Kosten AI-ontwikkeling: het korte antwoord
De kosten van AI-ontwikkeling lopen van ongeveer $10.000 voor een simpele assistent tot $500.000 of meer voor een custom machine-learning-platform. De meeste zakelijke builds, een chatbot, een AI-agent, zoeken in je eigen data of een voice agent, kosten tussen de $5.000 en $60.000. Het bedrag wordt bepaald door scope, datakwaliteit, modelkeuze, integratie en onderhoud.
$500k+
de marktbandbreedte voor AI-ontwikkeling in 2026
40%
van het budget gaat alleen al naar data en integratie
5.0 ★
Viralistic op Google, over 30 reviews
~85%
van de AI-projecten die stranden, meestal op scope
En dan het eerlijke deel dat de meeste bureaus overslaan. De grote bedragen die je overal ziet, $150.000 voor een generatieve-AI-app, miljoenen om een model te trainen, gaan over custom machine learning die vanaf nul wordt gebouwd. Bijna geen enkel bedrijf heeft dat nodig. Bouw je op bestaande foundation-modellen en orkestreer je die met een platform als n8n, dan kost hetzelfde resultaat vaak een fractie van dat enterprise-bedrag. Deze gids scheidt de twee, zodat je budgetteert voor de AI die je echt nodig hebt.
Wat bepaalt de kosten van AI-ontwikkeling
Elke offerte die je krijgt is in feite een functie van vijf variabelen. Begrijp je ze, dan lees je elk voorstel, en herken je opgeblazen posten meteen.
Hoeveel stappen, systemen en uitzonderingen de AI moet afhandelen. Een assistent met één taak is goedkoop. Een agent die plant, tools aanroept en een proces van begin tot eind afrondt niet.
Schone, gestructureerde en toegankelijke data houdt de kosten laag. Rommelige of ontbrekende data betekent voorbereiding die vaak 20 tot 40 procent van het hele budget opslokt vóór er een model draait.
Een hosted foundation-model (OpenAI, Anthropic, Google) via API aanroepen kost centen per verzoek. Fine-tunen of een eigen model trainen brengt je in het gebied van zes en zeven cijfers.
De AI koppelen aan je CRM, mailbox, telefonie en database is waar de meeste echte engineeringuren in gaan. Het model is een onderdeel; de koppelingen zijn het project.
AI is geen bouwen-en-vergeten. Prompts verlopen, tools veranderen, modellen worden uitgefaseerd. Doorlopend bijsturen, loggen en foutafhandeling is een terugkerende post, geen eenmalige.
Of het draait op infrastructuur die jij bezit of op tooling die je huurt van een bureau, bepaalt zowel de bouwprijs als wat je daarna eeuwig betaalt. Gehuurde automatiseringen blijven kosten.
De grootste knop is modelkeuze. De sector citeert graag het McKinsey-cijfer dat een model vanaf nul trainen $4 miljoen tot $200 miljoen per run kost, en dat klopt, maar vrijwel niemand die een zakelijke tool bouwt hoeft iets te trainen. Meer dan negentig procent van de kosten van praktische AI-ontwikkeling zit in de integratie en het datawerk rond een model dat een ander al heeft getraind.
Kosten AI-ontwikkeling per projecttype
Hieronder realistische ranges voor de vier builds waar bedrijven het vaakst om vragen. De linkerkolom is een pragmatische build op foundation-modellen met n8n-orkestratie; de rechterkolom is een zwaardere, op maat geëngineerde variant. Zie het als planningsranges, geen offertes, je echte bedrag hangt af van de vijf drijvers hierboven.
| Projecttype | Pragmatische build (API + n8n) | Custom / enterprise build |
|---|---|---|
| AI-chatbot op je website | $2.000 – $15.000 | $30.000 – $150.000 |
| AI-agent (meerstaps, tool-gebruikend) | $6.000 – $40.000 | $70.000 – $250.000 |
| RAG op je bedrijfsdata | $8.000 – $50.000 | $70.000 – $350.000 |
| Voice agent / telefoon beantwoorden | $6.000 – $30.000 | $50.000 – $200.000 |
| Custom ML-model vanaf nul | voor de meesten af te raden | $150.000 – $500.000+ |
Een paar kanttekeningen bij deze tabel. Een basale AI-automatisering zoals een website-chatbot gevoed met je FAQ’s is inmiddels echt goedkoop. Een AI-agent kost meer omdat hij plant en handelt over systemen heen in plaats van alleen te antwoorden. RAG (retrieval-augmented generation op je eigen documenten) voegt de kosten toe van het inlezen, opdelen en indexeren van je data, zodat het model jouw prijzen en beleid citeert in plaats van te hallucineren. Een voice agent draagt de extra kosten van telefonie, spraakherkenning en verwerking met lage latency, en zit daarom boven een tekstchatbot.
Waarom de twee kolommen 10x verschillen
Dezelfde functie kost $8.000 of $80.000 door één beslissing: bouw je op een foundation-model dat al bestaat, of engineer je een systeem op maat? Voor de meeste zakelijke problemen bereikt de foundation-modelroute hetzelfde resultaat sneller en goedkoper. De custom-route verdient zijn prijs alleen bij een écht uniek datavoordeel of een harde eis op latency, privacy of schaal die hosted modellen niet halen.
Wil je dieper in op het bouwen van je eigen assistent bovenop deze modellen, lees dan onze gids over je eigen AI maken.
De kostenpost die niemand vooraf noemt: total cost of ownership
De bouwprijs is het deel waar iedereen over praat. De draaikosten zijn het deel dat mensen na een half jaar verrast. Een verantwoorde inschatting van de kosten van AI-ontwikkeling bevat beide.
Elk verzoek aan een hosted model kost geld. Lichte interne tools draaien op $50 tot een paar honderd dollar per maand; drukbezochte klantgerichte agents lopen op tot $500 à $30.000+ per maand naarmate het verkeer groeit.
Reken op 15 tot 25 procent van de bouwkosten per jaar voor bijsturen, monitoren en het werkend houden terwijl je tools en prijzen veranderen. Enterprise-ML-systemen liggen veel hoger.
Orkestratie-, database- en hostingkosten. n8n self-hosten houdt dit voorspelbaar; per-taak-prijzen op sommige platforms schalen met je succes op een manier die de besparing stil uitholt.
Let vooral scherp op prijzen per gebruik. Sommige leveranciers bouwen op tooling die per taak-run of per model-aanroep rekent, waardoor de maandrekening precies stijgt naarmate je automatisering slaagt. Vraag elk bureau exact wat waar draait, wat de kosten per eenheid zijn, en wie betaalt als het volume groeit. De goedkoopste build kan het duurste systeem worden.
Zelf bouwen of kopen: wanneer betaal je überhaupt voor custom AI
Niet elke AI-behoefte rechtvaardigt een ontwikkelproject. Toets je budget aan drie vragen voordat je begint te bouwen.
Bestaat er al een kant-en-klare tool die dit doet? Voor generieke taken, transcriptie, basale supportchat, schrijfhulp, kost een SaaS-abonnement een fractie van een custom build en vergt het geen onderhoud. Kopen.
Is het proces specifiek voor hoe jouw bedrijf draait? Zodra een workflow afhangt van jouw data, jouw systemen en jouw regels, passen kant-en-klare tools niet meer. Hier verdient custom AI-ontwikkeling zijn kosten, en hier betaalt een AI-automatiseringsbureau zich terug.
Is het volume hoog en repetitief genoeg om terug te verdienen? Automatisering rendeert op taken die honderden keren per maand tegen een bekende regel worden gedaan. Draait je droomautomatisering twee keer per jaar en vraagt hij elke keer menselijk oordeel, dan verdient geen enkele bouwprijs zich terug. Een goede partner zegt dat vóór hij offreert.
Het eerlijke antwoord is meestal een mix: koop de commodity-onderdelen, bouw de delen die echt van jou zijn, en verbind ze. Die hybride is bijna altijd goedkoper dan een van de uitersten.
Waarom AI-projecten te veel kosten
De meeste AI-budgetten lopen uit de hand om organisatorische redenen, niet om technische. Ongeveer 85 procent van de AI-projecten strandt of haalt de productie niet, en de oorzaken herhalen zich.
De vier duurste fouten
Vage scope. “Er AI bij doen” is geen specificatie. Ongedefinieerde scope betekent eindeloze wijzigingen, en wijzigingen zijn waar budgetten sneuvelen. Leg het exacte proces, de input en de succesmetric vast voordat iemand bouwt.
Het dataprobleem overslaan. Teams begroten het model en vergeten dat vervuilde data eerst opgeschoond moet worden. Dat voorbereidingswerk slokt vaak 20 tot 40 procent van het totaal op en is de meest onderschatte post in het hele project.
Custom bouwen waar een API volstaat. Een eigen model fine-tunen of trainen voelt indrukwekkend en kost 10x. De meeste problemen los je beter en goedkoper op met een foundation-model. Custom is een laatste redmiddel, geen startpunt.
Geen onderhoudsplan. Een systeem dat zonder monitoring live gaat, glijdt af naar stille storingen. De ongebudgetteerde reparatie, maanden later, kost meer dan het meteen goed bouwen had gedaan.
Er is ook de 30-procentregel om te kennen: als vuistregel voor je planning is maar zo’n 70 procent van de kosten van een AI-project de zichtbare build, en gaat de resterende circa 30 procent naar datavoorbereiding, integratie en de eerste rondes bijsturen. Budgetteer alsof dat verborgen derde deel bestaat, want dat doet het.
Hoe je de kosten van AI-ontwikkeling in de hand houdt
Jij bepaalt het bedrag meer dan welke leverancier ook. Vijf disciplines houden een build eerlijk.
Automatiseer eerst één taak met hoog volume en een heldere definitie. Bewijs de terugverdientijd en breid dan uit. Een smalle eerste build is goedkoper te scopen, sneller live en makkelijker te meten dan een platform.
Grijp naar een hosted model en API voordat iemand voorstelt te trainen. Ga pas over op custom als een echte eis, privacy, latency of een uniek datavoordeel, je ertoe dwingt.
Schone, gestructureerde, toegankelijke data is de goedkoopste investering die je kunt doen. Het verkleint elke kostenpost verderop en is het verschil tussen een agent die werkt en een die gokt.
Bouwen op tooling die jij beheert, zoals self-hosted n8n, voorkomt dat je je eigen automatiseringen eeuwig terughuurt en houdt de draaikosten voorspelbaar als het volume groeit.
De rode draad is discipline boven ambitie. De teams die te veel uitgeven, willen alles tegelijk bouwen op custom infrastructuur. De teams die waarde halen, leveren één gerichte automatisering op bewezen tooling, meten die, en laten de resultaten de volgende betalen.
De aanpak van Viralistic bij de kosten van AI-ontwikkeling
We bouwen AI zoals we het voor ons eigen bedrijf gebouwd zouden willen zien: op infrastructuur die jij bezit, op foundation-modellen waar die passen, met een senior die verantwoordelijk is voor het resultaat én de kosten.
Hoe we scopen en prijzen
De kern is n8n, self-hosted waar het ertoe doet, die AI-agents en LLM-workflows orkestreert die inpluggen in de tools die je al draait. We gronden modellen in je data met RAG, voegen voice agents toe waar telefoontjes omzet weglekken, en loggen alles zodat je ziet wat het systeem deed en waarom. Geen black boxes, geen prijsvallen per run, geen vendor lock-in. Projectbuilds lopen doorgaans van een paar duizend euro voor een gerichte automatisering tot het midden van de vijf cijfers voor een agent over meerdere systemen.
Die aanpak komt voort uit een specifieke overtuiging: AI is een middel binnen een strategie, niet de strategie zelf. Viralistic zit aan de Herengracht in Amsterdam en brengt SEO, webontwikkeling, branding en automatisering onder één dak, zodat een AI-build een echt bedrijfsdoel dient in plaats van als demo te bestaan. We bedienen Nederlandse mkb’ers en premium internationale merken, met een groeiende aanwezigheid in de VAE.
Concreet begint een traject meestal klein: één pijnlijk proces met hoog volume, netjes geautomatiseerd, eerlijk gemeten. Verdient het zich terug, dan breiden we uit. Moet een proces niet geautomatiseerd worden, dan zeggen we dat. Jij houdt de systemen, de data en de controle.
Veelgestelde vragen
Wat kost AI-ontwikkeling in 2026?
Op de markt lopen de kosten van AI-ontwikkeling van ongeveer $10.000 voor een simpele assistent tot $500.000 of meer voor een custom machine-learning-platform. De meeste praktische zakelijke builds, een chatbot, een AI-agent, RAG op je data of een voice agent, kosten tussen de $5.000 en $60.000 als je bouwt op foundation-modellen en orkestreert in plaats van vanaf nul te engineeren. Scope, datakwaliteit, integratie en onderhoud bepalen het eindbedrag.
Waarom mislukt 85% van de AI-projecten?
De meeste AI-projecten mislukken om organisatorische in plaats van technische redenen: vage scope die eindeloze wijzigingen uitlokt, vervuilde of ontbrekende data die nooit begroot was om op te schonen, over-engineeren van een custom model waar een API zou volstaan, en geen onderhoudsplan waardoor het systeem stil afglijdt. Beginnen met één smal, goed gedefinieerd proces en de terugverdientijd bewijzen vóór je opschaalt, voorkomt bijna al deze valkuilen.
Wat is de 30%-regel voor AI?
Als planningsvuistregel is maar zo’n 70 procent van de kosten van een AI-project de zichtbare build, en gaat de resterende circa 30 procent naar datavoorbereiding, integratie en de eerste rondes bijsturen. Budgetteren alsof dat verborgen derde deel bestaat, voorkomt de meest voorkomende overschrijding in AI-ontwikkeling.
Is AI zelf bouwen of kopen goedkoper?
Kopen voor commoditytaken die een SaaS-product al goed afhandelt, dat kost een fractie van een custom build en vergt geen onderhoud. Bouwen als het proces afhangt van je eigen data, systemen en regels, en op voldoende volume draait om terug te verdienen. Het goedkoopste antwoord is meestal hybride: koop de generieke onderdelen, bouw de delen die uniek van jou zijn, en verbind ze.
Welke doorlopende kosten komen er na een AI-build?
Drie terugkerende kosten: inference en gebruik (van tientallen dollars per maand voor lichte interne tools tot duizenden voor drukbezochte klantgerichte agents), onderhoud en monitoring (reken op zo’n 15 tot 25 procent van de bouwkosten per jaar), en platform-, database- en hostingkosten. Prijzen per taak zijn de post om op te letten, want de rekening groeit precies naarmate je automatisering slaagt.
Krijg een eerlijk antwoord op wat jouw AI-build kost
We scopen je meest waardevolle use case en geven je een eerlijke range, en zeggen ronduit of kopen beter is dan bouwen. Geen jargon, geen verplichtingen.
