Een AI-businesscase is geen Excel-tab met optimistische aannames. Het is een rigoureuze modellering van kosten en baten die zowel de IT-realiteit (inferentie-pricing, schaal-effecten) als de regulatoire realiteit (EU AI Act-werk, DPIA-onderhoud) eerlijk meeneemt. Wij bouwen die modellering in zes tot acht weken op, en houden het vervolgens gedurende twaalf maanden actueel via een kwartaal-rapportagecadans richting bestuur.
TCO-decompositie per use case
Iedere use-case wordt gemodelleerd op vijf kostenposten: inferentie (tokens per request × request-volume × prijs per token, voor GPT-4o, Claude 3.5, Llama 3 of Mistral Large), infrastructuur (Azure OpenAI- of AWS Bedrock-componenten, vector-database zoals Pinecone of Weaviate, monitoring-stack), integratie (LangChain of LlamaIndex, custom code, koppelingen met core-systemen), governance (EU AI Act-dossier, GDPR-DPIA, ISO 27001-onderhoud, jaarlijkse audit), en onderhoud (model-upgrades, prompt-tuning, performance-monitoring).
Voor iedere post hanteren wij scenario-bandbreedtes: een conservatief, basis- en optimistisch scenario. Daarmee kan de CFO zien welke variabelen het meeste effect hebben op de uitkomst. Vaak blijken inferentiekosten en governance-onderhoud de twee dominante drivers, niet — zoals vaak verondersteld — initiële ontwikkelkosten.
Baten: besparing, omzet-uplift en risicovermindering
De batenkant kent drie categorieën. Besparing wordt gemodelleerd op vrijgespeelde uren × loonkosten plus reductie van fout-gerelateerde verliezen, beide met scenario-bandbreedtes. Omzet-uplift wordt gemodelleerd op nieuwe deals, conversie-verhoging of versnelde time-to-market — afhankelijk van het use-case-type — onderbouwd met benchmarks uit vergelijkbare implementaties. Risicovermindering, ten slotte, kwantificeert de vermeden boete-blootstelling onder GDPR en EU AI Act, plus de vermeden operationele incidenten door betere monitoring en menselijk toezicht onder Art. 14.
Risico-correctie en discontering
Wij hanteren standaard een risico-correctie van vijftien tot vijfentwintig procent op de batenkant, afhankelijk van regulatoire onzekerheid en datavolwassenheid. De netto kasstromen worden gedisconteerd tegen een gemiddelde bedrijfsrente van acht procent — een conservatieve hurdle die door de meeste Nederlandse CFOs als realistisch wordt aanvaard. Daarmee onderscheiden onze businesscases zich van vendor-presentaties: het zijn geen prospectussen, maar interne investeringsbeslissingen die ook bij tegenvallende aannames standhouden.
Kwartaal-rapportage richting bestuur
De businesscase eindigt niet bij investeringsbesluit. Wij richten een kwartaal-rapportagestructuur in waarin werkelijke kosten en baten tegen plan worden gezet, met een variantie-analyse per post. Daarmee wordt zichtbaar of inferentiekosten lopen zoals begroot, of de omzet-uplift zich materialiseert, en of governance-onderhoud op niveau blijft. Zo wordt AI een gewone post in de bedrijfsvoering — niet een mythologische investering die zich aan financiële discipline onttrekt.