AI marketing: wat kan het concreet voor je bedrijf betekenen?

Welk deel van je marketing kun je aan AI overlaten?

Het productiewerk wel, het denkwerk niet. AI marketing is marketing waarbij artificiële intelligentie dat productiedeel overneemt en een mens blijft beslissen. Teksten en varianten schrijven, beeld maken, video monteren en ondertitelen, cijfers doorrekenen en aanvragen opvolgen: dat is het productiedeel. Wat je verkoopt, tegen wie je het zegt en wanneer je ergens mee stopt, dat blijft mensenwerk.

Die scheiding is belangrijker dan hij klinkt, want daar gaat het meestal mis. Bedrijven kopen een tool en verwachten strategie. Ze krijgen productiecapaciteit. Dat is prima, zolang je weet wat je ermee gaat produceren. Waar het wél om strategie gaat, is de vraag of je bedrijf zelf nog gevonden wordt nu klanten hun vragen aan een AI-assistent stellen, en dat is een apart verhaal.

Om een idee te geven van waar Nederland staat: volgens cijfers van CBS gebruikte in 2025 29,8% van het mkb met tien tot 249 medewerkers minstens één AI-technologie, tegen 66,2% van de bedrijven met 250 man of meer. Per branche loopt dat ver uiteen. In de AI-monitor 2024 van CBS, over bedrijven vanaf tien medewerkers, zit de bouwnijverheid op 8,9% en informatie en communicatie op 58,0%. In techniek, industrie en bouw doen je concurrenten hier dus meestal nog niets mee. Dat is voorlopig je voordeel.

Wat levert AI marketing concreet op in geld en tijd?

AI marketing levert vooral tempo op, en tempo vertaalt zich in lagere kosten per lead: bij Grodan gingen die van €120 naar €8. Je maakt meer varianten van dezelfde boodschap, je test ze sneller tegen elkaar en je reageert eerder op iemand die zich meldt. Klinkt marginaal, en het is het verschil tussen €120 en €8 per lead.

Hieronder staat wat dat per taak betekent. De linkerkolom is hoe het bij de meeste B2B-bedrijven gaat die we binnen zien komen. De rechterkolom is wat er verandert als AI het productiewerk overneemt.

Bij Grodan, onderdeel van Rockwool, zag je wat dat over een jaar doet. De kosten per lead gingen van €120 naar €8 en er kwamen 2.200 leads uit vijftien landen, met een leadwaarde die vier keer zo hoog lag als daarvoor. Dat komt niet doordat een model betere zinnen schrijft dan een copywriter. Het komt doordat je in vijftien landen tegelijk kunt testen wat werkt, in plaats van te kiezen welke twee landen je dit jaar aandacht geeft.

Bij Produlab Pharma zat de winst niet aan de voorkant maar bij de opvolging. Elke sollicitatie kreeg direct persoonlijk antwoord in plaats van na een paar dagen, en daar kwamen 80% meer gesprekken uit dezelfde stroom reacties uit. Er ging bovendien een dag handwerk per week af. Bij Dutch Clean Tech leverde dezelfde aanpak een rendement op van meer dan zeventig keer de investering, omdat het om weinig maar zeer waardevolle orders gaat. En bij Debicare stonden er in de eerste maand 1,2 miljoen views en 40 leads op de teller, puur omdat er genoeg materiaal was om een kanaal mee te vullen.

AI schrijft geen betere advertentie dan een goede copywriter. Het schrijft er twintig terwijl die copywriter er één maakt, en in advertising is dat precies wat je wilt.

Waarom haalt 95% van de bedrijven geen rendement uit AI?

AI-projecten mislukken omdat ze op alles tegelijk worden gezet en op geen enkel proces worden afgemaakt. Dat cijfer komt uit The GenAI Divide, een onderzoek van MIT uit 2025 op basis van ruim 300 openbaar gemaakte AI-initiatieven, 52 gestructureerde interviews en 153 ingevulde vragenlijsten van leidinggevenden. Van de onderzochte bedrijven evalueerde 60% een systeem, kwam 20% tot een pilot en haalde 5% de productie.

Wat me daarin het meest opvalt is een ander getal uit datzelfde onderzoek. Slechts 40% van de bedrijven kocht een officieel AI-abonnement, terwijl bij ruim 90% de medewerkers gewoon hun eigen tools gebruiken voor werk. De directie denkt dus dat er nog niets gebeurt, en ondertussen zit het halve kantoor al in ChatGPT met bedrijfsinformatie erin. Dat is geen technologieprobleem, dat is een afsprakenprobleem.

De Nederlandse cijfers wijzen dezelfde kant op. Uit de nieuwste MKB Barometer van Exact, onder ruim 1.700 mkb-ondernemers en gepubliceerd in augustus 2026, blijkt dat 70% AI gebruikt tegen 33% een jaar eerder. Dat botst niet met de 29,8% van CBS hierboven: Exact vraagt of ondernemers AI gebruiken, CBS telt of een van zeven specifieke AI-technologieën echt in een bedrijfsproces zit. Dat gat van veertig punten is op zichzelf al een antwoord op deze vraag. Maar 56% gebruikt het vooral voor teksten en plaatjes, en slechts 36% om inzicht te krijgen in de eigen bedrijfsprestaties. Bijna de helft (47%) weet niet hoe je AI effectief inzet, en 48% vindt het spannend om medewerkers met bedrijfsdata te laten werken. Vertaald: bijna iedereen gebruikt het, bijna niemand heeft het ergens ingebouwd.

In marketing zie je hetzelfde patroon. Uit het DDMO-onderzoek 2026 van DDMA, onder 436 Nederlandse marketingprofessionals, blijkt dat 70% van de sector AI gebruikt en 72% dat komend jaar wil uitbreiden. De grootste uitdaging is verschoven van leren omgaan met de tools naar datakwaliteit en afspraken binnen de organisatie. Inmiddels investeert 66% in AI-beleid, tegen 54% een jaar eerder.

Nog een reden om het netjes te regelen: de Europese AI-wet gaat in 2026 volledig gelden. Uit KVK-onderzoek onder 651 ondernemers blijkt dat de helft die wet niet kent, 7% goed op de hoogte is en 40% niet weet of hij op hun bedrijf van toepassing is. Voor normaal marketinggebruik valt het mee, maar het is wel het moment om op te schrijven welke tools je gebruikt en welke gegevens erin mogen.

Wat kost AI marketing?

AI marketing kost tussen €26 per gebruiker per maand voor alleen het gereedschap en €2.500 à €4.000 per maand voor een programma dat volledig voor je wordt uitgevoerd. Dat is een groot bereik, en het verschil zit niet in de software maar in wie het werk doet.

De onderkant is simpel. Een zakelijk ChatGPT-abonnement kost ongeveer €26 per gebruiker per maand, of €21 bij jaarlijkse betaling, blijkt uit het prijsoverzicht van de ChatGPT-abonnementen. Voor tien man is dat €260 per maand. Daar krijg je capaciteit voor, geen resultaat: iemand moet nog steeds bedenken wat er gemaakt wordt. Toch is dit de goedkoopste stap die je kunt zetten, al is het maar om te voorkomen dat je mensen met bedrijfsgegevens in een gratis privéaccount werken.

Daarboven zitten drie routes. Zelf iemand aannemen kost je €5.000 tot €7.000 per maand inclusief werkgeverslasten, en dan heb je één persoon met één specialisme. Een traditioneel bureau zit tussen €7.500 en €25.000 per maand, omdat je daar een team van specialisten betaalt. Bij ons ligt een compleet pakket meestal tussen €2.500 en €4.000 per maand exclusief mediabudget, ongeveer de helft van wat één mid-level marketeer in dienst kost. Dat kan omdat wij geen aparte design- of copyafdeling nodig hebben. Wat die routes verder van elkaar onderscheidt staat op de pagina over ons werk als AI-marketingbureau. De bandbreedtes voor een eigen marketeer en voor bureautarieven zijn onze eigen richtlijnen, gebaseerd op wat we tegenkomen bij B2B-bedrijven van twintig tot tweehonderd man. Geen branchenorm.

Reken het voor jezelf terug naar één getal: wat kost je een klant nu, en wat mag hij kosten? Verkoop je machines met een marge van €15.000 per order, dan is €3.000 per maand terugverdiend zodra je er twee extra per jaar uit haalt. Dat is een makkelijker som dan de vraag of AI de moeite waard is.

Wat kan AI niet in je marketing?

AI weet niet waarom een klant voor jou kiest, en het durft niet te stoppen. Dat zijn de twee dingen waar het in de praktijk op stukloopt, en ze zijn allebei belangrijker dan de kwaliteit van de teksten.

Waarom iemand na drie offertes toch bij jou uitkomt, welk risico een inkoper eigenlijk vreest, wat er in dat ene salesgesprek gebeurde waardoor de deal omsloeg: dat staat nergens in een model. Dat zit in het hoofd van jou en je verkopers, en het komt eruit door erover te praten. Wij besteden bij de start van een traject bewust de eerste weken aan die gesprekken, en dat is het deel dat we nooit zullen automatiseren. Alles wat je daarna produceert is een uitwerking van wat je daar ophaalt. Zit het fout, dan produceer je alleen sneller de verkeerde boodschap.

Dat tweede punt, het stoppen, is lastiger uit te leggen. Een model stelt voor wat waarschijnlijk is. Het zegt zelden dat je ergens mee moet ophouden of dat een propositie niet klopt. Een model stelt ook nooit voor om een campagne te stoppen. Dat kost iemand zijn budget, en daar moet een mens voor gaan staan. Daarom blijft er in elk traject iemand nodig die de knoop doorhakt. Hoe die verdeling van denken en produceren er bij ons uitziet, staat in onze werkwijze.

En dan de vervelende: AI verzint met overtuiging. Cijfers en bronnen, en soms een klantnaam die niet bestaat. Alles wat naar buiten gaat moet dus langs iemand die het onderwerp kent. In dit blog gaat geen getal naar buiten zonder dat je het terugvindt bij de bron waar we naar linken. Dat kost tijd, en het is het enige waar ik in dit vak echt streng op ben.

Waar begin je als je hier vandaag iets mee wilt?

Je begint met één proces dat elke week terugkomt en waarbij niemand echt iets hoeft af te wegen. Niet met een AI-strategie en niet met een workshop. Dit is de volgorde die bij onze klanten werkt.

1. Schrijf op wat er elke week terugkomt. Offertes natypen, dezelfde vragen beantwoorden, cijfers uit systemen halen, sollicitaties doorlezen. Alles wat meer dan een uur per week kost en waarbij niemand echt iets hoeft af te wegen.
2. Kies daar de saaiste van. Niet de spannendste. De saaiste taak levert de meeste tijdwinst op en het minste gedoe als het misgaat.
3. Meet eerst hoe lang het nu duurt. Een week bijhouden is genoeg. Zonder dat getal kun je achteraf niet zeggen of het iets heeft opgeleverd, en dan wordt het een geloofsdiscussie.
4. Zet er dertig dagen op. Eén proces, één persoon die het trekt, een vast moment per week om te kijken wat er beter moet. Werkt het na dertig dagen niet, dan stop je ermee en pak je het volgende.
5. Leg de afspraken vast. Welke tools mogen wel, welke gegevens mogen erin, wie controleert wat er naar buiten gaat. Eén A4 is genoeg en het voorkomt de discussie die anders na het eerste incident komt.
6. Pas daarna de volgende. Eén tegelijk. Dat is precies het verschil tussen de 5% die het in productie krijgt en de rest.

Zoek je een concreet startpunt in je marketing zelf, dan begin je bijna altijd het beste bij het opvolgen van binnenkomende aanvragen. Het kost weinig, het is snel te meten en de winst is direct zichtbaar in het aantal gesprekken. Voor recruitment doen we precies dat, en hoe dat werkt staat op de pagina over recruitmentmarketing. Welke kanalen je daarnaast nog kunt aanzetten om die aanvragen binnen te krijgen, staat in het artikel over nieuwe manieren om B2B-leads te genereren.

Hoe weet je of het werkt?

Je weet of AI marketing werkt door vier getallen bij te houden en de rest te negeren: kosten per lead, reactietijd op een aanvraag, aantal gesprekken en de uren die je team aan het proces kwijt is. Bijna alles wat AI-tools je laten zien is bezigheidsstatistiek: hoeveel teksten gemaakt, hoeveel prompts gedraaid, hoeveel uur bespaard volgens de leverancier. Daar koop je niets voor.

Kijk in plaats daarvan naar deze vier. Eén: de kosten per lead, gemeten over minstens een maand. Twee: de tijd tussen aanvraag en eerste reactie, in minuten. Drie: het aantal gesprekken dat uit die aanvragen komt, want meer leads met minder gesprekken is achteruitgang. Vier: de uren die je team kwijt is aan het proces dat je hebt aangepakt, gemeten op dezelfde manier als toen je begon.

Doe die meting elk kwartaal, met dezelfde definities. Bij Tredion ICT leverde dat na verloop van tijd 119 leads op en een verdubbeling van het verkeer, en dat weten we alleen omdat we vanaf dag één dezelfde vier getallen hebben opgeschreven. Welk model je daarbij gebruikt maakt minder uit dan mensen denken; dat leggen we uit in het stuk over de keuze tussen AI-modellen.

Mijn mening

Ik hoor deze vraag inmiddels in elk kennismakingsgesprek, en meestal zit er angst achter: het idee dat je te laat bent. Dat ben je niet. Een machinebouwer die goede machines maakt en zijn klanten kent, heeft nog steeds een bedrijf, met of zonder AI. Wat wél verandert, is wat je je kunt veroorloven. Twintig advertentievarianten testen was vroeger een keuze die geld kostte. Nu is het een keuze die alleen aandacht kost.

Waar ik me aan erger is de laag eromheen. Bureaus die een workshop verkopen, een rapport achterlaten en dan weg zijn. Dat is precies wat het MIT-onderzoek meet: hoge adoptie, geen resultaat. Als iemand je AI verkoopt zonder dat er aan het eind iets draait waar je zelf de cijfers van ziet, dan koop je een presentatie.

Waar ik ook eerlijk over wil zijn: wij hebben er zelf ook maanden over gedaan voordat het rendeerde. De eerste versies van onze opvolging waren te robotachtig en dat merkten kandidaten meteen. Het werkte pas toen we accepteerden dat AI het saaie deel doet en een mens het gesprek. Meten boven mening, ook als je zelf van de techniek houdt.