Wat is het verschil tussen AI en automatisering?

De twee woorden worden door elkaar gebruikt, ook door leveranciers die het verschil kennen. Dat is niet alleen een taalkwestie, want het bepaalt wat je koopt, wat het per maand kost en hoe je het test. Automatisering is een reeks stappen die altijd hetzelfde verloopt. AI is een model dat een inschatting maakt. Het eerste kun je afvinken, het tweede moet je steekproeven. Wie dat onderscheid scherp heeft, koopt zelden AI waar een koppeling volstaat.

Regels tegenover inschattingen

Een automatisering is een ketting van als-dit-dan-dat. Komt er een bestelling binnen, maak dan een regel aan in het ordersysteem, stuur een bevestiging, zet de klant op de juiste lijst. Elke stap is uitgeschreven en de uitkomst is duizend van de duizend keer dezelfde. Verandert er iets aan de invoer waar geen regel voor is, dan stopt de flow met een foutmelding. Dat klinkt vervelend, maar het is precies wat je wilt.

AI doet iets anders. Een taalmodel krijgt een bericht en schat in waar het over gaat, vat een bijlage samen of schrijft een eerste versie van een tekst. Er zit geen regel achter die je kunt aanwijzen, alleen een patroon. Dat maakt het bruikbaar voor werk dat je niet vooraf kunt uitschrijven, en meteen onbetrouwbaar voor werk dat exact moet kloppen. Een model stopt namelijk niet met een foutmelding: het geeft gewoon een antwoord.

Het verschil merk je bij het testen en op de rekening

Een regelgestuurde flow test je met 10 tot 15 gevallen. Kloppen die, dan klopt de rest ook, want het is dezelfde weg. Een AI-stap test je met 50 tot 100 echte voorbeelden, en zelfs dan houd je een foutmarge die je moet accepteren of afvangen met een controlestap. Dat verschil zie je terug in de bouwtijd en in wat je er daarna nog aan moet nakijken.

Er zit ook een kostenverschil per uitvoering. Een regelstap kost feitelijk niets. Een AI-stap kost meestal tussen een fractie van een cent en enkele centen, afhankelijk van model en tekstlengte. Bij een paar duizend keer per maand praat je over een paar tientjes; bij honderdduizenden keren wordt het een post om te bewaken. Kijk daarnaar voordat je AI zet in iets wat bij elke pagina-weergave draait.

In het mkb zit de winst meestal in de saaie kant

De aanname die we het vaakst tegenkomen is dat AI de moderne vorm van automatisering is, en dat een flow zonder AI achterhaald zou zijn. In ons werk is het omgekeerde waar: het grootste deel van de bespaarde uren komt uit koppelingen zonder een greintje AI. Gegevens die van het ene systeem naar het andere gaan, rapportages die zichzelf klaarzetten, voorraad die zich bijwerkt.

Er hangt ook een risico aan. Elke AI-stap kan afwijken en moet dus gecontroleerd worden. Zet je AI in een flow die het zonder ook af kan, dan maak je die niet beter maar wel minder voorspelbaar. Wat in de praktijk wel loont, staat in het overzicht van automatiseren in het mkb.

Wanneer AI wel de juiste keuze is

Drie situaties waarin een model echt iets toevoegt: rommelige invoer sorteren, lange teksten samenvatten en een eerste versie schrijven die een mens afmaakt. In alle drie valt er geen regel voor te schrijven. De sterkste opzet combineert de twee: het model bepaalt of een e-mail een offerteaanvraag is, de automatisering maakt daarna de taak aan, altijd op dezelfde manier.

Twee dingen regel je vooraf. Zet geen persoonsgegevens in een model zonder dat de afspraken kloppen; wat wel kan staat in de uitleg over bedrijfsgegevens in ChatGPT. En leg de prompt vast in de documentatie, want zonder die tekst is een AI-stap niet over te dragen bij het einde van een samenwerking. Welke van de twee jouw eerste project wordt, bepaal je met de urenlijst waar je mee start. Die keuze maken we samen binnen onze dienst AI en automatisering.

Zo doen wij dit

Wij tekenen elke flow eerst uit op een A4 voordat er iets gebouwd wordt, met per stap een aantekening: regel of inschatting. Elke stap die als inschatting eindigt, krijgt de vraag of hij ook als regel kan. Kan dat, dan doen we dat, want een regel is goedkoper, sneller en te testen. Blijft er een inschatting nodig, dan bepalen we wat er gebeurt als het model ernaast zit.

Bij een AI-stap horen drie dingen bij de oplevering: de prompt in de documentatie, een testset van echte voorbeelden en een drempel waarboven het systeem doorzet naar een mens. Bij twijfel bouwen we meestal een conceptstap in plaats van een verzendstap, zodat een fout nog door iemand wordt gezien.

Qua prijs maakt het verschil uit. Een losse automatisering zonder AI reken je per stuk af, met een vaste prijs vooraf. Een opzet met meerdere gekoppelde flows en AI-stappen, inclusief onderhoud en bijsturen, is een bedrag ineens voor de bouw plus een maandbedrag. Dat maandbedrag is er niet voor niets: een AI-stap heeft periodiek nakijken nodig, zeker als het model onder je toepassing wordt bijgewerkt. De abonnementen van de tools zelf staan op naam van je eigen bedrijf.

De fout die we het vaakst zien

Bedrijven voegen AI toe aan een stap die al met een regel werkte. Een model laten bepalen welk btw-tarief bij een product hoort bijvoorbeeld, terwijl dat gewoon in een tabel staat. Het werkt negentig keer goed en dan een keer niet, en die ene keer staat op een factuur. Waar het antwoord vastligt, gebruik je geen inschatting.

Bronnen

• Eigen praktijkcijfers aiplusmarketing, augustus 2026
• Europese Commissie, informatie over de AI Act en wat onder een AI-systeem valt
• Autoriteit Persoonsgegevens, informatie over het verwerken van persoonsgegevens met AI-toepassingen

Hier helpen we mee: AI en automatisering