Hoe waardeer je de tijd die je bespaart dankzij AI-ondersteund werk?

U meet de tijdwinst die AI-ondersteund werk oplevert door de vrijgekomen uren om te rekenen naar een financieel bedrag op basis van de volledige arbeidskosten, en vervolgens te beoordelen of die uren leiden tot omzetgenererende activiteiten, kostenbesparingen of herverdeling van capaciteit. Het eerlijke antwoord is dat tijdwinst niet automatisch geldwinst betekent: het hangt volledig af van wat uw organisatie met die vrijgekomen tijd doet. In de onderstaande paragrafen wordt uitgelegd hoe u een gedegen en geloofwaardig beeld kunt krijgen van de financiële waarde van AI in verschillende contexten.

Hoe zet je de bespaarde tijd om in een financieel bedrag?

Om de bespaarde tijd in een financieel bedrag om te rekenen, vermenigvuldig je het aantal teruggewonnen uren per medewerker met de totale uurkosten (salaris plus secundaire arbeidsvoorwaarden, overheadkosten en werkgeversbijdragen), en vermenigvuldig je dat vervolgens met het aantal betrokken personen. Dit levert een bruto productiviteitswaarde op: het theoretische maximale financiële voordeel als elk bespaard uur zou worden ingezet voor productieve output.

In de praktijk moet dat brutocijfer worden gecorrigeerd. Niet alle bespaarde tijd is evenveel waard. Een financieel analist die twee uur per week bespaart op handmatige rapportage, genereert niet automatisch twee uur extra omzet. De werkelijke financiële waarde hangt af van wat er in de plaats komt van die tijd:

• Herschikking naar werk met een hogere toegevoegde waarde: Als de gewonnen tijd wordt besteed aan analyse, strategische beslissingen of klantgerichte activiteiten, kan de waarde hoger zijn dan de pure arbeidskosten.
• Vermijden van personeelsaantallen: Als AI-ondersteunde productiviteit inhoudt dat u toenemende werkvolumes aankunt zonder extra personeel aan te nemen, vormen de vermeden wervingskosten een concrete, meetbare besparing.
• Foutvermindering: Minder handmatige fouten betekent minder herstelwerk, minder escalaties en minder blootstelling aan risico’s, en dat alles heeft financiële gevolgen.
• Verkorting van de cyclustijd: Snellere processen (begrotingscycli, aanbestedingen, rapportage) kunnen de besluitvorming versnellen en de kosten van vertraging verminderen.

Houd bij het opstellen van uw berekening rekening met de volledige loonkosten in plaats van alleen het basissalaris. Het verschil is aanzienlijk: secundaire arbeidsvoorwaarden en overheadkosten komen doorgaans nog eens 25 tot 40 procent bovenop het basissalaris. Pas een realisatiefactor toe (meestal 50 tot 70 procent) om rekening te houden met het feit dat niet alle teruggewonnen tijd onmiddellijk wordt omgezet in productieve output.

Is de tijd die dankzij AI wordt bespaard hetzelfde als de kostenbesparing?

Nee. Tijdwinst dankzij AI staat niet automatisch gelijk aan kostenbesparing. Tijdwinst leidt pas tot kostenbesparing wanneer de organisatie het voordeel actief benut, hetzij door het personeelsbestand in te krimpen, hetzij door nieuwe aanwervingen te vermijden, hetzij door medewerkers in te zetten voor werkzaamheden die meetbare waarde opleveren. Als de bespaarde uren simpelweg worden besteed aan een langere koffiepauze of aan taken met een lagere prioriteit, is het financiële effect nihil.

Dit onderscheid is van enorm belang wanneer je AI-investeringen moet rechtvaardigen tegenover het management of de raad van bestuur. Als je tijdwinst presenteert als directe kostenbesparing zonder aan te tonen hoe de capaciteit wordt ingezet, ondermijnt dat de geloofwaardigheid van je businesscase. Financiële teams en CFO’s zijn erop getraind om precies deze vraag te stellen.

Er zijn drie omstandigheden waarin tijdwinst inderdaad betrouwbaar leidt tot kostenbesparing:

1. Personeelsinkrimping of het voorkomen daarvan: Het duidelijkste voorbeeld. Als AI taken uitvoert waarvoor anders extra personeel nodig zou zijn, leveren de bespaarde salariskosten en overheadkosten een daadwerkelijke besparing op.
2. Vervanging door uitbesteding: Als AI werkzaamheden vervangt die voorheen door externe aannemers of bureaus werden uitgevoerd, is de besparing op uitgaven aan derden direct en controleerbaar.
3. Het wegnemen van knelpunten: Wanneer een tijdrovende taak de knelpunt vormt in een omzetgenererend proces, kan het versnellen ervan de doorvoer en de omzet vergroten, waardoor de tijdwinst financieel tastbaar wordt.

Welke verschillende soorten meerwaarde kan AI opleveren in de vorm van tijdwinst?

Tijdwinst dankzij AI kan vier verschillende soorten waarde opleveren: kostenreductie, kostenvermijding, omzetgroei en risicobeperking. Elk type kent een andere meetmethode en een andere mate van geloofwaardigheid in een financiële businesscase.

Kostenreductie en kostenvermijding

Kostenbesparing is het meest voor de hand liggend: je geeft minder uit dan voorheen. Dit is het geval wanneer AI werkzaamheden overneemt die voorheen door betaald personeel of externe leveranciers werden uitgevoerd. Kostenvermijding is subtieler, maar even reëel: het betreft uitgaven die je niet hoeft te doen omdat AI-ondersteunde productiviteit de toename van de werklast opvangt zonder dat er extra middelen nodig zijn. Beide vormen zijn verdedigbaar in een businesscase omdat ze rechtstreeks verband houden met begrotingsposten.

Omzetbevordering en risicobeperking

Omzetbevordering vindt plaats wanneer AI bekwame medewerkers ontlast, zodat zij zich kunnen richten op klantenwerving, productontwikkeling of strategische initiatieven die de omzetgroei rechtstreeks stimuleren. Dit soort waarde is moeilijker te isoleren, maar is in absolute termen vaak het grootst. Risicobeperking heeft betrekking op scenario’s waarin AI de frequentie of ernst van fouten, nalevingsproblemen of beveiligingsincidenten vermindert; elk daarvan brengt financiële kosten met zich mee die kunnen worden geschat, ook al kunnen ze niet met precisie worden voorspeld.

Wanneer de meerwaarde van AI aan het management wordt gepresenteerd, helpt het indelen van de besparingen per categorie de belanghebbenden om de geloofwaardigheid te beoordelen. Kostenreductie en -vermijding zijn vrijwel zeker. Het genereren van inkomsten en het verminderen van risico’s vereisen sterkere aannames en moeten worden gepresenteerd met expliciete voorbehouden over wat er moet gebeuren om de meerwaarde te realiseren.

Hoe stel je een geloofwaardige businesscase voor AI op aan de hand van gegevens over tijdwinst?

Een geloofwaardige businesscase voor AI, gebaseerd op gegevens over tijdwinst, begint met een nulmeting van de tijd die momenteel aan de betreffende taken wordt besteed, past een conservatieve realisatiefactor toe op de verwachte besparingen en koppelt elke besparing aan een specifiek financieel resultaat: het vermijden van personeelsuitbreiding, het verlagen van foutkosten of het effect op de omzet. Transparantie over de aannames is wat een geloofwaardige businesscase onderscheidt van een optimistische.

Volg deze stappen om een zaak op te bouwen die een grondige toetsing kan doorstaan:

1. Meet de basislijn nauwkeurig op. Houd bij hoeveel tijd de specifieke taken in beslag nemen waarop AI invloed zal hebben. Zelfgerapporteerde schattingen zijn vaak te hoog. Maak waar mogelijk gebruik van systeemlogboeken, projectvolggegevens of gestructureerde tijdstudies.
2. Pas een realisatiefactor toe. Niet alle tijdwinst vertaalt zich in meerwaarde. Bij productiviteitsanalyses wordt doorgaans een factor van 50 tot 70 procent gehanteerd. Geef duidelijk aan welke factor u hanteert en leg uit waarom.
3. Deel elke besparing in op basis van het type. Maak een onderscheid tussen kostenreductie, kostenvermijding en omzetbevordering. Wijs aan elk daarvan verschillende betrouwbaarheidsniveaus toe.
4. Houd rekening met de implementatie- en exploitatiekosten. Licenties, integratie, opleiding en doorlopend beheer leiden allemaal tot een vermindering van het nettovoordeel. Een businesscase waarin deze kosten buiten beschouwing worden gelaten, zal een financiële toets niet doorstaan.
5. Stel een meetplan op. Geef aan hoe u de daadwerkelijke besparingen na de implementatie gaat meten. Een businesscase zonder meetplan is een belofte zonder verantwoording.

Voor organisaties die AI-tools beheren als onderdeel van een breder beheer van cloudkosten strategie is het de moeite waard om het bijhouden van AI-investeringen te integreren in bestaande FinOps- of IT-financieelbeheersystemen. Dit zorgt ervoor dat de AI-uitgaven zichtbaar zijn, samen met de daaraan toegeschreven voordelen, in plaats van dat ze als een ononderzochte post in de IT-begroting blijven staan.

Wat is het verschil tussen het meten van de waarde van AI bij tools die lokaal worden gebruikt en bij cloudtools?

Bij AI-tools die op locatie worden gebruikt, richt de waardemeting zich op de afschrijving van kapitaaluitgaven, infrastructuurkosten en interne arbeidskosten voor onderhoud. Bij cloudgebaseerde AI-tools is de kostenstructuur gebaseerd op verbruik, waardoor het gemakkelijker is om de uitgaven bij te houden, maar moeilijker om deze te beheersen als het gebruik onverwacht toeneemt. De meetmethode verschilt omdat de kostenfactoren fundamenteel van elkaar verschillen.

Bij AI-implementaties op locatie zijn er initiële kosten (hardware, softwarelicenties en integratiewerkzaamheden) die over de gebruiksduur van de tool moeten worden afgeschreven. De berekening van het rendement is relatief stabiel, omdat de kosten grotendeels vastliggen. Het risico is onderbenutting: als de acceptatie lager uitvalt dan verwacht, blijven de vaste kosten hoe dan ook bestaan.

Cloudgebaseerde AI-tools zorgen voor een variabele kostendynamiek. Het verbruik kan snel toenemen en zonder goed beheer kunnen de kosten van de tool sneller stijgen dan de waarde die deze oplevert. Dit is een patroon dat we vaak zien bij organisaties die AI-ondersteunde tools via cloudplatforms invoeren zonder deze te integreren in een gestructureerd financieel beheerraamwerk. Het voordeel van cloud-AI is snelheid en flexibiliteit; het risico is uit de hand lopende kosten.

Voor organisaties met hybride omgevingen is een consistente methodologie nodig om de totale eigendomskosten van verschillende implementatiemodellen met elkaar te vergelijken. Juist op dit punt voegen de disciplines Technology Business Management (TBM) en FinOps waarde toe door een gezamenlijke taxonomie te creëren waarmee on-premise- en cloudkosten op basis van dezelfde criteria met elkaar kunnen worden vergeleken, waardoor een echte afwegingsanalyse mogelijk wordt in plaats van vergelijkingen tussen appels en peren.

Wanneer is tijdwinst op zich geen voldoende reden om in AI te investeren?

Tijdwinst op zich mag geen reden zijn om in AI te investeren wanneer de verwachte besparingen niet op betrouwbare wijze als financieel voordeel kunnen worden vastgelegd, wanneer de implementatie- en beheerskosten hoger zijn dan de terug te verdienen waarde, of wanneer de investering afhankelijkheden of risico’s met zich meebrengt die zwaarder wegen dan de efficiëntiewinst. In deze gevallen is een breder waardekader nodig.

Er zijn verschillende specifieke situaties waarin argumenten over tijdwinst bij nader inzien niet standhouden:

• Grote onzekerheid bij de realisatie: Als uw organisatie nog geen bewezen staat van dienst heeft op het gebied van het productief inzetten van vrijgekomen capaciteit, is de veronderstelling dat de bespaarde tijd zich in meerwaarde zal vertalen, niet geloofwaardig.
• Omgevingen met een lage acceptatiegraad: AI-tools die een aanzienlijke gedragsverandering vereisen, halen in het eerste jaar vaak 30 tot 50 procent van de verwachte acceptatiegraad. Als je businesscase uitgaat van volledige acceptatie vanaf dag één, zullen de cijfers niet kloppen.
• Nalevings- of kwaliteitsvereisten: In gereguleerde sectoren vereist AI-ondersteund werk vaak menselijke controle, waardoor de daadwerkelijke tijdwinst beperkt blijft. De kosten voor het naleven van de regelgeving kunnen het grootste deel van de efficiëntiewinst opslokken.
• Strategische discrepantie: Als de taken die worden geautomatiseerd geen verband houden met de strategische prioriteiten van de organisatie, is de tijdwinst weliswaar reëel, maar niet relevant voor wat het management probeert te bereiken.

In deze gevallen bestaat de sterkste onderbouwing meestal uit een combinatie van tijdwinst, kwaliteitsverbetering, risicobeperking en strategische positionering, en niet alleen uit tijdwinst op zich. Het opstellen van een multidimensionale waardepropositie vergt in het begin meer werk, maar is veel beter bestand tegen kritiek.

Hoe wij u helpen de waarde van AI te meten en te beheren

Het kwantificeren van de waarde van AI-ondersteund werk is geen eenmalige berekening: het vereist voortdurend inzicht in de kosten, het gebruik en de resultaten, zowel in cloud- als in on-premise-omgevingen. Dat is precies wat wij organisaties helpen op te zetten.

• Implementatie van FinOps: Wij helpen u bij het opzetten van governancekaders die het gebruik van AI in de cloud inzichtelijk maken, toewijzen en koppelen aan bedrijfsresultaten, zodat u kunt zien of de kosten van uw AI-tools worden gerechtvaardigd door de waarde die ze opleveren.
• Integratie van TBM en FinOps: Wij koppelen de uitgaven voor cloud-AI aan uw bredere financiële IT-beheersstructuur, waardoor u met behulp van een gemeenschappelijke taxonomie een consistente vergelijking kunt maken tussen investeringen in on-premise en cloud-AI.
• Beoordeling van de volwassenheid: Onze Beoordeling van de FinOps-rijpheid brengt in kaart waar uw organisatie momenteel staat op het gebied van het beheer van cloudkosten en waar de meest waardevolle verbeteringen te realiseren zijn, met inbegrip van de uitgaven voor AI-tools.
• Ondersteuning bij het opstellen van businesscases: Wij helpen IT- en financiële teams bij het opstellen van geloofwaardige, voor de raad van bestuur geschikte businesscases voor AI-investeringen, die verder gaan dan alleen tijdwinst en waarin ook kostenbesparingen, risicobeperking en strategische waarde worden gekwantificeerd.

Als je de theoretische tijdwinst wilt vertalen naar financiële resultaten die je aan je CFO en raad van bestuur kunt onderbouwen, neem contact met ons op en we zullen je laten zien hoe dat moet.