Zoek op "AI zelf bouwen of kopen" en je krijgt een muur van bijna identieke stukken, de meeste geschreven door bureaus die het bouwen verkopen. Dat is een structureel belangenconflict: een maatwerkbureau kan je moeilijk eerlijk aanraden om níét te laten bouwen. Ze plakken er dollarbedragen bij (anderhalve ton om te bouwen, tonnen aan verzonken kosten) die op geen enkele primaire bron te herleiden zijn.
Hier is de versie voor degene die het uiteindelijk tekent: de niet-technische executive. Geen stropoppen, elk cijfer gekoppeld aan de primaire bron, en één optie die de bureaustukken nooit noemen.
Bouwen is maatwerk-AI laten maken die je team zelf bezit en onderhoudt. Kopen is een licentie nemen op het kant-en-klare product van een leverancier. Installeren is een werkend systeem opzetten op je eigen laptop, over de data van je eigen bedrijf, in dagen. De echte keuze is niet bouwen of kopen voor het hele bedrijf in één keer. Het is welke van de drie bij elke specifieke workflow past.
Dat laatste punt is precies wat iedereen mist. Dit is geen eenmalige bedrijfsbrede gok. De winnende zet is om AI workflow voor workflow te beoordelen, niet met één top-down oordeel. Dus zo behandelen we het.
Wat "bouwen" echt betekent, en wat de data zegt
Er zijn eerlijke redenen om te bouwen. Als AI je kernproduct ís, als het draait op data die geen enkele leverancier heeft, of als datasoevereiniteit niet onderhandelbaar is en geen gekocht product eraan kan voldoen, bouw dan. Wanneer het model het onderscheid maakt, is het bezitten ervan logisch.
Nu de kosten die niemand die het bouwen verkoopt je zal noemen.
RAND vond dat meer dan 80% van de AI-projecten mislukt, ongeveer twee keer zo vaak als vergelijkbare niet-AI-IT-projecten. De grondoorzaken zijn geen zwakke modellen; het is de techniek vooropstellen, slechte datakwaliteit en een verkeerd begrepen probleem. Bij bouwen komt dat allemaal op jouw bordje.
De kloof tussen bouwen en kopen is nog scherper. MIT's NANDA-onderzoek uit 2025 vond dat AI-tools gekocht bij gespecialiseerde leveranciers in ongeveer 67% van de gevallen slagen, terwijl zelf gebouwde tools ongeveer een derde daarvan halen. Het instinct om het zelf te bouwen is, statistisch gezien, het instinct om te verliezen.
Gartner waarschuwt dat de meeste maatwerk-modelprojecten sneuvelen op kosten, complexiteit en technische schuld, en adviseert om eerst een kant-en-klaar domeinmodel bij te stellen voordat je iets maatwerk bouwt. Op budget: Gartner verwacht dat zeker de helft van de GenAI-projecten tot en met 2028 zijn begroting overschrijdt, omdat de stap van pilot naar productie ordes van grootte duurder kan uitvallen dan de pilot zelf. En de rekening stopt nooit: wat je bouwt, onderhoud je, voorgoed.
Wat "kopen" echt betekent: de eerlijke afwegingen
Voor de meeste workflows is kopen de favoriet. Het slagingspercentage van ~67% bij MIT is het cijfer dat telt. Je krijgt waarde in weken, niet kwartalen, en een ander draagt het onderhoud. Gartner steunt die richting: tegen 2028 verwacht het dat 80% van de zakelijke GenAI-apps op bestaande dataplatformen wordt gebouwd in plaats van vanaf nul: kopen en inbedden, niet zelf bouwen.
De grenzen zijn ook echt. Gekochte tools geven generieke antwoorden omdat ze jouw bedrijf niet kennen. Je erft lock-in en prijzen waar je geen grip op hebt. En je data staat meestal in de cloud van de leverancier, een regel die elke executive zorgvuldig hoort te lezen. Dat behandelen we op onze beveiligingspagina.
Nog een eerlijke kanttekening voor de koopkant: niet elke "AI-agent" op de markt is echt. Gartner schat dat maar zo'n 130 van de duizenden leveranciers die "agentic AI" claimen het echte werk leveren. De rest is "agent washing". Wie koopt, koopt ook het risico op theater.
De derde optie die niemand noemt: installeren
Er is een pad tussen de datacontrole van bouwen en de snelheid van kopen, en de bureaustukken noemen het nooit, omdat ze het niet kunnen verkopen.
Installeren is een done-for-you executive-systeem: een kant-en-klare AI-opzet die op je eigen laptop wordt gezet, over de data van je eigen bedrijf, in dagen. Je laat het niet maken (bouwen) en je huurt geen generieke antwoorden in andermans cloud (kopen). Je installeert een werkend systeem dat al weet hoe het over jouw documenten moet redeneren, private by design.
Het levert het voordeel van bouwen (antwoorden gevoed met je eigen data, op hardware die je zelf beheert) met de snelheid van kopen. Geen tweejarige roadmap, geen stuurgroep, geen leveranciersselectietraject.
Wees eerlijk over de grens. Installeren is hefboom voor één plek, geen transformatie van de hele organisatie. Het maakt jou, de individuele executive, dit kwartaal sneller. Het maakt niet vanzelf het hele bedrijf AI-native; dat vraagt nog steeds het trage institutionele werk dat RAND en MIT beschrijven. Wat het wegneemt, is het wachten.
AI Board is jouw persoonlijke AI-assistent die je een AI-native executive maakt: een AI CEO, CFO en CTO op je eigen laptop, gevoed met de data van je bedrijf, en hij wordt scherper naarmate je data groeit. Privacy by design, snel, en vóór op de executives die wachten.
Een beslissingskader: vijf vragen om elke AI-workflow te plaatsen
Beslis niet één keer bouwen-of-kopen voor het hele bedrijf. Loop elke workflow langs vijf vragen.
- Strategische waarde. Is deze AI iets onderscheidends dat je moet bezitten, of leidingwerk dat iedereen heeft? Onderscheidend neigt naar bouwen; leidingwerk neigt naar kopen of installeren.
- Snelheid naar waarde. Heb je het dit kwartaal nodig of kan het een jaar wachten? Snel wijst weg van bouwen.
- Datagevoeligheid. Mag deze data in de cloud van een leverancier staan, of moet ze op hardware blijven die je zelf beheert? Gevoelige data wijst naar bouwen of installeren.
- Team en onderhoudsbereidheid. Heb je de engineers, en het geduld voor permanent onderhoud? Geen engineers wijst weg van bouwen.
- Reikwijdte. Eén executive die hefboom wil, of een uitrol over de hele organisatie? Eén plek wijst hard op installeren.
| Bouwen | Kopen | Installeren | |
|---|---|---|---|
| Snelheid | Kwartalen | Weken | Dagen |
| Datacontrole | Volledig | Cloud van leverancier | Op je eigen laptop |
| Onderhoud | Jij, voorgoed | Leverancier | Minimaal |
| Beste voor | Kern-IP, unieke data | Gangbare workflows | Eén executive, nu |
| Slagingskans | Laagst (~1/3 van kopen) | Hoogst (~67%) | Snelle hefboom, één plek |
Waarom de meeste bouwen-of-kopen-adviezen falen voor wie moet beslissen
Drie dingen breken het standaardadvies. Ten eerste het belangenconflict: het grootste deel van pagina één is geschreven door bureaus die aan het bouwen verdienen, dus "het hangt ervan af, ga voor hybride" is hun veilige slag om de arm, geen bevinding. Ten tweede de valse tweedeling van bouwen of kopen, die de optie installeren verbergt die juist bij één leider past. Ten derde de cijfers zonder bron, die keurige bedragen zonder primaire bron erachter.
Haal dat allemaal weg en het echte risico krijgt een andere vorm. Het is niet dat je verkeerd kiest. Je mensen werden AI-native zonder jou, en dat is het patroon achter waarom zoveel top-down AI-projecten mislukken terwijl individuen stilletjes sneller worden. De vijand is niet de verkeerde keuze. Het is wachten. De AI-native executive is degene die bewoog terwijl de rest over kaders bleef discussiëren.
Dit spiegelt het debat over een AI CFO tegenover een interim-CFO: het eerlijke antwoord is zelden "de grootste optie die je helemaal zelf bezit", en bijna altijd "die je nú hefboom geeft".
Hoe je dit kwartaal echt begint
Kies één workflow waarvan je al weet dat het antwoord zou helpen: een boardpakket dat je moet doorprikken, een set cijfers waar je steeds op finance zit te wachten. Zet geen IT-programma op. Begin aan de top, op je eigen laptop, over je eigen data, in dagen.
Nog één keer de eerlijke grens: dit maakt jou sneller, niet het hele bedrijf. Het is chatten met je eigen bedrijfsdata voor degene die tekent: een AI CEO-blik op de zaak, een AI CFO op de cijfers, een AI CTO op de techniek, en een bedrijfsbrein achter alle drie. De transformatie van je hele organisatie is een aparte, tragere klus. Dit is het deel dat je alleen kunt starten, nu.
Veelgestelde vragen
Moet ik AI zelf bouwen of kopen?
Voor de meeste workflows: kopen, of installeren. MIT's onderzoek uit 2025 vond dat gekochte AI-tools in ongeveer 67% van de gevallen slagen, tegenover ongeveer een derde daarvan voor zelf gebouwde tools. Bouw alleen wanneer de AI je kernonderscheid is, draait op data die geen leverancier heeft, of moet voldoen aan datasoevereiniteitseisen waaraan geen gekocht product kan voldoen. Beslis per workflow, niet één keer voor het hele bedrijf.
Is AI kopen goedkoper dan bouwen?
Bijna altijd is kopen of installeren goedkoper. Bouwen draagt een permanente onderhoudsstaart, en Gartner verwacht dat zeker de helft van de GenAI-projecten tot en met 2028 zijn budget overschrijdt, waarbij pilot-naar-productie ordes van grootte meer kost dan de pilot. Pas op voor vaste bouwkostenbedragen online; de meeste zijn tot geen enkele bron te herleiden.
Wat is het slagingspercentage van bouwen tegenover kopen?
MIT's NANDA-onderzoek vond dat gekochte tools in ongeveer 67% van de gevallen slagen en zelf gebouwde tools ongeveer een derde daarvan. Los daarvan vond RAND dat meer dan 80% van de AI-projecten mislukt, ongeveer twee keer zo vaak als vergelijkbare niet-AI-IT. Kopen is statistisch de veiligere gok.
Wat is de derde optie tussen bouwen en kopen?
Installeren: een done-for-you AI-systeem dat op je eigen laptop wordt gezet, over de data van je eigen bedrijf, in dagen. Het combineert de datacontrole van bouwen met de snelheid van kopen, zonder maatwerk te laten maken of je data in de cloud van een leverancier te zetten. De eerlijke grens is dat installeren hefboom geeft aan één executive, geen transformatie van de hele organisatie.
Zou een niet-technische executive ooit maatwerk-AI moeten bouwen?
Zelden, en bijna nooit als eerste zet. Bouwen vraagt engineers, een permanente onderhoudsverplichting en tolerantie voor hoge faalkansen. Een niet-technische executive die dit kwartaal resultaat wil, is veel beter af door een bewezen tool te kopen of een kant-en-klaar systeem te installeren over de eigen data, en pas te bouwen als een specifieke workflow bewijst dat eigen bezit daar nodig is.
Je hoeft de hele bouwen-of-kopen-vraag niet op te lossen om te bewegen. Kies één workflow, installeer over je eigen data, en pak dit kwartaal de hefboom, terwijl de markt over kaders blijft twisten. Vraag toegang aan →