AI marketing bureau: wat het kost en wanneer het loont

Bijna elk marketingbureau noemt zich sinds vorig jaar een AI marketing bureau. Voor een deel is dat terecht en voor een deel is het een nieuw etiket op hetzelfde werk. Dit stuk legt uit waar het verschil zit, hoe je het controleert, wat je ervoor betaalt, en bij welk budget het wel en niet rendeert.

Het verschil dat er echt toe doet

Vrijwel iedereen gebruikt inmiddels AI. Een tekstschrijver die ChatGPT gebruikt om sneller een eerste versie te maken is niet hetzelfde als een bureau dat AI in je marketing inbouwt. Dat onderscheid is het enige dat telt bij het kiezen.

Een bureau dat AI gebruikt werkt sneller en vaak goedkoper. Het levert hetzelfde product als vroeger: content, campagnes, rapportages. De winst zit in hun marge en soms in jouw tarief. Prima, maar het is geen andere dienst.

Een AI marketing bureau levert iets wat zonder AI niet kon bestaan: een systeem dat blijft draaien als niemand kijkt. Leadscoring die elke nacht je CRM doorloopt. Productteksten die zichzelf bijwerken als de voorraad verandert. Een chatlaag die de eerste vraag van een bezoeker afvangt en de rest doorzet naar sales.

Het verschil is dus niet de tool. Het is of je een dienst koopt of een systeem dat je houdt.

Hoe je het controleert in één gesprek

De term is niet beschermd, dus de website vertelt je niets. Deze vier vragen wel. Ze zijn lastig te bluffen omdat het antwoord concreet is of niet bestaat.

"Laat het draaien." Vraag om een scherm te delen met iets dat nu bij een klant loopt. Niet een demo-omgeving, niet een deck. Een bureau dat systemen bouwt heeft er meerdere draaien en kan er binnen een minuut een openen. Een bureau dat AI als tool gebruikt heeft niets om te laten zien, want het resultaat is een tekst of een campagne.

"Wat gebeurt er als het misgaat om drie uur 's nachts?" Een gebouwd systeem heeft foutafhandeling, logging en iemand die een melding krijgt. Als het antwoord vaag is, is er geen systeem, maar een handmatig proces met AI erin.

"Waar staat de code en op wiens account draait het?" Bij een echt systeem is dit een saai, precies antwoord: die repository, die omgeving, dit account. Draait alles op het account van het bureau, dan koop je toegang, geen systeem.

"Wat kost het per maand aan tokens of API-verbruik?" Wie dit niet ongeveer weet, heeft nooit iets in productie gehad. Het is de elektriciteitsrekening van een AI-systeem en die kent iedereen die er een beheert.

Wat je concreet kunt laten bouwen

De use cases die in het MKB daadwerkelijk blijven draaien, in ruwe volgorde van hoe snel ze zich terugbetalen. Bij elk staat waar het misgaat, want dat is waar de meeste budgetten sneuvelen.

• Leadkwalificatie. Inkomende leads verrijken en scoren voordat sales ze ziet, zodat de beste eerst gebeld wordt. Meestal de kortste terugverdientijd, omdat je niets extra's hoeft te verkopen om het te laten renderen. Je verschuift alleen de volgorde waarin gebeld wordt. Gaat mis als: niemand de scores gebruikt en sales de lijst blijft aflopen zoals altijd.

• Contentproductie op schaal. Categorie- en productpagina's, lokale landingspagina's, meertalige varianten. Werkt goed waar je veel vergelijkbare pagina's nodig hebt. Gaat mis als: je één sterk verhaal nodig hebt, of als je honderden dunne pagina's publiceert die elkaar kannibaliseren. Dat laatste kost je ranking in plaats van dat het hem oplevert.

• Advertentiecreatives testen. Tientallen varianten van kop, beeld en aanbod genereren en laten uitvechten. De winst zit in het aantal tests, niet in de kwaliteit van één advertentie. Gaat mis als: je te weinig volume hebt om een verschil significant te maken. Onder een paar honderd conversies per maand meet je ruis.

• Personalisatie. Andere boodschap voor een terugkerende klant dan voor een eerste bezoeker. Gaat mis als: je data vervuild is. Dan personaliseer je op basis van onzin, wat zichtbaar slechter is dan niet personaliseren.

• Attributie en rapportage. Automatisch samenvatten wat er gebeurde en waarom. Bespaart tijd, verandert zelden de uitkomst. Koop dit niet als eerste project.

• Vindbaarheid in AI-antwoorden. Zorgen dat ChatGPT, Perplexity en Google AI Overviews je noemen. Dit is een aparte discipline met eigen technieken. Zie vindbaar in ChatGPT en Perplexity.

Wat het kost

Er zijn ruwweg drie prijsvormen in de markt, en ze lossen verschillende problemen op.

Losse opdracht. Je koopt een afgebakend resultaat: een set landingspagina's, een gebouwde workflow. Voorspelbaar, maar het stopt zodra het klaar is en verouderd raakt het vanzelf.

Maandelijks tarief. Een bureau draait je marketing en zet AI in waar dat helpt. Je betaalt voor capaciteit. Als je stopt, stopt alles.

Bouw plus onderhoud. Een eenmalig bedrag om het systeem te bouwen, daarna een lager maandbedrag om het te laten draaien, te monitoren en te verbeteren. Dit is de vorm waarbij je iets overhoudt: het systeem is van jou, ook als de samenwerking eindigt.

Wat de prijs binnen elke vorm bepaalt is zelden het AI-deel. Het zijn de koppelingen. Eén systeem dat alleen naar je CRM schrijft is een fractie van het werk van hetzelfde systeem dat CRM, voorraad, facturatie en je webshop moet raken, want elke koppeling brengt eigen authenticatie, eigen foutgevallen en eigen onderhoud mee. Vraag daarom altijd op welke systemen wordt aangesloten voordat je prijzen vergelijkt. Twee offertes met hetzelfde bedrag kunnen totaal verschillend werk beschrijven.

De belangrijkste vraag is niet welk bedrag erop staat. Het is wat je overhoudt als je stopt. Bij de eerste twee vormen is dat weinig tot niets. Vraag dit expliciet voordat je tekent, want het staat zelden ongevraagd in een voorstel.

De rekensom, met echte getallen

Cijfers over "gemiddelde ROI" in deze markt komen bijna altijd van partijen die iets verkopen. Reken het daarom zelf door. Hieronder een voorbeeld met expliciete aannames, zodat je je eigen getallen kunt invullen.

Aannames: 400 inbound leads per maand. Sales belt er 120 na, want meer past niet in de week. Conversie van nagebeld naar klant is 8%. Gemiddelde orderwaarde 3.000 euro.

Zonder scoring wordt er willekeurig uit 400 gekozen. Dan zijn die 120 gesprekken een aselecte greep en levert het 120 × 8% = 9,6 klanten per maand op, dus ongeveer 28.800 euro.

Met scoring bel je dezelfde 120 leads, maar dan de 120 met de hoogste score. Het hele effect zit in hoeveel beter dan willekeurig die selectie is. Stel dat de conversie op die groep 12% wordt in plaats van 8%. Dan levert het 120 × 12% = 14,4 klanten op, dus ongeveer 43.200 euro.

Verschil: circa 14.400 euro extra omzet per maand, bij precies hetzelfde aantal telefoontjes en dezelfde advertentiebudgetten.

Twee dingen om hierbij eerlijk te houden. Ten eerste is die stap van 8% naar 12% een aanname, geen belofte: hij moet in jouw data blijken. Ten tweede valt het hele voordeel weg als sales de volgorde negeert. Daarom is de terugverdientijd van dit soort systemen bijna nooit een technische vraag, maar een vraag of iemand het gebruikt.

Draai dezelfde som met jouw aantallen. Levert hij bij realistische aannames niet duidelijk meer op dan de bouwkosten in het eerste jaar, begin er dan niet aan.

Wat de EU AI-verordening hier verandert

Dit is nieuw sinds 2 augustus 2026 en het wordt in verkoopgesprekken zelden genoemd, terwijl het je direct raakt zodra AI je klanten aanraakt.

Zet je een chatbot op je site, dan moet een bezoeker kunnen weten dat hij met een machine praat. Dat is artikel 50 van de EU AI-verordening, de transparantieverplichting. Hetzelfde geldt voor AI-gegenereerd beeld en audio in campagnes: dat moet als zodanig herkenbaar zijn. De boetes onder artikel 99 zijn geen symbolische bedragen.

Belangrijk detail voor deze keuze: als jij het systeem laat bouwen en inzet, ben jij in de regel de deployer, en die verplichting is van jou, niet van het bureau. Het bureau bouwt en vertrekt; de verplichting blijft bij jou liggen. Welke rol je precies hebt is niet altijd vanzelfsprekend, zeker niet als het bureau ook het model of de dienst levert. Zie provider, deployer, of allebei.

Daar komt de AVG bovenop, want leadscoring en personalisatie draaien per definitie op persoonsgegevens. De twee regimes overlappen flink en je kunt het werk grotendeels één keer doen. Zie hoe de AVG en de AI-verordening samenwerken en, als het bureau een kant-en-klare chatbot meelevert, de due diligence checklist voor AI-leveranciers.

Vraag een bureau dus niet alleen wat het bouwt, maar wie welke verplichting draagt als het draait. Een goed antwoord hierop is inmiddels een prima kwaliteitsindicator.

Wanneer het niet loont

Eerlijk, want dit scheelt je geld:

• Je hebt geen verkeer. AI maakt je conversie beter, niet je bereik uit het niets. Bij weinig bezoekers is er niets om te optimaliseren.

• Je data is een zooi. Personalisatie en scoring draaien op je CRM en je webanalytics. Zijn die vervuild, dan automatiseer je ruis. Dit opruimen is saai en het is bijna altijd de goedkoopste eerste stap.

• Je hebt één product en één klanttype. Dan is de winst van personalisatie en schaal grotendeels theoretisch.

• Je wilt merk bouwen. Positionering, een goed idee, een campagne die blijft hangen: daar is AI slecht in en een goede strateeg goed.

• Niemand bij jou is eigenaar. Een systeem zonder interne eigenaar verzandt binnen een kwartaal, hoe goed het ook gebouwd is. Dit is de meest voorkomende reden dat een goed gebouwd systeem stilvalt.

Wat je vastlegt voordat je tekent

Vier punten die achteraf duur zijn en vooraf gratis:

1. Eigendom van code en configuratie. Inclusief de prompts en de workflowdefinities, niet alleen "het opgeleverde werk".

2. Waar het draait. Op jouw accounts, of op die van het bureau. Bepaalt of je kunt vertrekken.

3. Wat er met je data gebeurt. Wordt die gebruikt voor training, waar staat die, hoe lang. Leg het vast conform de AVG.

4. Overdracht bij beëindiging. Wat je krijgt, in welk formaat, binnen hoeveel dagen. Zonder deze afspraak is "het is van jou" een mening.

Hoe je meet of het werkt

Spreek dit af vóór de bouw, niet erna, en houd het klein. Eén cijfer per use case is genoeg:

De rechterkolom is wat bureaus graag rapporteren, omdat die getallen altijd stijgen. De linkerkolom is wat je bedrijf ervan merkt.

Hoe je kiest

Zes vragen die het gesprek eerlijk maken:

1. Wat houd ik over als we stoppen? Een werkend systeem, of alleen facturen?

2. Van wie is de data en het model? Laat dit vastleggen. Zie ook onze gids over AI en de AVG.

3. Wat is de eerste use case en waarom die? Een goed bureau kiest de use case met de kortste terugverdientijd, niet de indrukwekkendste demo.

4. Hoe meten we of het werkt? Afgesproken vóór de bouw, niet erna.

5. Wie onderhoudt het? Modellen verouderen, koppelingen breken, prijzen veranderen.

6. Mag ik met een klant spreken die dit draait? In deze markt koopt bijna iedereen op referentie. Een bureau dat dit niet kan regelen, zegt daarmee genoeg.

Twijfel je of je een bureau nodig hebt of één persoon: zie AI adviesbureau of AI consultant. Wil je breder vergelijken: zie AI bureaus in Nederland vergelijken.

Kort samengevat

Een AI marketing bureau is de moeite waard als je genoeg verkeer hebt om te optimaliseren, je data op orde is, en je een systeem koopt in plaats van capaciteit. Is een van die drie niet waar, dan los je dat eerst op. Dat is goedkoper dan een jaar betalen voor iets wat niet kon werken.

Reken de som zelf door met je eigen aantallen, vraag om iets dat nu draait, en leg het eigendom vast voordat je tekent. Dat zijn de drie stappen die het verschil maken tussen een systeem dat over twee jaar nog geld oplevert en een map met facturen.

Aan de slag

Plan een vrijblijvende kennismaking. In dertig minuten weten we of AI in jouw marketing iets oplevert, of dat je beter eerst iets anders kunt oppakken.