangsmeting vóór de start en de go-beslissing na acht tot twaalf weken, staat in het plan van aanpak voor een grotere organisatie.
Wie met deze aanpak aan de slag gaat en op een vraag stuit, of het ergens grondig mee oneens is: ik hoor het graag. Een methode wordt beter van tegenspraak.
dodeurs@gmail.comof bel +32 478 544 682
Every AI invoice shows what it costs. Hardly anyone measures what it returns. And if your people already use AI, “before AI” no longer exists as a point of comparison. This is how you measure anyway, and how you present it without it feeling like control.
Tokens, licences, users: you see them on every invoice. What those tokens delivered is not on it. According to the 2024 Microsoft and LinkedIn Work Trend Index, 59% of leaders worry about quantifying the productivity gains of AI. An AI project without a value meter is cut in the first round of savings, however well it works.
The answer is not a dashboard after the fact. It is a measurement that is in place before the start, with criteria agreed in advance.
Once shadow AI exists, you are not comparing with a world without AI. You work with three moments.
| Level | What you measure | Example |
|---|---|---|
| System | Quality and cost: how often is the answer right, what does one task cost? | Fifty to a hundred real examples with the desired answer, scored weekly |
| Usage | Who uses it, how often, and how is that distributed? | If 5% of people account for 80% of usage, you do not have a transformation but a few enthusiasts |
| Process | Lead time, hands-on time, error load, volume per person | Hands-on time per quote: from 20 minutes to 5 minutes of checking |
| Business result | Revenue, margin, customer satisfaction, risk avoided | How many extra quotes turn into contracts? |
Measure cost per task handled, not per month. A monthly invoice does not tell you whether a task pays off; cost per task next to time saved per task does.
The number of questions put to a chatbot, the number of active users, the number of texts generated: figures that look good and say little. They count movement, not value.
An example from VediCore. An agent in VediCore that searches for new building projects on its own found 281 new leads in the first half of October, against an average of about 10 a month before. That looks impressive, but it is activity. The first batch, in April, was still below standard, and whether the leads turn into contracts only becomes clear later. Only then is it a result.
Hands-on time per quote is a result at process level: from 20 minutes of work to 15 minutes of the agent working on its own and 5 minutes of checking by a person. A quarter of the time.
A measurement that feels like control produces socially acceptable numbers. A measurement is therefore presented as proof that the work saves time, not as a check on who is slow.
How this fits into a timeline in a larger organisation, with the baseline before the start and the go decision after eight to twelve weeks, is set out in the plan for a larger organisation.
If you put this approach to work and run into a question — or disagree with something — I would like to hear it. A method gets better through challenge.
dodeurs@gmail.comor call +32 478 544 682