Je zit in het budgetoverleg en het onderwerp AI komt op tafel. Wat is een redelijk bedrag voor licenties? Hoort training erbij? En wat als je op het einde van het jaar terugkijkt en moet uitleggen waar het geld is gebleven? Veel marketingmanagers reserveren wel iets aan budget voor AI, maar de verdeling is voor het eerst. Hoe zet je een AI-budget op dat zowel verstandig is in het hier en nu als verdedigbaar bij de directie? En hoe kun je deze investering rendabel maken?
AI-budget is meer dan de licentiekosten
In veel teams gaat het AI-budget volledig naar tools. Een paar betaalde licenties, soms aangevuld met een specialistische tool en daarmee is de pot leeg. Het lijkt logisch, want zonder tools kan niemand met AI werken. Toch is het de meest voorkomende fout.
Wat er gebeurt: je team heeft toegang tot stevige tools, maar weet niet hoe het er optimaal mee werkt. Het ene teamlid haalt er veel uit, het andere gebruikt het sporadisch en de derde laat de licentie ongebruikt staan. De rendabele inzet zit niet in de tool zelf, maar in de mensen die ermee werken. Wanneer je daar niets in stopt, betaal je voor capaciteit die ongebruikt blijft.
Een goede AI-budgetverdeling pakt drie zaken aan die elkaar versterken: de tools waar je team mee werkt, de vaardigheid om die tools effectief in te zetten en de structuur waarin kennis blijft groeien.
Drie soorten kosten die je vaak vergeet
Voordat je een verdeling maakt, helpt het om de werkelijke kostenposten in kaart te hebben. Naast tools-licenties zijn er drie soorten kosten die in begrotingen vaak ontbreken.
Onboarding bij nieuwe medewerkers
Een nieuwe collega die binnenkomt zonder kennis van jullie AI-werkwijze, kost je weken voordat ze op tempo zijn. Reken één tot twee dagdelen aan begeleide onboarding per nieuwe medewerker, plus toegang tot interne documentatie. Wanneer je hier niets voor reserveert, valt het op het bord van een collega die er geen tijd voor heeft.
Doorlopende kennisontwikkeling
AI verandert snel en jouw team moet bijblijven. Plan ruimte in voor maandelijkse korte leersessies, een externe training per jaar en abonnementen op vakbronnen. Deze post wordt vaak vergeten omdat hij “zacht” voelt, terwijl hij op langere termijn het meeste rendement oplevert.
Fouten en herstel daarvan
Niemand budgetteert hier graag voor, maar het is reëel. Een AI-output die foutief naar een klant gaat, een verzonnen statistiek die later gecorrigeerd moet worden of een ongelukkige invoer in een gratis tool. Reserveer een kleine buffer voor herstel en evaluatie, zodat fouten leermomenten worden in plaats van begrotingsproblemen.
Het verschil tussen tools-budget en adoptie-budget
De belangrijkste verschuiving in denken: je hebt geen AI-budget, je hebt een tools-budget en een adoptie-budget. Het tools-budget is alles wat je betaalt aan licenties en abonnementen, inclusief eventuele specialistische software. Het adoptie-budget is alles wat je team helpt om die tools effectief in te zetten.
Het adoptie-budget krijgt vaak een fractie van die aandacht, terwijl daar je rendement vandaan komt. Een team dat zijn tools écht beheerst, levert merkbaar meer op dan een team met dezelfde tools dat ermee aanrommelt. Het verschil zit in dagdelen training plus de tijd om kennis vast te leggen in een gedeelde promptbibliotheek.
In trainingen zie ik dit verschil duidelijk terug. Teams die zes maanden geleden een training hebben gehad en daarna structuur hebben aangebracht, werken inmiddels merkbaar anders dan teams die alleen licenties hebben uitgedeeld. Door tijd te maken om met elkaar te leren werken met de tools geef je het team ook het signaal dat het belangrijk is om op te pakken en dat het oké is om hier zelf tijd aan te besteden.
Een werkbare verdeling: 50/30/20
Een handvat dat in de meeste marketingteams werkt: verdeel je AI-budget volgens 50/30/20. Vijftig procent naar tools, dertig procent naar vaardigheidsontwikkeling en twintig procent naar structuur. Dit is geen wet, maar een vertrekpunt dat je aan jouw context aanpast.
50% naar tools
Hieronder vallen alle licenties en abonnementen, inclusief eventuele integraties met andere systemen. Kies een hoofdtool waar het hele team mee werkt en eventueel een aanvullende tool voor specifieke taken. Voorkom toolversnippering: vier tools die niemand goed kent, leveren minder op dan twee tools die iedereen beheerst.
30% naar vaardigheidsontwikkeling
Dit is de post die de meeste rendement oplevert en het vaakst onderbedeeld blijft. Reken op één externe training of incompany sessie per jaar voor je team, plus interne tijd voor maandelijkse leersessies. Reken hiervoor ook tijd mee, niet alleen euro’s.
20% naar structuur
Voor structuur denk ik aan het opzetten en onderhouden van je promptbibliotheek, het opstellen van een AI-beleid en het inrichten van een meet- en evaluatiesysteem. Klein in euro’s, groot in opbrengst. Zonder deze post blijft kennis bij individuen hangen en moet je elk kwartaal opnieuw beginnen. Omdat AI nog zo’n jong vakgebied is zul je de komende tijd bezig blijven met het stuk structuur. Denk bijvoorbeeld aan de massale overstap van ChatGPT naar Claude: GPT’s moesten omgezet worden naar Projectinstructies en dat soort structuurveranderingen zul je de komende periode waarschijnlijk blijven houden.
Hoe je de verdeling onderbouwt richting directie
Begin met een nulmeting en onderbouw op welke manieren de AI-tools tijdwinst opleveren en rendement geven. Meer hierover lees je in mijn blog over de ROI van AI.
Daarna toon je de verdeling: niet alles gaat naar tools. Door de adoptiekant expliciet te maken, voorkom je het beeld dat AI “alleen wat licenties” is. Sluit af met een meetritme: hoe ga je het rendement meten?
Maak duidelijke investeringskeuzes
Soms is de beste budget-keuze: pas op de plaats. Als je team midden in een implementatie zit en de basis nog niet staat, helpt een nieuw budget niet. Dan helpt eerst structuur. Hetzelfde geldt voor situaties waarin niet duidelijk is welk probleem AI moet oplossen, een onderwerp dat ik in mijn blog wanneer moet je AI NIET gebruiken uitgebreider behandel.
Voor de toolkeuze zelf is het AI-kompas een werkbaar hulpmiddel. Drie vragen die je langs elke beoogde investering kunt leggen, zodat je niet betaalt voor capaciteit die je niet aantoonbaar gaat benutten.
Veelgestelde vragen
Voor incidenteel of verkennend gebruik kunnen gratis versies prima volstaan. Zodra je team dagelijks met AI werkt, lopen de gratis versies tegen limieten aan op het gebied van datavoorwaarden en functionaliteit. De stap naar een betaalde versie is meestal de moeite waard zodra een teamlid AI structureel inzet.
Voor tools alleen kom je doorgaans uit op ± € 100 tot ± € 250 per maand, afhankelijk van de pakketten. Tel daar een training of incompany sessie van een paar duizend euro per jaar bij op, plus interne tijd voor structuur. Concrete bedragen variëren per organisatie en per beschikbaar abonnementsmodel, dus zie dit als richting.
Begin niet met de vraag om geld, maar met een pilot van drie maanden waarin je vooraf afspreekt wat je gaat meten. Concrete voorbeelden van werk dat sneller of beter is geworden, werken sterker dan algemene beloftes over productiviteit. Sluit af met een verlengingsvoorstel waarin de verdeling tools-vaardigheid-structuur expliciet zit.
Strikt genomen niet, omdat die tijd al onderdeel is van het loonbudget. Tegelijk is het wel verstandig om hem in je planning expliciet te maken. Adoptie kost tijd, en wanneer die tijd niet ergens vandaan komt, gebeurt het niet of gebeurt er ander werk minder. Reken twee tot vier uur per teamlid per maand voor doorlopende ontwikkeling.
Meer blogs lezen
Plaud Note vs Otter.ai vs Fireflies.ai vs Fathom: welke AI-recorder past bij jou in 2026?
Het AI-kompas: drie vragen voor betere AI-resultaten
ai voor e-mailmarketing
AI content workflow
Ai hallucinaties, hoe zit het nu precies?
