Ruim twee op honderd vacatures in de Lage Landen hadden begin 2026 AI in de functietitel. Vier jaar eerder was dat nog niet één op de honderd. Bijna zes op de tien van die functies vallen buiten de technische beroepen: van verkoop en marketing tot hr en de juridische dienst, blijkt uit cijfers van Indeed. Dat bedrijven hoge verwachtingen hebben van AI, is maar begrijpelijk. Je zou zelfs kunnen zeggen dat als AI een ego had, het al lang niet meer door de grootste deur van Silicon Valley kon.
Bij AI denken we meteen aan grote taalmodellen. De large language models achter ChatGPT, Claude en Copilot. Als ondernemers in een grot kijken we naar de wondere schaduwen die die grote modellen tekenen op de wand van de status quo. Wie er de allegorie van de grot in ziet, durft hopelijk ook buiten de grot te kijken.
Of zoals Dwight Senaeve, AI-engineer bij Ingenix het brengt: “LLM’s zijn mooi maar daar stopt het niet. Er bestaan heel wat verschillende vormen van artificiële intelligentie.” Als bedrijven mijlenver onder hun efficiëntiepotentieel blijven hangen, heeft dat volgens de engineer te maken met een combinatie van twee factoren. Enerzijds ben je op zoek naar hoe je artificiële intelligentie structureel inbedt in je werking. Anderzijds ben je op zoek naar handvaten om in te schatten wat die inbedding je dan wel mag kosten.
Maar wat als het antwoord op beide afhangt van net dat wat je bedrijf eigen maakt? Jij kent je bedrijf beter dan wie ook. Je kent je uitdagingen, processen en realiteit. Volgens Senaeve is het zaak om daar te beginnen, in je eigen werkplaats, op je eigen vloer, bij je eigen mensen: “Mensen die komen met de opmerking ‘Eigenlijk weet ik niet of ik iets met AI kan doen’, geraken doorgaans sneller tot de toepassing. Liefst heb ik zelfs dat het woord AI niet valt. Ze vertellen ons over hun bedrijf, wat er goed gaat, wat er minder goed gaat, en wij knopen dan de punten nuchter aan elkaar.” Het syllogisme wil op die manier dat de oplossing inherent adequaat zal zijn en de business case inherent positief.
Kost versus investering: een voorbeeld
Want hoe werkt een LLM eigenlijk? Het heeft uit een enorme berg tekst geleerd welk woord meestal op een ander woord volgt. Typ je “De offerte gaat morgen”, dan berekent het voor elk mogelijk volgend woord een kans: buiten scoort hoog, zwemmen scoort laag. Het kiest dan een woord op kans, plakt het aan de zin en begint opnieuw, opnieuw en opnieuw tot er een antwoord staat.
Vraag je het model of een mail dringend is, dan krijg je dus een zin terug. Tegelijk is het interessant om te weten dat er ook zoiets bestaat als een zogeheten classifier. Classifiers werken anders dan taalmodellen. “Ze spugen een meetbare waarde uit, een kans of een categorie of een kleur, maar wel langs een gestructureerd formaat,” legt Dwight uit. In het voorbeeld van onze mail kan dat een categorie “dringend” of “niet dringend” zijn en de kans dat het dan de juiste categorie is. Voor een foto van een banaan kan het gaan om de kans dat het een banaan is.
Een goede verstaander ziet in dat in bepaalde gevallen dit al kan volstaan om een hefboom te creëren. Zo’n model is volgens Dwight ook een pak sneller en tot wel 444 keer zo goedkoop als een taalmodel. Een kosteneffectieve oplossing puzzel je dus dikwijls bijeen door gericht te werk te gaan. Op basis van wat nodig is. Of het nu om software gaat, data, koppelingen of specifieke AI-modellen.
Small language models (SML’s)
Grote taalmodellen zijn getraind op tekst in meer dan honderd talen. “Maar ik heb misschien geen vertaler nodig die zeventien talen spreekt als ik gewoon met een Fransman wil babbelen” vertelt Dwight. Kleine taalmodellen, small language models, daarentegen zijn, zoals de naam doet vermoeden, kleiner, vaak getraind op enkele talen en gemaakt voor specifieke situaties. Omdat deze SML’s behapbaarder zijn, kan je er lokaal handiger mee aan de slag. Zo kan je grote modellen verkleinen, een bestaand model heroriënteren of een klein model zelf trainen. “Dat kan in theorie zelfs met een paar jaar oude laptop in je zolderkamer.” Ook hier is de boodschap om te kijken wat je juist nodig hebt om zo middelen uit te sparen en effectief hefbomen te creëren.
Toch maar gericht te werk gaan?
Wie modellen gebruikt die aansluiten bij wat nodig is, kan volgens Dwight AI-kosten stevig beteugelen. Dat geldt voor elke oplossing en verklaart meteen waarom standaardproducten, self service of over-the counter formules zelden de gaten in je werking hermetisch dichten. Of het nu gaat om AI, software of wat dan ook. Doe eerst je huiswerk, of laat het doen. Een grondige analyse van je business, strubbelingen en kostenposten garandeert doorgaans het beste resultaat. Een partner die zowel kennis heeft van processen, softwaremogelijkheden en AI-technologie kan het verschil maken tussen betalen voor of investeren in technologie.
Vraag hieronder vrijblijvend je analyse aan voor AI-optimalisaties op maat van jouw specifieke business.
Ere wie ere toekomt (bronnen)
De inzichten in dit artikel zijn gebaseerd op recente onderzoeksrapporten en praktijkstudies rond productiviteit, digitale transitie, kostencontrole en AI-implementatie.
Kumar, A., Davenport, T. H., & Bean, R. (2025, 8 september). The case for using small language models. Harvard Business Review. https://hbr.org/2025/09/the-case-for-using-small-language-models
Meta AI. (2025, 5 april). The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation. https://ai.meta.com/blog/llama-4-multimodal-intelligence/
VLAIO. (2026, 18 maart). Vlaamse bedrijven versnellen AI-adoptie, maar strategische verankering blijft beperkt. https://www.vlaio.be/nl/nieuws/vlaamse-bedrijven-versnellen-ai-adoptie-maar-strategische-verankering-blijft-beperkt
Yanatma, S. (2026, 24 juli). The majority of AI jobs now sit outside technological occupations in Europe. Euronews. https://www.euronews.com/business/2026/07/24/the-majority-of-ai-jobs-now-sit-outside-technological-occupations-in-europe
Hoe efficiënt is jouw onderneming vandaag al?
Doe de gratis zelftest!
Ben jij klaar om de groeidoelstellingen voor de komende jaren waar te maken? Zelfs kleine technologische uitbreidingen kunnen al heel wat doen. Zeer gericht, zeer doeltreffend.
Jij kan nu al van start gaan door zelf kritisch naar je werking te kijken. Onze zelftest helpt je de juiste vragen te stellen. In 5 minuten.
FAQ — investeren in AI versus betalen voor AI
Is AI hetzelfde als ChatGPT?
Nee. ChatGPT, Claude en Copilot zijn grote taalmodellen: ze schrijven woord per woord een tekst. Daarnaast bestaan er classifiers, die een categorie en een kans teruggeven, modellen voor beeldherkenning, en kleine taalmodellen die voor één taak gemaakt zijn.
Wat is een classifier?
Een AI-model dat geen tekst schrijft. Het geeft een categorie terug, met de kans dat die categorie klopt. Bij een mail is dat bijvoorbeeld “dringend” of “niet dringend”. Zo’n model is sneller en goedkoper dan een taalmodel, en je software kan meteen verder met de uitkomst.
Wat is een klein taalmodel?
Een taalmodel dat op enkele talen getraind is en gemaakt is voor een specifieke taak. De grote modellen achter ChatGPT zijn getraind op meer dan honderd talen. Een klein model kan je lokaal laten draaien, en voor één afgebakende taak is het volgens Harvard Business Review vaak de betere keuze.
Wat kost AI voor mijn bedrijf?
Dat hangt af van het model en van wat je werking nodig heeft. Reken je met de prijs van de grootste taalmodellen, dan schrik je. Met een model op maat van de taak zijn de kosten volgens Dwight beheersbaar: je kan het verbruik meten en er een plafond op zetten, zodat niet één persoon het grootste deel van het budget opgebruikt.
Gebruiken andere Vlaamse bedrijven al AI?
Ja. Volgens de AI-barometer 2025 gebruikt 58,8% van de Vlaamse bedrijven minstens één AI-technologie, bijna het dubbele van 2023. Bij 47,6% van die bedrijven gaat het om generatieve AI. Bij 48,9% komt het initiatief van een individuele werknemer, niet van het management.
Moet ik al weten wat ik met AI wil doen?
Niet per se. Volgens Dwight komen bedrijven die eerlijk zeggen dat ze niet weten of ze iets met AI kunnen, doorgaans sneller tot een toepassing. Je begint bij je werking: wat goed gaat en wat minder goed gaat. Pas daarna bekijk je welke software, koppeling of welk AI-model past.
