ChatGPT of maatwerk AI: wanneer kies je wat?

"Kunnen we dit niet gewoon met ChatGPT?" Dat is de vraag die we het vaakst horen, meestal in de eerste 5 minuten. Het eerlijke antwoord is vaak ja. Begin met ChatGPT, Copilot, Claude of Gemini, en meen het.

De echte vraag is niet welk model slimmer is. De vraag is waar het werk de chat verlaat. Zolang een medewerker de output leest, aanpast en zelf verstuurt, is een zakelijk abonnement bijna altijd genoeg. Zodra de AI data uit je eigen systemen nodig heeft, honderden keren per maand hetzelfde moet doen en de uitkomst zonder herschrijven bij een klant belandt, ben je iets anders aan het bouwen. Dan heb je maatwerk AI nodig, of in elk geval een stap in die richting.

Dit artikel is voor de eigenaar, managing partner of operationeel verantwoordelijke van een Nederlands B2B dienstverlenend bedrijf met 10 tot 200 mensen. Denk aan een administratiekantoor, een subsidieadviseur, een douane of BPM specialist, een opleider die certificaten beheert. Je kernwerk is een expertproces dat je team met de hand doet, met volume, en je hebt geen technisch team. Het is niet voor je als je nog in de ideefase zit, een consumentenapp bouwt, uurtarieven vergelijkt, 1 Zapier flow zoekt of een Europese aanbesteding uitschrijft.

In dit artikel lees je waar ChatGPT voor bedrijven genoeg is, aan welke 6 signalen je ziet dat je de grens over bent, welke tussenstappen er zijn met eerlijke prijzen per stap, wat de zakelijke voorwaarden van OpenAI nu echt zeggen over je data, en hoe een administratiekantoor die afweging in euro maakt.

‍

Belangrijkste inzichten

• Begin met ChatGPT zakelijk of een vergelijkbaar abonnement. Voor brieven, samenvattingen en eerste versies is dat de goedkoopste en snelste keuze.

• Een custom GPT of project met een goed contextpakket haalt het meeste uit dezelfde licentie. Het kost vooral een paar dagen van je eigen tijd.

• De grens naar maatwerk AI ligt bij 6 signalen: je eigen systemen, volume, output zonder herschrijven, consistentie, regels voor data, en de vraag wie antwoordt als het fout gaat.

• 1 signaal is zelden genoeg. Vanaf 2 of 3 signalen tegelijk op hetzelfde proces loont het om verder te kijken dan de chat.

• Zakelijke accounts van OpenAI trainen standaard niet op je data. Privéaccounts kunnen dat wel, tenzij iemand het uitzet. Dat verschil hoort in je AI beleid.

• Dataopslag in Europa is volgens OpenAI beschikbaar voor Enterprise, Edu en de API, niet voor het Business abonnement. Voor klantdossiers maakt dat uit.

• Maatwerk is geen vervanging van ChatGPT. Het neemt 1 proces over dat volume draait, en je team blijft ChatGPT gebruiken voor de rest.

‍

Begin met ChatGPT, en meen het

Een zakelijk abonnement op ChatGPT kost op dit moment 21 euro per gebruiker per maand bij jaarbetaling, of 26 euro bij maandbetaling, volgens de prijspagina van OpenAI. Copilot, Claude en Gemini zitten in dezelfde orde van grootte. Voor dat geld krijgt elke medewerker een assistent die een brief herschrijft, een lang document samenvat en een eerste opzet maakt voor een offerte.

Voor kenniswerk dat per keer verschilt, is dat moeilijk te verslaan. Een adviseur die een lastige klantmail wil beantwoorden, heeft niets aan een maatwerk systeem. Die heeft een goed model nodig, een paar zinnen context en zijn eigen oordeel. De chat is daar precies het juiste gereedschap.

Het zakelijke abonnement voegt ook dingen toe die een privéaccount mist. Er is een beheeromgeving, je kunt accounts toevoegen en weghalen, en er zijn koppelingen met bijvoorbeeld Google Workspace en Microsoft 365. Belangrijker: de voorwaarden zijn anders. Daar komen we later op terug.

Wat je in deze fase vooral moet regelen, is gebruik. Welke taken doen we met AI, welke niet, en welke data mag erin. Een team dat 3 maanden lang ChatGPT gebruikt voor het echte werk, weet daarna precies waar het schuurt. Die kennis is de beste briefing die je later aan wie dan ook kunt geven.

‍

Een custom GPT of project haalt meer uit dezelfde licentie

De tweede stap kost geen nieuwe licentie. Binnen ChatGPT kun je een custom GPT of een project maken: een vaste omgeving met instructies, voorbeelden en bestanden die bij elk gesprek meegaan. Claude heeft projecten, Copilot heeft agents, Gemini heeft gems. Het idee is hetzelfde.

Het verschil zit in wat je erin stopt. Wij noemen dat een contextpakket. Het is een korte set documenten die het model vertelt hoe jullie werken:

• Je toon en 5 tot 10 voorbeelden van goede output, bijvoorbeeld brieven die een klant echt kreeg.

• Je sjablonen en de vaste zinnen die er altijd in moeten staan.

• De regels die een medewerker in zijn hoofd heeft: wanneer je iets doorverwijst, welke uitzonderingen er zijn, wat nooit mag.

• Een lijst met veelgemaakte fouten, zodat het model die leert vermijden.

Met zo'n pakket krijg je voor 1 herhaalde taak al veel constantere output. Iedereen gebruikt dezelfde instructies in plaats van zijn eigen prompt. Reken op 2 tot 5 dagen werk van iemand die het proces kent, plus onderhoud als je regels veranderen.

Hier zit ook de eerste grens. Een custom GPT leest wat je uploadt of wat een koppeling kan ophalen. Een medewerker start het gesprek, controleert de output en zet die zelf in het juiste systeem. Het blijft werk dat een mens per stuk doet. Voor tientallen stuks per week is dat prima. Voor honderden per maand niet.

Wil je eerst op papier zetten wat je proces nodig heeft voordat je iets kiest? Gebruik dan het gratis AI product requirements template. Je beschrijft de taak, de data, de volumes en de risico's, en je hebt meteen een brief die je aan een collega, een freelancer of aan ons kunt geven.

‍

6 signalen dat je werk de chat ontgroeit

Dit zijn de signalen die we in gesprekken met eigenaren telkens terugzien. Loop ze langs voor 1 concreet proces, niet voor je hele bedrijf. De meeste bedrijven hebben 1 of 2 processen die de grens over zijn, en een lange rij taken waar de chat prima blijft werken.

1. De AI heeft data uit je eigen systemen nodig en moet terugschrijven

Zolang een medewerker de input kopieert en de output plakt, is de medewerker de koppeling. Dat werkt tot het volume groeit. Het wordt anders als de AI een dossier moet openen in je praktijksoftware, klantgegevens uit Exact of AFAS moet lezen, en daarna een status, een notitie of een concept moet terugzetten.

Lezen via een koppeling kan soms al binnen ChatGPT. Betrouwbaar terugschrijven in je eigen systeem, met controle op wat er verandert en een log van wie wat deed, is een ander vak. Dat is software die je bouwt en onderhoudt.

2. Hetzelfde werk, honderden keren per maand

Een taak die 40 keer per jaar voorkomt, is zelden een automatisering waard. Een taak die 400 keer per maand voorkomt, is dat bijna altijd. Bij volume tellen minuten per stuk, fouten per honderd stuks en de kosten per stuk. Dat kun je alleen meten als het werk door een vaste stroom loopt in plaats van door losse chats.

3. De output gaat zonder herschrijven naar een klant of een registratiesysteem

Een eerste versie die een medewerker altijd herschrijft, mag er af en toe naast zitten. De medewerker vangt het op. Een mail die automatisch naar een klant gaat, of een bedrag dat in je administratie belandt, mag dat niet. Hoe minder een mens herschrijft, hoe meer controles er in de software zelf moeten zitten.

4. Consistentie telt meer dan briljantie

ChatGPT is goed in een verrassend goed antwoord. Voor een proces wil je vaak iets anders: hetzelfde antwoord bij dezelfde input, elke keer. Twee collega's die hetzelfde dossier in een chat stoppen, krijgen niet hetzelfde resultaat, omdat ze andere woorden gebruiken en het model niet altijd hetzelfde antwoordt.

In maatwerk leg je vast wat vaststaat. Regels die zeker zijn, staan in gewone code. Het model doet alleen het deel dat taal vraagt, met vaste instructies en een vast uitvoerformaat. En je test het tegen een set echte voorbeelden voordat er iets verandert. Het is minder spannend, en dat is precies de bedoeling.

5. Er gelden regels voor je data

Werk je met persoonsgegevens, dan geldt de AVG. Werk je voor klanten, dan heb je vaak een geheimhoudingsafspraak. Soms vraagt een klant expliciet dat data in de EU blijft. Een zakelijk abonnement regelt een deel daarvan, maar niet alles. Hoe meer van deze regels op 1 proces van toepassing zijn, hoe meer je wilt bepalen waar de data staat, wie erbij kan en wat er gelogd wordt.

6. Iemand moet antwoorden als het fout gaat

Als een medewerker een fout uit ChatGPT overneemt, is die medewerker verantwoordelijk. Zo hoort het bij een assistent. Maar als een proces automatisch draait en er gaat op een vrijdagmiddag iets mis in 60 dossiers, wie kijkt er dan naar? Wie weet wat er veranderd is, en wie zet het terug? Bij een chat is het antwoord "wie het plakte". Bij een proces dat je klanten raakt, wil je een naam.

‍

Wanneer is AI software op maat nodig?

AI software op maat is nodig wanneer 1 proces 2 of meer van de 6 signalen tegelijk heeft, meestal volume plus je eigen systemen. Heeft een proces alleen het signaal consistentie, probeer dan eerst een custom GPT met een goed contextpakket. Heeft het volume, systemen en een klant aan het eind, dan kom je met de chat niet verder dan een eerste versie.

De tabel hieronder zet de 3 hoofdopties naast elkaar op de 7 vragen die de keuze bepalen.

Lees de tabel van links naar rechts als een ladder, niet als een keuze tussen goed en slecht. De meeste bedrijven gebruiken alle 3 tegelijk: ChatGPT voor iedereen, een paar custom GPT's voor terugkerende taken, en maatwerk voor het ene proces waar het volume zit.

‍

De ladder van chat naar maatwerk, met prijzen per stap

Tussen een losse chat en een volledig maatwerk systeem zitten 4 treden. Je hoeft ze niet allemaal te nemen. Je stopt op de trede waar het proces genoeg heeft. Hieronder per trede wat het is, wat het kost en waar het ophoudt.

Trede 1: ChatGPT voor het team

Een zakelijk abonnement voor iedereen die kenniswerk doet. Kosten: 21 tot 26 euro per gebruiker per maand, dus bij 15 mensen ongeveer 315 tot 390 euro per maand. Het houdt op waar het werk data uit je systemen nodig heeft of zonder mens naar buiten gaat.

Trede 2: een custom GPT of project met een contextpakket

Dezelfde licentie, plus 2 tot 5 dagen van je eigen tijd om het contextpakket te schrijven en te testen. Het houdt op waar een medewerker nog steeds elk stuk zelf moet starten, controleren en overzetten.

Trede 3: een koppeling via de API

Hier stuurt een eenvoudige flow, bijvoorbeeld in n8n of Make, documenten naar een model via de API en zet het resultaat ergens neer. Automatiseringsbedrijven die zich op het mkb richten, vragen hiervoor instapprijzen van 1.500 tot 5.000 euro, plus de kosten per aanroep. Het is een goede stap voor 1 afgebakende taak. Het houdt op waar je tests, logging, een goedkeuringsstap en een eigenaar nodig hebt. Een flow die niemand bewaakt, stopt meestal op de dag dat je hem het hardst nodig hebt.

Trede 4: maatwerk AI voor 1 proces

Software die het proces draait in je eigen omgeving. Het leest uit je systemen, doet het werk, laat een mens goedkeuren waar een fout duur is, en schrijft terug. Met tests, een testomgeving, logging en de AI kosten per stuk gemeten en begrensd. Bij ons kost dat 18.000 tot 45.000 euro per groot proces, vast per automatisering. Daarna volgt beheer, voor 1.250 euro per maand per automatisering. Daar komen we hieronder op terug.

‍

De datavraag: zakelijk account of privéaccount

Dit is de vraag die in de praktijk het vaakst verkeerd gaat. Niet omdat bedrijven slordig zijn, maar omdat medewerkers al lang ChatGPT gebruiken op hun eigen account. Het verschil tussen die 2 soorten accounts is groter dan de meeste mensen denken.

Voor zakelijke producten is OpenAI duidelijk. Op de pagina over business data privacy schrijft OpenAI dat het standaard niet traint op data uit ChatGPT Enterprise, ChatGPT Business, ChatGPT Edu en het API platform, inclusief inputs en outputs. Data is versleuteld bij opslag en onderweg. Er is een verwerkersovereenkomst beschikbaar, en OpenAI noemt SOC 2 Type 2 en ISO 27001 als normen.

Let op 1 detail op dezelfde pagina. Dataopslag in Europa is er volgens OpenAI voor in aanmerking komende klanten van Enterprise, Edu, Healthcare en het API platform. Het Business abonnement staat niet in dat rijtje. Wil je dat klantdossiers aantoonbaar in de EU blijven, dan is het Business abonnement dus niet automatisch genoeg.

Voor privéaccounts is het beeld anders. In het helpartikel over modelverbetering staat dat OpenAI content uit diensten voor individuen mag gebruiken om modellen te trainen, tenzij je dat uitzet in de instellingen. En wie een duim omhoog of omlaag geeft, deelt het hele gesprek, ook na afmelden.

Wat betekent dat voor jou?

• Klantdata hoort niet in privéaccounts. Een jaaropgave met een BSN in een gratis account plakken, is lastig te rijmen met de AVG en met je afspraken met die klant.

• Een zakelijk abonnement lost het trainingspunt op, niet de vraag waar data wordt verwerkt of hoe lang die bewaard blijft.

• Controleer bij Copilot, Claude en Gemini dezelfde 3 punten in hun zakelijke voorwaarden: training, verwerkingslocatie en bewaartermijn.

• Bij maatwerk kies je het zelf: je eigen cloudaccount, een regio in de EU, een model dat niet op je data traint, en een log van elke aanroep.

Wil je precies weten welke gegevens een AI functie naar buiten Europa stuurt en hoe je dat controleert, lees dan ons artikel over EU dataresidentie voor AI functies.

‍

Rekenvoorbeeld: een administratiekantoor dat de grens tegenkomt

Een voorbeeld, geen klant. Neem een administratiekantoor met 22 mensen en 1.200 particuliere klanten voor wie het elk voorjaar de aangifte inkomstenbelasting doet.

Het kantoor gebruikt ChatGPT Business voor iedereen. Dat kost ongeveer 460 euro per maand. Medewerkers schrijven er brieven mee, vatten nieuwe regelgeving samen en maken een eerste versie van lastige mails. Het werkt goed, en daar verandert niets aan.

Het knelpunt zit in het aangifteseizoen. Klanten uploaden hun stukken in een portaal. Een medewerker controleert per dossier of alles er is: jaaropgaven, hypotheek, WOZ, zorgkosten, giften. Hij vergelijkt dat met vorig jaar, vat samen wat ontbreekt en stuurt een verzoek aan de klant. Dat kost ongeveer 40 minuten per dossier.

• 1.200 dossiers maal 40 minuten is 800 uur per seizoen.

• Tegen een interne kostprijs van 60 euro per uur is dat 48.000 euro.

Een paar medewerkers proberen het met ChatGPT. Ze plakken stukken in een project en laten de lijst met ontbrekende stukken opstellen. Dat scheelt wat minuten, maar er ontstaan nieuwe problemen. Er gaan persoonsgegevens in chats. Iedere medewerker doet het anders. De output moet nog steeds in het dossier worden overgezet, en niemand ziet welke dossiers al gecontroleerd zijn. Dit proces heeft 4 van de 6 signalen: eigen systemen, volume, klantcontact en data met regels.

Stel dat een maatwerk automatisering de stukken uit het portaal leest, ze vergelijkt met het dossier van vorig jaar in de praktijksoftware, een verzoek opstelt en dat klaarzet. Een medewerker keurt het goed of past het aan, en de status gaat terug in het dossier. Neem aan dat de tijd per dossier daarmee naar 10 minuten gaat.

• 1.200 dossiers maal 10 minuten is 200 uur. Dat scheelt 600 uur, of 36.000 euro per seizoen.

• Kosten jaar 1: een Blueprint van 5.000 euro, een automatisering van 30.000 euro en 12 maanden beheer van 1.250 euro, samen 50.000 euro.

• Kosten jaar 2: 15.000 euro beheer.

Na 2 seizoenen staat er 65.000 euro kosten tegenover 72.000 euro aan uren. Dat is geen wonder in jaar 1, en dat zeggen we ook zo. Het echte argument zit ergens anders. Het kantoor kan 400 klanten meer aannemen zonder een extra medewerker te zoeken in een krappe markt. En het werk is voor het eerst op 1 manier vastgelegd.

Had het kantoor 300 aangiftes per jaar gedaan, dan was ons advies anders geweest. Een goede custom GPT, een duidelijke werkinstructie en een regel dat klantdata alleen in het zakelijke account mag. De rekensom bepaalt de trede, niet de wens om iets nieuws te bouwen.

‍

Wat maatwerk kost en wat je ervoor terugkrijgt

Maatwerk AI begint bij ons niet met bouwen. Het begint met de vraag of bouwen de moeite waard is. Daarvoor is de Blueprint: 2.500 tot 10.000 euro, afhankelijk van het aantal processen, in 10 tot 20 werkdagen. Je krijgt het proces in kaart zoals het echt loopt, de knelpunten in uren en euro, de AI kansen op volgorde, een roadmap met vaste prijzen per mijlpaal en een eerste ruw prototype in je eigen repository. Het is van jou. Je mag het ook zelf laten bouwen. Wil je weten wat zo'n analyse oplevert, lees dan wat een AI audit oplevert.

Daarna volgen de automatiseringen, 1 knelpunt per mijlpaal, vast geprijsd op 18.000 tot 45.000 euro per groot proces. Een mens keurt goed waar een fout duur is. De software koppelt met wat je al gebruikt, zoals Exact, AFAS of je sectorpakket.

Dan de 3 vragen die elke eigenaar terecht stelt.

Wie werkt eraan? 2 engineers bij naam, van de Blueprint tot jaar 2. Je weet wie ze zijn voordat je tekent, en het zijn dezelfde mensen die je proces in kaart brachten.

Wat gebeurt er na de lancering? Beheer begint op de dag dat de eerste automatisering draait. Monitoring, een engineer bij naam op de melding, de AI kosten per stuk begrensd, elke maand een rapport van 1 pagina, en updates van modellen en regels. Reken op 1.250 euro per maand per automatisering. De reactietijd wordt vastgesteld in de Blueprint.

Wat als maand 1 tegenvalt? Exit na maand 1: je betaalt wat er geleverd is en houdt alles. De code staat in je eigen repository, in je eigen accounts, vanaf de eerste dag.

‍

Zo beslis je deze week

Je hebt geen strategie van 40 pagina's nodig om hier een keuze te maken. Kies 1 proces en beantwoord 5 vragen:

• Hoe vaak per maand gebeurt het, en hoeveel minuten kost het per keer?

• Uit welke systemen komt de input, en waar moet de uitkomst heen?

• Leest een mens de output altijd voordat een klant hem ziet?

• Zitten er persoonsgegevens of vertrouwelijke klantgegevens in?

• Wie belt je als het misgaat, en wie lost het op?

Zijn de antwoorden "weinig", "kopiëren en plakken", "ja", "nee" en "de medewerker zelf", blijf dan bij ChatGPT en bouw een goed contextpakket. Dat is geen tweede keus. Het is de juiste keus voor dat werk. Schuiven de antwoorden de andere kant op, dan ben je toe aan de volgende trede.

Zet je antwoorden op papier met het gratis AI product requirements template. Dan heb je in een uur een brief die je kunt vergelijken, wie je hem ook geeft.

Codelevate maakt van Nederlandse B2B dienstverleners softwarebedrijven: we brengen het expertproces in kaart dat je nu met de hand doet, automatiseren het zodat hetzelfde team het volume aankan, en bouwen het platform waar je klanten voor betalen, met 2 engineers bij naam van de blueprint tot jaar 2.

Weet je niet zeker op welke trede jouw proces staat? Stuur wat je hebt. 1 van de 2 engineers leest het in 20 minuten met je door, en je krijgt dezelfde dag 1 van 3 antwoorden op papier: zelf doen, iemand aannemen, of de Blueprint.