AI-productiviteit meten: hoe bewijs je dat Claude tijd bespaart?

AI-productiviteit meten doe je door taken te selecteren die normaal 20 minuten of meer duren, de doorlooptijd vóór en na AI-gebruik bij te houden, en die tijdsdelta te vertalen naar jaarlijkse FTE-besparing. Drie tot vier weken data is voldoende voor een eerste businesscase. Zonder die meting blijft de waarde van tools zoals Claude een gevoel — en gevoelens overtuigen geen directeur of budgethouder.

Je ziet het in teams die al een paar maanden met Claude werken: de output stijgt, vergaderingen over AI worden positiever, en toch kan niemand een concreet getal noemen als de CFO vraagt wat het oplevert. Dat is het meest voorkomende probleem in de tweede fase van AI-adoptie. Fase 1 is mensen aan de slag krijgen. Fase 2 is bewijzen dat het werkt.

Waarom meten lastig is.

Kenniswerk laat geen meetbare output achter op het moment dat het wordt gedaan. Een magazijnmedewerker die 10% sneller pikt, ziet dat in het systeem. Een analist die 40% sneller een rapport schrijft, heeft gewoon een rapport af — eerder. Die tijdwinst verdwijnt in de agenda zonder een spoor achter te laten.

Drie factoren maken meten extra moeilijk in de praktijk:

• AI-gebruik is informeel. Mensen gebruiken Claude tussendoor, zonder het als 'een AI-taak' te zien. Ze openen het venster, vragen iets, sluiten het. Geen log, geen registratie.
• Tijdwinst op triviale taken is onzichtbaar. Als een collega een e-mail in twee minuten schrijft in plaats van vijf, merkt niemand het verschil. Maar als dat twintig e-mails per dag zijn, telt het op.
• Kwaliteitsverbeteringen zijn moeilijk te kwantificeren. Minder revisies, beter onderbouwde analyses, hogere consistentie — echte waarde, maar niet eenvoudig in uren te vangen.

De oplossing is niet perfecte tracking — die bestaat niet voor kenniswerk. De oplossing is een pragmatische aanpak die goed genoeg is om een beslissing op te baseren.

De 20-minuten baseline.

Begin met één eenvoudige regel: meet alleen taken die normaal 20 minuten of langer duren. Taken onder de 20 minuten zijn moeilijk reproduceerbaar, hebben te veel variatie, en de AI-impact is lastig los te knippen van andere factoren. Taken van 20 minuten of meer zijn herkenbaar, terugkerend, en de tijdsdelta is groot genoeg om te meten.

Concrete voorbeelden van 20-minuten-taken die meetbaar reageren op AI-gebruik:

• Samenvatting van een vergadering of rapport schrijven (was: 30–45 min, met Claude: 8–12 min)
• Eerste opzet van een offertetekst of voorstel (was: 60–90 min, met Claude: 20–30 min)
• Antwoord op een complexe klantvraag opstellen (was: 25–40 min, met Claude: 10–15 min)
• Data-analyse en toelichting in een presentatieslide (was: 45–75 min, met Claude: 15–25 min)
• Intern beleidsdocument of procedure beschrijven (was: 90–120 min, met Claude: 30–45 min)

De baseline-methode werkt als volgt. Vraag vijf tot tien medewerkers om twee weken lang bij te houden hoe lang de geselecteerde taken vóór AI-gebruik duurden — teruggeschat op basis van wat ze zich herinneren. Dit is de nulmeting. Daarna meten ze twee weken live: hoelang duurt dezelfde taaksoort nu met Claude? Noteer het verschil.

Drie meetmethodes voor AI-tijdwinst.

Afhankelijk van het type werk en de beschikbare data kies je één van drie aanpakken — of combineer ze voor een sterker beeld:

Taaktijdregistratie is de meest directe methode maar vereist actieve medewerking van het team. Outputvolume werkt goed als je digitale systemen hebt die output automatisch bijhouden (CRM, ticketsysteem, documentbeheer). Cyclustijdanalyse is krachtig voor managementrapportages: je kunt aantonen dat klantaanvragen gemiddeld twee dagen sneller worden afgehandeld — een getal dat direct aansluit op klanttevredenheid.

ROI berekenen: van tijdwinst naar euro's.

De ROI van AI is de verhouding tussen de waarde van tijdwinst en de kosten van het AI-abonnement. De berekening is eenvoudiger dan de meeste mensen denken.

1. Bepaal de gemiddelde tijdwinst per medewerker per dag — in minuten.
2. Bereken de jaarlijkse tijdwinst: tijdwinst per dag × 220 werkdagen.
3. Zet om naar FTE-equivalent: jaarlijkse tijdwinst gedeeld door 1.760 uur (fulltime).
4. Vermenigvuldig met de volledig belaste personeelskosten per FTE, inclusief sociale lasten en overhead.
5. Trek de Claude-licentiekosten per jaar af.
6. Deel de nettowaarde door de licentiekosten voor de ROI-ratio.

Rekenvoorbeeld: een team van 20 medewerkers bespaart gemiddeld 30 minuten per dag door Claude te gebruiken voor terugkerende schrijf- en analysetaken. Volledig belaste kosten per FTE: €85.000 per jaar. Claude Team-abonnement: circa €230 per gebruiker per jaar (€4.600 voor 20 gebruikers).

Jaarlijkse tijdwinst: 20 personen × 30 min/dag × 220 werkdagen = 2.200 uur = 1,25 FTE. Waarde: 1,25 × €85.000 = €106.250. ROI: (€106.250 – €4.600) / €4.600 ≈ 22×. Voor elke geïnvesteerde euro haal je €22 terug — mits de meting klopt.

Van pilot naar businesscase.

Organisaties die AI succesvol uitrollen, beginnen doorgaans met een pilot van 10–20 personen over vier weken. Dat is lang genoeg om patronen te zien, kort genoeg om zonder grote investering te leren. Een praktisch stappenplan:

1. Week 1 — selectie en baseline: kies 3–5 terugkerende taaksoorten, laat deelnemers de huidige tijdsduur schatten en noteren.
2. Week 2–3 — live meting: deelnemers gebruiken Claude voor de geselecteerde taken en registreren de werkelijke tijd.
3. Week 4 — analyse en presentatie: bereken tijdwinst per taaktype, vertaal naar FTE-besparing, presenteer met de ROI-formule.
4. Na de pilot — beslissing: uitrollen naar het volledige team of de organisatie, met een helder plan voor onboarding en borging.

Leg de resultaten vast in een helder format: taaktype, gemiddelde tijdsduur vóór, gemiddelde tijdsduur na, tijdsbesparing in procenten, geïmpliceerde jaarwaarde. Eén A4 is genoeg voor een directiepresentatie.

Vergeet ook de kwalitatieve signalen niet. Medewerkers die minder energie kwijt zijn aan routinewerk, consistentere output leveren, of minder fouten maken — dat zijn reële waarden die je naast de ROI-berekening kunt plaatsen als aanvullend bewijs.

Benchmarks uit onderzoek.

Extern onderzoek biedt referentiepunten die je businesscase versterken en je aannames valideren.

Gebruik deze benchmarks als kader, niet als belofte. De daadwerkelijke tijdwinst hangt af van het type werk, de kwaliteit van de prompts en hoe structureel AI geïntegreerd is in de dagelijkse werkprocessen. Jouw eigen meting telt altijd zwaarder dan een extern gemiddelde.

Wat de onderzoeken wél unaniem aangeven: de spreiding in AI-ROI is enorm. Organisaties die AI structureel inbedden in processen en medewerkers actief begeleiden, halen drie tot vijf keer meer waarde dan organisaties die alleen licenties uitrollen en hopen dat het vanzelf werkt. Het verschil is geen technologie — het is adoptie.

Wil je weten welke taken in jouw organisatie het meeste AI-potentieel hebben, of hoe je een vier-weken pilot aanpakt zonder je team te overbelasten? Laten we het concreet maken. Dertig minuten, vrijblijvend.