AI kopen of bouwen? De platformkeuze voor een mkb-bedrijf

Wanneer een mkb-bedrijf besluit AI op een proces toe te passen, is de vraag die het het vaakst hoort „welke software koop ik?”. Maar daarvóór is er een die zwaarder weegt en die bijna niemand stelt: kunt u beter een kant-en-klaar platform kopen of iets op maat bouwen? Het antwoord verandert doorlooptijden, kosten en risico's veel meer dan de keuze tussen twee concurrerende tools. Hier proberen we te antwoorden met een criterium, niet op gevoel — en daarna bekijken we het landschap van de tools waarmee men in de praktijk „koopt”.

Kopen of bouwen: de vraag vóór de vraag

De meest gebruikte build-vs-buy-frameworks van 2026 laten een use-case beoordelen op drie assen:

• Uniciteit — hoezeer de workflow specifiek is voor uw bedrijf, in plaats van generiek en al door duizend anderen opgelost.
• Gevoeligheid van de data — mag een externe leverancier deze data raken, of moeten ze onder uw controle blijven?
• Strategische waarde — is het een concurrentiële onderscheider of een back-office-activiteit die u alleen goed afgehandeld wilt zien?

De lezing is eenvoudig: hoog op alle drie → bouwen is zinvol. Twee of meer assen laag → kopen. Het merendeel van de workflows die een mkb-bedrijf als eerste wil automatiseren — ticketrouting, commerciële follow-ups, reconciliaties, rapportage — is generiek, laaggevoelig en back-office. Dus: te kopen.

Kopen wint op snelheid: de beheerde platforms zijn actief in dagen of enkele weken, en het rendement is zichtbaar in 1–6 maanden. Bouwen wint op de lange termijn maar is traag — 12–24 maanden voor de ROI — en vereist een minimaal team (een AI-engineer, een backend-developer, een product owner, en voor een agent in productie ook wie DevOps en evaluatie bewaakt). Bijna geen enkel mkb-bedrijf heeft dat team in huis.

Er is ook een nuttige volumedrempel om te onthouden: onder ongeveer een miljoen interacties per jaar wint kopen bijna altijd door de snelheid van integratie; pas boven dat volume begint de „per-token”-economie van het gebouwde zich terug te betalen. Zeer weinig mkb-bedrijven passeren die lijn — en wie haar passeert is op dat proces geen mkb-bedrijf meer.

De tussenweg die in 2026 bijna de standaard is: het hybride model

De keuze is niet zwart-wit. Het model dat het merendeel van de serieuze implementaties vandaag adopteert is hybride: men koopt het taalmodel (de API's van OpenAI of Anthropic) en men bouwt alleen de orchestratie en de integraties op een open-source framework. Het reduceert de doorlooptijd met 40–50% ten opzichte van alles vanaf nul doen, maar houdt de controle over de businesslogica waar ze hoort: aan uw kant. Het is de vorm waarop, in onze ervaring, bijna elk project zou moeten landen: koop het model, ent de logica.

De platforms waarmee men „koopt”

Wanneer de use-case te kopen is, reduceert de markt van automatiserings- en agenttools zich tot enkele horizontale platforms. Er bestaat er geen „beste” in absolute zin: er bestaat de juiste voor uw stack en uw volume. Zo onderscheiden ze zich.

Make — de beste verhouding operaties/prijs

Visuele scenariobouwer, ruim 3.000 koppelbare apps, met een agent builder in bèta. Zijn kracht is economisch: het instapplan dekt tienduizenden operaties voor een beperkte uitgave, en het blijft de goedkoopste van de drie, ook bij groeiend volume. Het is de standaardkeuze wanneer de workflows talrijk en frequent zijn en de kosten per operatie tellen.

Zapier — de breedste dekking

De meest verspreide bouwer van „zaps”, met een copilot in natuurlijke taal en autonome agents die tussen de apps handelen. Zijn verdienste zijn de integraties: ruim 8.000, het uitgebreidste park. Te kiezen wanneer de stack van de klant bestaat uit niche- en longtail-software — niet wanneer het activiteitsvolume hoog is, want het is het model dat qua kosten het slechtst schaalt naarmate de operaties toenemen.

n8n — de diepste agentische capaciteit

Node-based en zelf te hosten; versie 2.0 (januari 2026) brengt de native integratie met LangChain, ongeveer 70 AI-nodes, persistent geheugen, nodes voor RAG en vector-DB en schema's met de mens in de lus. Het is de juiste keuze wanneer een echt agentische workflow nodig is — niet alleen getriggerd door een event — en wanneer men het platform in huis kan hosten, met de data onder controle. Het is het punt waar „kopen” overgaat in hybride.

Microsoft Copilot Studio en Salesforce Agentforce — alleen als u er al binnen zit

Copilot Studio (agents op verbruik binnen het Microsoft 365/Azure-ecosysteem) en Agentforce (agents op licentie bovenop het Salesforce-CRM) zijn maar in één geval zinvol: als het bedrijf al op dat platform leeft. Data, runtime en modelkeuze blijven gebonden aan de cloud van de leverancier, en de prijsdrempel — per werkplek of per gesprek — begint te hoog voor het budget van een mkb-bedrijf dat nog geen klant is. Buiten die stack krijgen ze zelden de rekening rond.

Hoe u betaalt telt meer dan de catalogusprijs

Prijslijsten veranderen; het prijsmodel blijft, en het is de echte beslissingshefboom. Kijk vóór het bedrag naar hoe u betaalt, want dat bepaalt of de kosten met de groei zullen exploderen:

• Per operatie of per taak (Make, Zapier) — voorspelbaar bij lage volumes, met aandacht te modelleren als de automatiseringen zich vermenigvuldigen.
• Zelf gehost (n8n) — de kosten zijn de infrastructuur en wie haar beheert, geen licentie op verbruik: loont bij hoge volumes en wanneer de data niet naar buiten mogen.
• Per bericht (Copilot Studio) — beloont korte acties, bestraft lange en uitgebreide gesprekken.
• Per gesprek of per werkplek (Agentforce) — het tegenovergestelde: verwerkt multi-stap-interacties goed, minder de grote volumes micro-verzoeken.

De praktische regel voor een mkb-bedrijf: Make en n8n zijn de houdbare standaard — een beperkte maandelijkse uitgave, of alleen de hostingkosten — in lijn met het idee AI het bedrijf in te brengen zonder de rekening van een grote consultancy. Copilot Studio en Agentforce komen pas in het spel wanneer de klant al binnen die wereld zit.

Wanneer bouwen daarentegen loont

Als een use-case hoog scoort op uniciteit, gevoeligheid van de data en strategische waarde, volstaat kopen niet. Maar ook dan betekent „bouwen” in 2026 niet vanaf het blanco blad beginnen: het betekent de inmiddels standaard open-source steigers voor de orchestratie van agents — LangChain/LangGraph, CrewAI — nemen en ze steunen op een via API gekocht model, in plaats van een eigen model te trainen. Het is de concrete vorm van het hybride model hierboven, en het is ook de enige manier waarop een mkb-bedrijf zich het „gebouwde” kan veroorloven: als iemand dat team als ent levert, in plaats van het te moeten aanwerven.

Hier wordt de gevoeligheid van de data de beperking die alles beslist. Als de workflow persoonsgegevens of gereguleerde data raakt, is de platformkeuze niet alleen technisch: het is een compliancekeuze. Het loont haar eerst langs de compliance-overlay te halen — risiconiveau, DPIA, waar de data staan — en dan te beslissen of en wat zelf te hosten.

Hoe u kiest, in de praktijk

Het traject samengevat, zonder shortcuts:

1. Beoordeel de use-case op de drie assen (uniciteit, gevoeligheid, strategische waarde). Twee of meer laag → er wordt gekocht.
2. Wordt er gekocht, kies dan het platform op het prijsmodel en uw stack, niet op de prijslijst: Make voor de kosten per operatie, Zapier voor de dekking, n8n voor de agentische diepgang en de datacontrole.
3. Wordt er gebouwd, denk dan hybride: koop het model, bouw alleen de orchestratie — en overweeg wie het team voor u levert.
4. Laat in beide gevallen de gevoelige data eerst door de compliancecontroles gaan, niet achteraf.

Het is precies de methode waarmee we werken: eerst begrijpen waar u staat en wat het loont te automatiseren, dan het juiste platform kiezen — gekocht, gebouwd of half geënt — met de controles eromheen. Geen tool van bovenaf opgelegd, maar een ent die aanslaat op uw stack.

Weet u niet met welk proces te beginnen, nog vóór u de tool kiest? De AI-readiness-beoordeling geeft u in twee minuten een eerste aanwijzing; en op de pagina Diensten vindt u, afdeling voor afdeling, hoe een concreet AI Workflow Design eruitziet.

De genoemde build-vs-buy-criteria vatten publieke frameworks van 2026 samen (waaronder Composio en Pharos); de kenmerken en de catalogusprijzen van de platforms zijn zelfgerapporteerd door de respectieve leveranciers (Make, Zapier, n8n 2.0, Microsoft Copilot Studio, Salesforce Agentforce), variëren in de tijd en moeten als indicatief worden gelezen — niet als een offerte. Dit artikel is bedoeld ter oriëntatie en vormt geen juridisch advies of conformiteitsbeoordeling.