Zo schrijf je een AI-agent briefing die vergelijkbare offertes oplevert

Drie leveranciers, dezelfde beschrijving, en offertes van 18.000, 60.000 en 190.000 euro. Die spreiding is normaal. De gebruikelijke verklaring ervoor klopt niet.

De eerste reactie is dat de goedkoopste het werk niet begrepen heeft en de duurste het bedrag opblaast. Soms is dat zo. Veel vaker lazen alle drie dezelfde twee alinea's en offreerden ze drie verschillende projecten, omdat de briefing nooit vertelde welk project je bedoelde. Prijsverschil bij AI agent werk is vooral een maat voor de onzekerheid die je bij de leverancier hebt neergelegd.

Dit artikel is geschreven voor oprichters, CTO's en operationeel leidinggevenden die voorbij de demofase zijn en dit jaar echt een agent in productie willen nemen. Als je nog aan het verkennen bent of AI interessant is, wordt dit te specifiek. Als je een proces voor ogen hebt, budget in de kamer hebt en op het punt staat drie bedrijven om een prijs te vragen, is dit het document dat je een kwartaal bespaart.

Je krijgt de 9 antwoorden die een offerte echt bepalen, wat je per punt opschrijft, een voor en na versie van een echte briefing, wat je bewust weglaat, en hoe je het proces zo inricht dat voorstellen vergelijkbaar terugkomen in plaats van verwarrend.

‍

Belangrijkste punten

• Offertes lopen 10x uiteen omdat leveranciers onzekerheid beprijzen, niet omdat ze van mening verschillen over uurtarieven.

• De 3 dure onbekenden zijn de beslissing die je wilt automatiseren, de echte staat van je data, en wat een fout antwoord kost.

• De meeste publieke AI RFP sjablonen stellen 30 vragen over de leverancier en bijna niets over jou, en dat is de verkeerde kant van het prijsverschil.

• Een bruikbare AI agent briefing is 4 tot 8 pagina's en beantwoordt 9 dingen, geen 60.

• Een meetbare kwaliteitsnorm en een duidelijke escalatieroute verlagen een offerte betrouwbaarder dan onderhandelen.

• Je budget verzwijgen levert geen betere prijs op. Het levert een voorstel op dat op de verkeerde scope is gericht.

• Vraag elke leverancier de aannames achter het bedrag te noemen, en vergelijk de aannames voordat je de prijzen vergelijkt.

‍

Waarom AI agent offertes 10x uiteenlopen

Offertes lopen uiteen omdat een AI agent geen functie met een bekende vorm is. Het is een beslisproces rond jouw data, en zolang een leverancier niet weet welke beslissing en welke data, offreert hij een reeks mogelijke projecten in plaats van een project. De eerlijke partijen offreren de bovenkant van die reeks. De optimistische offreren de onderkant en komen in maand 3 terug met meerwerk.

Kijk wat er gebeurt in het hoofd van een leverancier die leest: "we willen een AI agent voor onze inkoopfacturen." Hij moet raden of dat betekent PDF's uitlezen en schone data in het boekhoudsysteem zetten, of PDF's uitlezen, matchen met inkooporders, verschillen markeren, leveranciers per mail achterna zitten, en goedgekeurde facturen klaarzetten voor betaling. Het eerste is ongeveer 4 weken werk. Het tweede is een traject van 4 maanden dat 3 systemen raakt, plus een rechtenmodel, een audit trail, en een verandering in hoe je financiële team zijn middagen besteedt. Beide zijn een verdedigbare lezing van dezelfde zin.

Daar komt de tweede onbekende bij. Komen die facturen binnen als machineleesbare PDF's van 12 vaste leveranciers, of als een mix van scans, foto's en e-mailteksten van 400 leveranciers in 4 talen? Dat ene feit kan het uitleeswerk verdrievoudigen en staat bijna nooit in de briefing. De leverancier kan niet in je mailbox kijken, dus beprijst hij het pessimistische of het optimistische scenario, en jij krijgt een verschil van 3x dat niets met zijn vakmanschap te maken heeft.

De derde onbekende schrijft niemand op: wat een fout antwoord kost. Een agent die een antwoord voorstelt dat een mens verstuurt, mag 90 procent goed zijn en is dan uitstekend. Een agent die zelfstandig een betaling klaarzet moet veel dichter bij perfect zitten, en dat betekent evaluatiesets, guardrails, reviewwachtrijen en logging die de eerste agent nooit nodig heeft. Dezelfde technologie, een heel andere rekening.

Dit is geen theoretisch risico. Gartner voorspelt dat meer dan 40 procent van de agentic AI projecten voor eind 2027 wordt gestopt, en wijst daarbij op oplopende kosten, onduidelijke businesswaarde en onvoldoende risicobeheersing. Lees dat rijtje nog eens. Alle drie zijn scopingproblemen, en alle drie worden beslist voordat er een regel code is geschreven.

‍

De valkuil van het RFP sjabloon

Zoek hier hulp bij en je vindt tientallen sjablonen die 30 of 60 inkoopvragen beloven die elke AI leverancier moet beantwoorden. Waar draait het model, welke opt-outs gelden voor trainingsdata, is er SOC 2, is er een audit trail, is er een kill switch. Die vragen zijn het stellen waard en je moet ze stellen. Ze zijn alleen niet waar je geld heen gaat.

Dit is het ongemakkelijke deel. Serieuze leveranciers beantwoorden die 30 vragen vrijwel identiek, omdat de goede antwoorden inmiddels standaard zijn en iedereen ze heeft geoefend. De vragenlijst filtert overduidelijke agent washing eruit, wat nuttig is, en zegt vervolgens niets over waarom het ene voorstel 3 keer zo duur is als het andere. De variatie zit niet aan de kant van de leverancier. Die zit bij jou, in de feiten die alleen jij kunt leveren.

Draai het document dus om. Besteed 2 pagina's aan wat jij van hen nodig hebt en 6 pagina's aan wat zij van jou nodig hebben. Alleen die wijziging maakt van een schoonheidswedstrijd een echte vergelijking.

‍

Wat een AI agent briefing wel en niet is

Een AI agent briefing is een kort document, meestal 4 tot 8 pagina's, dat beschrijft welke beslissing je wilt automatiseren, welke systemen en data daarbij betrokken zijn, welke nauwkeurigheid en welk toezicht je eist, en wat een fout kost. Het is de kleinste set feiten die een capabele leverancier nodig heeft om een vaste prijs te geven waar hij achter blijft staan.

Het is geen technische specificatie. Je ontwerpt het systeem niet, je haalt de dubbelzinnigheid weg die het systeem onbeprijsbaar maakt. Een briefing die het model, het framework en de vector database voorschrijft, heeft het nuttige werk overgeslagen en gokt meteen naar de implementatie.

Het is ook geen verlanglijst. De meest voorkomende fout die wij zien is een briefing die een assistent beschrijft die 9 dingen kan, geen daarvan precies. Leveranciers reageren daarop door de hele fantasie te offreren of stilletjes alleen het makkelijkste deel te scopen, en geen van beide helpt je. Eén agent, één beslissing, één meetbaar resultaat. De tweede agent komt nadat de eerste zichzelf heeft terugverdiend, en wordt goedkoper omdat het leidingwerk er al ligt.

De test of je briefing af is, is simpel. Geef hem aan iemand in je bedrijf die niet aan dit proces werkt. Kan die persoon vertellen wat de agent beslist, wat er gebeurt als hij twijfelt, en hoe je volgend kwartaal weet of het gewerkt heeft, dan is de briefing af. Zo niet, dan kan geen enkele leverancier dat ook.

‍

Wil je een vliegende start, dan geeft ons AI product requirements template precies de structuur voor dit soort documenten, inclusief de onderdelen die de meeste teams vergeten tot een leverancier ernaar vraagt. Het is gratis en kost ongeveer een uur om goed in te vullen.

‍

De 9 antwoorden die je briefing moet bevatten

Elk antwoord haalt een specifiek stuk onzekerheid uit de offerte. Sla er één over en een leverancier beprijst het slechtste scenario of ontdekt het in week 6 en stuurt meerwerk.

‍

1. De beslissing, niet het gereedschap

Schrijf één zin in de vorm "de agent beslist X, gegeven Y." Niet "een AI assistent voor klantenservice" maar "de agent bepaalt in welke van onze 7 retourcategorieën een klantmail valt, en stelt het antwoord voor die categorie op."

Dit is de zin met de meeste hefboom in het hele document. Hij verandert een open product in een afgebakende taak met een telbaar aantal uitkomsten, en dat is wat schatten, testen en evalueren überhaupt mogelijk maakt. Kun je die zin niet schrijven, dan ben je nog niet klaar om te kopen, en het eerlijkste dat een leverancier je op dat moment kan verkopen is een korte discovery in plaats van een bouwtraject.

‍

2. Het huidige proces, in cijfers

Beschrijf hoe het werk nu gaat met echte getallen: hoeveel items per week, hoeveel mensen eraan zitten, hoe lang één item duurt, hoe vaak het nu misgaat, en wat die fouten kosten. Twee alinea's is genoeg.

Leveranciers gebruiken dit voor twee dingen. Het vertelt ze welke schaal het systeem aan moet, en het geeft de basislijn waarop de businesscase rust. Het beschermt jou ook. Een proces van 40 items per week rechtvaardigt zelden een bouw van 90.000 euro, en een goede partner zegt dat vooraf in plaats van achteraf.

‍

3. De datarealiteit, niet het data-ideaal

Zeg waar de invoer staat, in welk formaat die echt binnenkomt, hoe rommelig het is, hoe ver de historie teruggaat, en wie toegang kan verlenen. Wees eerlijk over de rommel. Niemand heeft schone data, en doen alsof verplaatst de ontdekking alleen naar week 5, waar die veel duurder is.

De feiten die de prijs echt bewegen zijn het aantal bronnen, de consistentie van het formaat, en of er al gelabelde voorbeelden van juiste beslissingen bestaan. Duizend eerdere beslissingen met het juiste antwoord erbij is het waardevolste dat je aan een AI agent project kunt meebrengen, want het verandert evaluatie van gokken in meten. Heb je dat, zet het dan in de briefing. Het kan weken schelen.

‍

4. De systemen die het raakt, en de richting per systeem

Noem elk systeem waar de agent uit leest en elk systeem waar hij naar schrijft, en markeer welke welke is. Lezen is goedkoop. Schrijven is waar kosten, risico en goedkeuringsrondes zitten.

Noteer per systeem of er een ondersteunde API is, wie intern de credentials beheert, en of een derde partij de koppeling moet goedkeuren. Een agent die je CRM leest en een document opstelt is een ander budget dan een agent die terugschrijft in je ERP, en een koppeling waar de professional services afdeling van een leverancier aan te pas moet komen kan een maand wachten toevoegen die niets met engineering te maken heeft.

‍

5. Waar een mens in de loop blijft

Zeg expliciet wat de agent zelfstandig mag doen, wat menselijke goedkeuring nodig heeft, en wat hij altijd moet escaleren. Drie regels volstaan.

Dit is de bepaling die een offerte het meest verandert, want volledige autonomie is geen schakelaar. Het is een ander systeem. Zelfstandig handelen vraagt veel zwaardere evaluatie, terugdraaipaden, rechtenbeperking en auditlogging dan een opzet waarin iemand op goedkeuren klikt. De meeste agents die productie halen en daar blijven, beginnen met een mens die elke actie goedkeurt en verdienen autonomie daarna categorie voor categorie. Vraag om dat pad in de briefing en je krijgt een goedkopere fase 1 en een veiligere fase 2.

‍

6. Wat goed genoeg betekent, als getal

Noem de nauwkeurigheid of kwaliteit die je accepteert, en hoe die gemeten wordt. "Categoriseert minstens 92 procent van de facturen correct, gemeten op 300 historische voorbeelden die onze finance lead heeft nagekeken" is een echt acceptatiecriterium. "Werkt betrouwbaar" niet.

Een niet benoemde kwaliteitsnorm wordt beprijsd als perfectie, en dat is duur, of als niets, en dan wijs je straks een oplevering af die je niet kunt definiëren. De norm zelf bepalen dwingt intern ook een gezond gesprek af over wat het proces vandaag werkelijk presteert, meestal minder vlekkeloos dan mensen zich herinneren.

‍

7. Wat een fout antwoord kost

Schrijf per soort fout op wat het gevolg is, in geld, tijd of risico. Een verkeerd gecategoriseerde supportmail kost een paar minuten. Een ten onrechte goedgekeurde betaling kost het bedrag plus een vervelend gesprek. Een fout antwoord aan een patiënt of een toezichthouder kost iets heel anders.

Dit vertelt een leverancier hoeveel engineering er in guardrails moet, en het vertelt jou waar het echte budget hoort. Het is ook de snelste manier om te zien wat je nog helemaal niet moet automatiseren. Is een fout onherstelbaar en onopmerkbaar, dan wil je er een mens voor, hoe goed het model ook is.

‍

8. Volume, snelheid en waar het draait

Geef het verwachte aantal runs per dag, de acceptabele responstijd, en elke beperking op waar data verwerkt mag worden. Zijn je klanten Europees en beloven je contracten verwerking binnen de EU, dan is dat een scopingfeit en geen detail, en het hoort op pagina 2.

De EU AI Act legt verplichtingen op die afhangen van waarvoor het systeem gebruikt wordt, dus het beoogde gebruik hoort ook in de briefing. Een leverancier die jouw compliancepositie uit een demo moet afleiden, bouwt er te veel omheen of mist het, en beide zijn dure correcties.

‍

9. Eigenaarschap na livegang, en een budgetrange

Zeg wie de agent bezit zodra hij live is, of je eigen team onderhoud verwacht te doen, en welke range is goedgekeurd. Ja, noem een range.

De angst is dat een budget noemen betekent dat je het hele bedrag betaalt. In de praktijk gebeurt het omgekeerde. Een range laat een leverancier vertellen wat daarbinnen realistisch is en wat erbuiten valt, en dat is precies het gesprek dat je wilt. Zonder range komen voorstellen binnen die gescoped zijn op een bedrag dat iemand heeft bedacht, en verlies je 3 weken met ontdekken dat er twee nooit haalbaar waren. Wil je je range eerst toetsen, dan behandelt onze uitleg over wat het kost om een AI agent te bouwen in 2026 de echte kostendrijvers.

‍

‍

Een uitgewerkt voorbeeld: de agent voor factuurafwijkingen

Hieronder staat hetzelfde project twee keer beschreven. De eerste versie lijkt op wat de meeste briefings zijn als ze binnenkomen.

"Wij zijn een middelgrote distributeur en we willen een AI agent voor onze inkoopfacturen. Nu verwerkt ons finance team ze handmatig en dat duurt te lang. We willen dat de agent facturen leest, controleert, en het team sneller laat werken. Graag een voorstel."

Drie leveranciers offreerden daarop 18.000, 60.000 en 190.000 euro. De goedkoopste scopete PDF extractie naar een spreadsheet. De middelste extractie plus matching met inkooporders en een reviewscherm. De duurste een zelfstandige goedkeuringsworkflow inclusief het achterna mailen van leveranciers, want "verwerken" kan dat eerlijk gezegd betekenen. Niemand had ongelijk. De briefing wel.

Nu hetzelfde project met de 9 antwoorden ingevuld. De agent bepaalt of een binnenkomende inkoopfactuur overeenkomt met de bijbehorende inkooporder, en stuurt de afwijkingen naar een aangewezen beoordelaar met het verschil gemarkeerd. Het volume is 1.400 facturen per maand van ongeveer 260 leveranciers, grofweg 70 procent machineleesbare PDF's en 30 procent scans, in het Nederlands en Engels. Twee mensen besteden nu ongeveer 11 uur per week aan matchen, en bij ongeveer 6 procent van de facturen zit een afwijking die het waard is om te vangen. De agent leest uit de gedeelde mailbox en het ERP, en schrijft alleen naar een reviewwachtrij, nooit naar het grootboek. Alles wat hij markeert gaat naar een mens, en schone matches worden pas automatisch goedgekeurd zodra het matchpercentage een volle maand boven 95 procent blijft, gemeten op 400 historische facturen die de finance lead al heeft nagekeken. Een gemiste afwijking kost gemiddeld 340 euro. Verwerking moet binnen de EU blijven. Het goedgekeurde budget is 45.000 tot 75.000 euro voor fase 1, en de interne eigenaar na livegang is de finance systems lead.

Dezelfde drie leveranciers kwamen daarop terug met 52.000, 61.000 en 68.000 euro. Het resterende verschil is echt verschil in aanpak en team, en dat is precies wat je wilde vergelijken. De inkoopbeslissing duurde 2 weken in plaats van 2 maanden, en het uiteindelijke traject kende geen meerwerk op scope, omdat de scope door de koper was bepaald in plaats van door de bouwer ontdekt.

Let op wat de goede versie niet bevat. Geen modelnamen. Geen frameworks, orkestratiebibliotheken of vector databases. Het is volledig een beschrijving van de bedrijfsrealiteit, en dat is het enige deel dat een leverancier echt niet kan raden.

‍

Wat je bewust weglaat

Een briefing wordt slechter zodra hij afdwaalt naar implementatie. Drie dingen om te schrappen.

• De technologiekeuze. Het model of framework voorschrijven beperkt het veld tot leveranciers die het met je eens zijn en verbergt betere opties. Modellen veranderen elke paar maanden, en een partner die om jouw keuze heen moet werken beprijst die beperking.

• Volledige autonomie in versie 1. Vragen om een agent die zonder review handelt bij livegang verhoogt prijs en risico tegelijk, voor een mogelijkheid die je in maand 1 toch niet gebruikt. Beschrijf liever het pad naar autonomie.

• Alles wat de agent ooit ook zou kunnen doen. Toekomstige scope nodigt leveranciers uit die te offreren. Zet de roadmap in een bijlage die duidelijk buiten deze fase valt, zodat leveranciers ervoor kunnen ontwerpen zonder het te beprijzen.

‍

Hoe je het proces inricht zodat offertes vergelijkbaar blijven

De briefing doet het meeste werk, maar het proces eromheen bepaalt of je echt kunt vergelijken wat terugkomt. Vier regels.

• Stuur iedereen hetzelfde document, met dezelfde deadline en hetzelfde aanspreekpunt voor vragen. Deel daarna elke vraag en elk antwoord met alle leveranciers. Het kost je niets en het haalt het excuus weg dat er één betere informatie had.

• Vraag een vaste prijs voor fase 1 met de aannames erbij. Die aannames zijn de echte oplevering. Een voorstel dat zegt "gaat uit van 3 koppelingen, gaat uit van bestaande gelabelde historie, gaat uit van geen SSO eis" komt van een leverancier die de briefing gelezen heeft. Een voorstel zonder aannames komt van een leverancier die ze later op jouw kosten vindt.

• Vraag elke partij de 3 dingen te noemen die de prijs het meest kunnen verhogen. Hun antwoord zegt meer over hun productie-ervaring dan welke case study ook. Leveranciers die agents hebben opgeleverd noemen datakwaliteit, rechten op koppelingen en de evaluatieset. Leveranciers die dat niet hebben, praten over modelkeuze.

• Vergelijk aannames voordat je bedragen vergelijkt. Leg de aannamelijsten eerst naast elkaar. Het grootste deel van het schijnbare prijsverschil lost dan op in verschillende scope, en wat overblijft is een echt commercieel verschil waarover je kunt onderhandelen. Zodra je bij het contract komt, zijn de clausules die je vooraf wilt afspreken een aparte en even weinig glamoureuze oefening.

‍

‍

Hoe Codelevate een AI agent briefing leest

Als een briefing bij ons binnenkomt, proberen we hem eerst stuk te maken. We zoeken de beslissingszin, en als die er niet is schrijven we de 3 versies op die je zou kunnen bedoelen en vragen welke klopt. Die ene uitwisseling haalt de meeste prijsonzekerheid weg voordat er iets geschat is.

Daarna zoeken we de evaluatieset, want die bepaalt hoe het project loopt. Heb je een paar honderd historische beslissingen met bekende juiste antwoorden, dan kunnen we de agent vanaf week 2 tegen de werkelijkheid meten en wordt de bouw een lus die steeds strakker wordt in plaats van een sprong in het diepe. Heb je die niet, dan wordt het opbouwen daarvan het eerste werkpakket, en dat zetten we in het voorstel in plaats van het in een uurtarief te verstoppen.

Als laatste zoeken we het schrijfpad. We willen precies weten welk systeem de agent mag wijzigen, onder welke goedkeuring, en wat er gebeurt als hij fout zit. In onze ervaring is dat de scheidslijn tussen een agent die in productie blijft en een agent die in maand 4 stilletjes wordt uitgezet na een incident dat niemand had voorzien. Het is ook het deel van een AI development traject waar het eerlijke scopinggesprek zichzelf meermaals terugverdient.

Niets hiervan vraagt dat jij technisch bent. Het vraagt dat je je eigen proces precies kent, en dat is een andere en veel bruikbaardere vaardigheid.

‍

De verandering die dit oplevert

Het verschil tussen een zwakke en een goede briefing is geen kwestie van mooiere papieren. Het bepaalt of je de regie over je eigen project houdt. Met een vage beschrijving besteed je de meest bepalende keuzes in de bouw uit, scope, nauwkeurigheid en toezicht, aan de leverancier die er toevallig het dichtst bij gokt, en ontdek je die gok in maand 3. Met 9 heldere antwoorden beslis je ze zelf, krijg je voorstellen die je echt kunt vergelijken, teken je een vaste prijs die de realiteit overleeft, en zet je iets in productie terwijl het alternatief nog aan het evalueren is.

Een weekend aan dit document besteden bespaart routinematig een kwartaal inkoop en tienduizenden euro's aan scope drift. Het is het hoogste rendement op inspanning dat er in een AI project te halen valt.

‍

‍

Wat je nu kunt doen

Schrijf je dit voor het eerst, begin dan met de beslissingszin en de datarealiteit. Die twee onderdelen dragen het grootste deel van het prijsverschil, en de rest wordt makkelijker zodra ze op papier staan.

Voor het bredere plaatje van AI in een softwareproduct, inclusief waar agents passen naast functies waar je klanten al voor betalen, is onze SaaS founder's AI blueprint een praktische aanvulling op dit artikel.

En wil je je briefing liever toetsen bij iemand die deze projecten wekelijks offreert, plan dan een gratis gesprek met ons team. Neem het concept mee, hoe ruw ook. Een uur over de beslisgrens en de data verandert het bedrag meestal meer dan welke onderhandeling ook.