Welke uitgangswaarde moet je hanteren voordat je de besparingen door AI berekent?

Voordat u de besparingen door AI kunt berekenen, hebt u een betrouwbare kostenreferentie uit de periode vóór de invoering van AI nodig, die een nauwkeurig beeld geeft van wat hetzelfde werk kostte voordat de technologie werd geïntroduceerd. Zonder deze referentie is elk besparingscijfer dat u rapporteert slechts een schatting die is gebaseerd op aannames in plaats van op feiten. In de onderstaande paragrafen worden de belangrijkste vragen besproken waarmee organisaties te maken krijgen bij het vaststellen en gebruiken van een referentie voor AI-besparingen.

Waarom leidt het kiezen van een verkeerde referentiewaarde tot een vertekend beeld van de besparingen door AI?

Het kiezen van een verkeerde referentieperiode leidt tot een vertekend beeld van de besparingen door AI, omdat hierdoor het referentiepunt verandert waaraan alle verbeteringen worden afgemeten. Als uw referentieperiode te hoog ligt, overschat u de besparingen. Als deze te laag is, of gebaseerd is op een niet-representatieve periode, onderschat u ze. Beide uitkomsten verzwakken uw businesscase voor AI en ondermijnen het vertrouwen bij de financiële afdeling en het management.

Dit is vooral van belang wanneer er grote investeringen in AI worden gedaan en de druk om deze te rechtvaardigen reëel is. Een referentiepunt dat is afgeleid van een ongewoon duur kwartaal, een periode met een piek in het personeelsbestand of een proces dat al gedeeltelijk is geoptimaliseerd, levert cijfers op die bij nader inzien geen stand houden. Wanneer de CFO of de raad van bestuur vraagt hoe de besparingen zijn berekend, wordt een gebrekkig referentiepunt niet alleen een meetprobleem, maar ook een geloofwaardigheidsprobleem.

De vertekening neemt bovendien in de loop van de tijd toe. Als bij het voortdurend bijhouden van besparingen steeds wordt uitgegaan van een onjuiste referentiewaarde, wordt dezelfde fout in elk volgend rapport overgenomen. Daarom is het vaststellen van de juiste referentiewaarde vanaf het begin geen technisch detail, maar een bestuurlijke beslissing die bepalend is voor de manier waarop de toegevoegde waarde van AI binnen de organisatie wordt gecommuniceerd.

Wat zijn de belangrijkste soorten referentiepunten die bij het meten van AI-kosten worden gebruikt?

De belangrijkste soorten referentiepunten die bij het meten van AI-kosten worden gebruikt, zijn het historische kostenreferentiepunt, het activiteitsgebaseerde referentiepunt, het run-rate-referentiepunt en het contrafeitelijke referentiepunt. Elk daarvan geeft een ander aspect van de kosten vóór de invoering van AI weer en is geschikt voor verschillende meetcontexten.

• Referentiepunt op basis van historische kostprijs: Maakt gebruik van de werkelijke kosten uit een bepaalde periode vóór de implementatie van AI, doorgaans 6 tot 12 maanden. Dit is de meest eenvoudige aanpak en werkt goed wanneer het proces vóór de invoering van AI stabiel en goed gedocumenteerd was.
• Op activiteiten gebaseerde referentie: Berekent de kosten per eenheid verricht werk, zoals de kosten per verwerkte factuur of de kosten per afgehandeld supportticket. Hierdoor kunnen besparingen worden gemeten, zelfs wanneer de volumes aanzienlijk veranderen na de invoering van AI.
• Referentiewaarde voor de run-rate: Het project maakt een schatting van de kosten die zonder AI zouden zijn gemaakt, op basis van historische trends en de verwachte volumegroei. Dit is nuttig wanneer de bedrijfsactiviteiten groeien en een eenvoudig historisch overzicht de werkelijke kosten zou onderschatten.
• Contrafeitelijke referentie: Geeft weer wat de organisatie zou hebben uitgegeven als zij een andere koers had gevolgd, bijvoorbeeld door extra personeel aan te nemen of verouderde systemen te moderniseren. Dit is het meest complexe type, maar het is nuttig wanneer AI een geplande investering vervangt in plaats van een bestaande.

De meeste organisaties hebben baat bij een combinatie van ten minste twee van deze benaderingen, met name de historische kostprijs als uitgangspunt in combinatie met een op activiteiten gebaseerde aanpassing, om rekening te houden met volumeveranderingen zonder dat het besparingscijfer daardoor wordt opgeblazen.

Hoe stel je een betrouwbare kostenreferentie vast voor de periode vóór de invoering van AI?

U stelt een betrouwbare kostenreferentie voor de invoering van AI vast door vast te stellen op welk specifiek proces of welke functie de AI invloed zal hebben, door over een representatieve periode actuele kostengegevens voor dat bereik te verzamelen en door die gegevens met zowel IT- als financiële belanghebbenden te valideren voordat de implementatie van AI van start gaat.

De stappen zijn eenvoudig, maar voor elke stap is discipline nodig om deze correct uit te voeren:

1. Bepaal de reikwijdte nauwkeurig. Bepaal op welke processen, teams, systemen of resultaten de AI een directe invloed zal hebben. Vermijd te brede definities van het toepassingsgebied, waardoor er kosten worden meegerekend waar de AI nooit invloed op zal hebben.
2. Kies een representatieve meetperiode. Gebruik gegevens van ten minste 6 maanden, en bij voorkeur 12, om seizoensschommelingen te egaliseren. Vermijd periodes waarin eenmalige gebeurtenissen, ingrijpende incidenten of organisatorische herstructureringen plaatsvinden.
3. Breng alle relevante kostencategorieën in kaart. Houd rekening met arbeidskosten (inclusief alle bijkomende kosten, niet alleen het salaris), softwarelicenties, infrastructuur, ondersteuning en eventuele handmatige tijdelijke oplossingen waarvan het huidige proces afhankelijk is.
4. Leg de aannames en uitsluitingen vast. Leg vast wat er is meegenomen en waarom, zodat de uitgangssituatie later kan worden onderbouwd en op consistente wijze kan worden vergeleken met de werkelijke cijfers na de AI.
5. Overleg dit met de financiële afdeling. Een uitgangspunt dat uitsluitend door IT wordt opgesteld, is kwetsbaar voor kritiek. Goedkeuring door de financiële afdeling in een vroeg stadium waarborgt de integriteit van bezuinigingsvoorstellen in een later stadium.

Dit proces sluit rechtstreeks aan op FinOps-werkwijzen voor inzicht in de cloudkosten, waarbij het vaststellen van betrouwbare kostengegevens voordat de optimalisatie van start gaat een essentiële stap is.

Welke kosten moeten in de referentie worden opgenomen en welke moeten daaruit worden uitgesloten?

De referentiebasis moet alle kosten omvatten die door AI rechtstreeks worden vervangen of verminderd, en geen kosten bevatten die geen verband houden met het te automatiseren proces of die constant blijven, ongeacht de investering in AI. Het correct vaststellen van deze afbakening is een van de belangrijkste beslissingen bij het meten van kostenbesparingen door AI.

Te vermelden kosten

• Totale loonkosten voor het personeel dat de taak uitvoert die door AI zal worden overgenomen, inclusief secundaire arbeidsvoorwaarden, overheadkosten en managementtijd
• Softwarelicenties voor tools die door de AI worden vervangen of samengevoegd
• Infrastructuurkosten die rechtstreeks aan het proces kunnen worden toegerekend, zoals rekenkracht of opslagruimte voor bestaande systemen
• Kosten voor diensten van derden, zoals uitbestede verwerking of handmatige gegevensinvoer
• Kosten voor foutcorrectie en herstelwerkzaamheden die voortvloeien uit handmatige verwerking

Uit te sluiten kosten

• Overheadkosten die ongeacht de implementatie van AI ongewijzigd blijven, zoals kosten voor bedrijfsruimten of een gedeelde IT-infrastructuur die ook voor andere doeleinden wordt gebruikt
• Eenmalige of niet-terugkerende kosten uit de referentieperiode die niet representatief zijn voor de normale bedrijfsvoering
• Kosten van aanverwante processen waarop AI geen directe invloed heeft
• Alternatieve kosten of theoretische besparingen die niet kunnen worden afgezet tegen de werkelijke uitgaven

Een veelgemaakte fout is het meerekenen van kosten die op het eerste gezicht verband lijken te houden met het toepassingsgebied van de AI, maar daar in feite geen oorzakelijk verband mee hebben. Hierdoor wordt de uitgangswaarde opgeblazen en lijken de besparingen groter dan ze in werkelijkheid zijn, wat tot problemen leidt wanneer de resultaten worden gecontroleerd.

Moet u een statische of een voortschrijdende referentiewaarde gebruiken voor het doorlopend bijhouden van besparingen dankzij AI?

Voor het continu bijhouden van besparingen dankzij AI kunt u in de meeste gevallen beter een voortschrijdende referentie gebruiken dan een statische. Een statische referentie legt een momentopname vast van de situatie vóór de invoering van AI en vergelijkt alle toekomstige periodes daarmee, wat na verloop van tijd en naarmate de bedrijfsomstandigheden veranderen steeds minder zinvol wordt. Een voortschrijdende referentie wordt periodiek aangepast om rekening te houden met volumeveranderingen, inflatie en procesontwikkelingen.

De juiste keuze hangt af van uw meetdoelen:

• Gebruik een statische referentielijn wanneer u de totale cumulatieve besparingen sinds de implementatie van AI moet rapporteren, of wanneer de businesscase is opgesteld op basis van een vaste kostendoelstelling. Dit is nuttig voor rapportage aan het management en voor het valideren van de oorspronkelijke investeringsbeslissing.
• Gebruik een voortschrijdende basislijn wanneer u de lopende prestaties bijhoudt en rekening moet houden met het feit dat volumes, teamgroottes of markttarieven sinds de implementatie zijn veranderd. Een voortschrijdende referentiewaarde zorgt ervoor dat de vergelijking relevant blijft en voorkomt dat besparingen worden overschat, louter omdat het bedrijf is gegroeid.

Veel organisaties hanteren beide benaderingen parallel: een statische referentie voor de oorspronkelijke businesscase en een doorlopende referentie voor het beheer van de operationele prestaties. Deze aanpak biedt het management een duidelijk beeld van het totale rendement en geeft IT- en financiële teams tegelijkertijd een zinvolle aanwijzing voor voortdurende optimalisatie. Dit sluit aan bij de manier waarop volwassen financieel beheer in de cloud programma's houden de kostenefficiëntie in de loop van de tijd bij, waarbij eenmalige besparingen worden onderscheiden van structurele kostenverlagingen.

Wat zijn de meest voorkomende fouten bij de uitgangssituatie die de businesscases voor AI ondermijnen?

De meest voorkomende fouten bij de uitgangssituatie die de businesscases voor AI ondermijnen, zijn het gebruik van een niet-representatieve meetperiode, het niet meerekenen van de volledige kosten, het door elkaar halen van kostenreductie en kostenvermijding, en het niet afstemmen met de financiële afdeling vóór de implementatie. Elk van deze fouten leidt tot besparingscijfers die een grondige toetsing niet doorstaan.

• Niet-representatieve periode: Het meten van de basiskosten tijdens een ongewoon dure of ongewoon rustige periode leidt tot een vertekend referentiepunt. Controleer altijd of de periode een weerspiegeling is van de normale bedrijfsvoering.
• Onvolledige kostenregistratie: Door alleen de directe arbeidskosten mee te rekenen en geen rekening te houden met overhead-, gereedschaps- en herbewerkingskosten, worden de werkelijke kosten vóór de invoering van AI te laag weergegeven en wordt het besparingscijfer te laag uitgevallen.
• Kostenreductie verwarren met kostenvermijding: Als AI kosten voorkomt die anders zouden zijn gestegen, is dat kostenvermijding, geen kostenreductie. Beide zijn geldig, maar ze moeten afzonderlijk worden gerapporteerd. Als ze door elkaar worden gehaald, leidt dat tot verwarring bij het vergelijken van de werkelijke cijfers met de referentie.
• Geen financiële afstemming: Een referentieplan dat uitsluitend door de IT-afdeling is opgesteld, kan gemakkelijk in twijfel worden getrokken. Door de financiële afdeling vanaf het begin bij het proces te betrekken, ontstaat er een gezamenlijk draagvlak voor de methodiek en worden beweringen over besparingen veel beter verdedigbaar.
• Volumeveranderingen negeren: Als het bedrijf na de invoering van AI met 20% is gegroeid, kan een deel van de schijnbare besparingen simpelweg te wijten zijn aan het feit dat er tegen dezelfde kosten meer werk wordt verzet, en niet aan een daling van de kosten per eenheid. Om een eerlijke meting te krijgen, is een correctie voor het volume noodzakelijk.
• Geen documentatie van aannames: Zonder een duidelijk overzicht van wat er wel en niet is meegenomen, en waarom, kan de uitgangssituatie op de lange termijn niet consistent worden toegepast of verdedigd.

Hoe wij u helpen een solide uitgangspunt voor AI-besparingen te creëren

Om de besparingen door AI nauwkeurig te kunnen meten, is dezelfde financiële discipline vereist die ten grondslag ligt aan elke serieuze beslissing over IT-investeringen. Bij It’s Value helpen we organisaties bij het opzetten van kaders voor kostentransparantie en governance, waardoor businesscases voor AI geloofwaardig en verdedigbaar worden. Concreet ondersteunen we u met:

• Het vaststellen van de juiste reikwijdte en kostencategorieën voor uw pre-AI-referentie, in afstemming met zowel IT- als financiële belanghebbenden
• Het implementeren van IT Financial Management (ITFM) en Technology Business Management (TBM) raamwerken die u de gestructureerde kostengegevens bieden die nodig zijn om besparingen in de loop van de tijd betrouwbaar te meten
• FinOps-werkwijzen integreren voor AI-workloads in de cloud, zodat de kosten voor rekenkracht en het platform nauwkeurig worden toegerekend en vanaf het begin in uw basislijn worden meegenomen
• Het opzetten van rapportagecycli waarmee de besparingen dankzij AI worden vergeleken met zowel statische als voortschrijdende referentiewaarden, waardoor het management het inzicht krijgt dat het nodig heeft om de investering te valideren

Als u een businesscase voor AI aan het opstellen bent of de besparingsmethodiek die u al hanteert wilt valideren, neem contact met ons op om te bespreken hoe we u kunnen helpen bij het opstellen van een solide uitgangspunt.