Een AI-project ziet er van buitenaf vaak eenvoudig uit. “We willen onze inkomende orders automatisch verwerken.” Maar wie het project uitvoert, weet dat er meer bij komt kijken dan een slim model.
In één gemiddeld automatiseringsproject kun je al deze specialismen tegenkomen:
- procesanalyse: hoe loopt het nu, en waar zit de winst?
- data engineering: waar staan de gegevens, en hoe krijg je ze betrouwbaar op de juiste plek?
- integratie: koppelingen met het ERP, CRM, planningssysteem of andere bestaande software;
- de AI-toepassing zelf: het kiezen, inrichten en testen van modellen;
- security en privacy: wie mag waarbij, en wat gebeurt er met gevoelige gegevens?
- governance: welke regels uit de AI Act en de AVG zijn van toepassing?
- adoptie: hoe zorg je dat medewerkers het ook echt gaan gebruiken?
Weinig bureaus van vijf, tien of twintig mensen hebben dat allemaal op een hoog niveau in huis. En dat hoeft ook niet.
Drie manieren om met dat gat om te gaan
Een bureau dat een project binnenhaalt waarvoor het niet alle kennis heeft, heeft grofweg drie opties.
Alles zelf doen. Het team leert al doende wat het nog niet kan. Dat werkt soms, maar het risico ligt bij de klant. En wie overal een beetje van weet, wordt zelden de beste in iets.
Groeien. Specialisten aannemen voor wat ontbreekt. Dat is logisch als de vraag structureel is. Maar het kost tijd, geld en een vaste stroom werk om die mensen aan het werk te houden. Voor een specialisme dat je twee keer per jaar nodig hebt, is dat geen goede ruil.
Samenwerken. Een andere partij doet het deel waarin zij beter is. Jij houdt de regie. Het project wordt beter, en jij hoeft niet te doen alsof je alles kunt.
Die derde optie wordt steeds logischer, en daar zijn een paar goede redenen voor.
Waarom juist nu?
Er spelen een paar ontwikkelingen tegelijk.
Projecten worden breder. Waar AI eerst vooral werd ingezet voor losse taken, zoals teksten schrijven of samenvatten, schuift het nu op naar processen die over meerdere systemen lopen. Dat vraagt meer verschillende kennis.
De regels worden concreter. Sinds 2 augustus 2026 geldt het grootste deel van de AI Act, en de hoog-risico-regels volgen in december 2027. Klanten verwachten dat hun bureau weet wat er geldt. Niet elk bureau wil of kan daar zelf een specialist voor aannemen. Meer daarover in De AI Act is van kracht.
Specialisten zijn schaars en duur. De vraag naar AI-vaardigheden in tijdelijke ICT-opdrachten steeg volgens de Talent Monitor van HeadFirst Group en Intelligence Group sinds 2024 met 161 procent. Iemand structureel in dienst nemen voor een specialisme dat je niet voltijd nodig hebt, wordt steeds minder aantrekkelijk.
Klanten willen één aanspreekpunt. Een mkb-bedrijf wil niet vijf losse partijen aansturen. Het wil één partij die het project trekt en de rest regelt.
Vormen van samenwerking
Samenwerken kan op verschillende manieren. De vorm hangt af van het project en van hoe goed je elkaar kent.
- Onderaanneming. Jij bent hoofdaannemer, de partner levert een afgebakend werkpakket. De klant ziet vaak alleen jou. Dit is de meest voorkomende vorm. In Capaciteit tekort op een AI-project? staan de afspraken die je daarbij nodig hebt.
- Samen leveren. Twee of meer bureaus nemen elk een duidelijk deel van het project voor hun rekening, met een gezamenlijke planning en afstemming. De klant weet dat er meerdere partijen zijn.
- Doorverwijzen. Je past zelf niet bij de vraag, maar kent een partij die wel past. Soms met een afgesproken vergoeding, soms gewoon als wederdienst.
- Capaciteit delen. Bureaus die elkaar goed kennen, lenen mensen aan elkaar uit als de een het druk heeft en de ander niet.
Wat samenwerking laat werken
Niet elke samenwerking loopt goed. De samenwerkingen die wel werken, hebben meestal deze kenmerken:
Complementair, niet concurrerend. De beste partners zijn goed in wat jij niet doet. Werk je samen met een bureau dat precies hetzelfde aanbiedt, dan ligt wantrouwen over de klantrelatie op de loer.
Heldere rollen. Wie heeft contact met de klant, wie is eindverantwoordelijk, wie factureert? Leg het vast voordat het project begint, niet halverwege.
Vaste partners. De eerste samenwerking kost altijd meer afstemming. Bij de derde weet je hoe de ander werkt, welke kwaliteit je kunt verwachten en waar je op moet letten. Investeren in een paar vaste partners loont meer dan elke keer iemand nieuw zoeken.
Gedeelde standaarden. Afspraken over documentatie, code, testen en overdracht voorkomen dat de klant straks een lappendeken krijgt.
De valkuilen
Eerlijk is eerlijk: samenwerken heeft ook risico’s.
- Een partner die jouw klant ziet, kan die klant ook zelf benaderen.
- Als de kwaliteit van het uitbestede deel tegenvalt, ben jij wel degene die het de klant moet uitleggen.
- Zonder duidelijke afspraken over geld kan de marge verdampen door extra afstemming en meerwerk.
- Als niet duidelijk is wie welk risico draagt, wordt een probleem al snel een conflict.
Geen van deze risico’s is een reden om niet samen te werken. Het zijn redenen om goede afspraken te maken, en om partners te kiezen die je vertrouwt.
Beide kanten op
Wat opvalt: bureaus die goed samenwerken, zitten zelden alleen aan de uitzettende kant. Vandaag heb jij een data engineer nodig. Volgende maand heeft een ander bureau jouw kennis van documentherkenning nodig. Wie goed uitbesteedt, wordt ook vaker gevraagd.
Precies daarvoor bouwen we Matcherly. Bureaus kunnen er een concreet werkpakket uitzetten of zelf worden voorgesteld voor werk dat bij hen past. Geen open zoekmarkt en geen biedingen, maar een intake en één passend voorstel per vraag. Zo ontstaat een netwerk van bureaus die elkaar aanvullen in plaats van beconcurreren.
Bron
- HeadFirst Group en Intelligence Group, Talent Monitor (2026), via Dutch IT Channel, 24 maart 2026
Sluit aan bij de pilot
We starten met een kleine groep complementaire bureaus, teams en specialisten in AI-workflowautomatisering. Wil je werk uitzetten, werk aannemen of allebei? Dan horen we graag van je.