Welke AI-metrics moet een bureau aan klanten laten zien? Niet degene waar de meeste bureaus het trotst op zijn. Gelicentieerde seats, ingezette agents en gegenereerde assets beschrijven je inspanning. Klanten betalen voor resultaten: wat elk stuk werk kost, hoe snel het er is, hoe vaak het fout zit en wat het doet voor de winst. Meet die dingen, en je AI-verhaal wordt een commercieel verhaal.
De druk om te veranderen komt nu uit het contract. Volgens Campaign US blijkt uit een onderzoek van WFA en Agency Mania Solutions onder 69 multinationals met samen $147 miljard aan bestedingen dat arbeidsgebaseerde bureauvergoeding is gedaald van 54% in 2011 naar 17% in 2026. Zo'n 58% van de merken verwacht meer prestatiegerichte betaling. Slechts 20% heeft tot nu toe zijn model aangepast vanwege AI, maar 61% is van plan dat te doen.
Waarom vragen klanten wat jouw AI daadwerkelijk oplevert?
Omdat tijd als maatstaf voor waarde instort. Als een rapport waar vroeger een dag overheen ging nu een uur kost, voelt het raar om die dag te factureren en voelt het als een loonsverlaging om dat uur te factureren. Het WFA-onderzoek noemt AI als reden dat tijd steeds minder zegt over wat een bureau waard is.
Toch zit de verschuiving halverwege vast. Adweek meldde deze maand dat merken traag zijn met het invoeren van resultaatgerichte vergoeding, terwijl AI de op FTE gebaseerde omzet van bureaus uitholt. Bob Lord, president van Horizon Media Holdings, noemde FTE-facturatie het ‘oude systeem’ en vroeg zich af of dat kan worden doorbroken ‘zonder een of andere externe kracht’.
Die patstelling is een kans voor onafhankelijke bureaus. Als het oude model een externe kracht nodig heeft, kan een bureau dat met geloofwaardige resultaatcijfers aanklopt die kracht zijn, in plaats van te wachten tot inkoop er een oplegt. Maar dan moeten het wel de juiste cijfers zijn.
Wat telt als vanity metric bij AI in bureaus?
Een Singaporese bureauoprichter die 18 maanden probeerde zijn bureau van zo'n 20 mensen AI-native te maken, zette het deze week tijdens een sessie over AI-adoptie op één slide: wat we telden versus wat ertoe doet. Zoals het diagram laat zien, staat in de linkerkolom het materiaal waarmee een interne all-handspresentatie wordt gevuld: AI-gebruikers, geautomatiseerde taken, ingezette agents, gegenereerde assets. De rechterkolom is gekoppeld aan bedrijfsresultaten: kosten per output, doorlooptijd per output, kwaliteit/foutenpercentage en winstimpact.
Zijn punt was ronduit. De klant maakt het niet uit of je AI hebt gebruikt. Hij wil dat de output goed is. Niemand verlengt een retainer omdat het bureau 40 actieve seats heeft.
Zo kun je elk vanity-cijfer vertalen naar iets wat een klant kan voelen.
| Wat we telden | Waarom het vleit | Wat er in plaats daarvan toe doet | De klantvraag waar het antwoord op geeft |
|---|---|---|---|
| AI-gebruikers | Meet licenties, geen nuttig werk | Kosten per output | ‘Betalen we minder per rapport, edit of asset?’ |
| Geautomatiseerde taken | Telt pogingen en negeert het herstelwerk | Doorlooptijd per output | ‘Krijgen we het werk eerder?’ |
| Ingezette agents | Beloont bouwen boven resultaat | Kwaliteit / foutenpercentage | ‘Kunnen we vertrouwen op wat in onze inbox belandt?’ |
| Gegenereerde assets | Volume is goedkoop en het meeste wordt nooit gebruikt | Winstimpact | ‘Heeft dit invloed gehad op omzet, marge of efficiëntie?’ |
De koppelingen zijn van ons, geen natuurwet. Het principe geldt hoe dan ook: elk cijfer dat je rapporteert moet de vraag ‘en wat dan?’ van de klant kunnen doorstaan.
Waarom is ‘goed genoeg’ AI-output zo duur?
Het nuttigste idee uit de talk ging over acceptatiepercentages. Stel dat een AI-workflow tien klantreacties, captions of rapportsamenvattingen opstelt en er zes worden geaccepteerd zoals ze zijn. De meeste teams vieren die zes en repareren de andere vier stilletjes met de hand. Het pleidooi van de oprichter: bouw een gesloten loop die elke correctie terugvoedt in het systeem, zodat zes zeven wordt, dan acht en dan negen.
Het gevaar is het tegenovergestelde. Output die in 60–70% van de gevallen werkt, wordt doorgewuifd als ‘goed genoeg’, en middelmatigheid wordt de huisstandaard. Niemand heeft besloten de lat te verlagen. Het is gewoon langzaam afgegleden.
Bij een bureau ziet die afglijding er zo uit: een socialteam dat de vrijdagmiddag besteedt aan het herschrijven van AI-captions en daar niets mee heeft bespaard, of een CRM-bureau waarvan de segmentatie meestal klopt en de rest van de tijd pijnlijk is. De tijdwinst op papier wordt opgegeten door bewerken, en de klant ziet de missers, niet het gemiddelde.
Het acceptatiepercentage is een kwaliteitsmetric die je vanaf dag één kunt bijhouden. Een stijgend percentage betekent dat de loop werkt. Een gelijkblijvend percentage betekent dat je een abonnement hebt gekocht, geen vaardigheid.
Waarom blijven bureaus de verkeerde AI-cijfers rapporteren?
De Value Perception Theory legt het eenvoudig uit: mensen beoordelen waarde op basis van het voordeel dat ze ervaren ten opzichte van wat ze opgeven, niet op basis van wat de verkoper erin heeft gestopt. Inputs zijn zichtbaar voor het bureau en onzichtbaar voor de klant. ‘Ingezette agents’ is een input. Een rapport dat twee dagen eerder binnenkomt en geen correcties nodig heeft, is een voordeel.
Bureaus vallen terug op inputmetrics omdat die makkelijk te tellen zijn en het team er druk uit laten zien. De holdings hebben de markt getraind om op dezelfde manier over eigen platforms te praten. Maar een klant voelt je stack niet. Hij voelt doorlooptijd, nauwkeurigheid en of het werk zijn cijfers heeft verbeterd.
Het is ook waarom facturatie op basis van tijd het zwaar heeft. Uren zijn ook een input.
Hoe bouw je een AI-scorecard waar klanten voor willen betalen?
Begin klein: één workflow, één klant, één kwartaal. Breid daarna uit.
- Kies een workflow die de klant al voelt. Maandelijkse rapportage, concurrentieanalyses, het resizen van assets of campagne-QA. Als de klant het niet zou merken dat het beter wordt, is het de verkeerde plek om te beginnen.
- Meet de nulsituatie eerlijk. Uren, kosten per output en correcties per oplevering voordat er AI aan te pas komt. Zonder nulmeting is elke verbetering een anekdote.
- Stel het doel op in resultaattermen. ‘Rapport in één dag opgeleverd in plaats van drie, zonder klantcorrecties’ is beter dan ‘AI gebruiken voor rapportage’.
- Tel de volledige kosten mee. Reken de tijd mee die mensen besteden aan het controleren en bewerken van AI-output. Een workflow die vier uur bespaart en vier uur herstelwerk toevoegt, heeft niets bespaard.
- Volg het acceptatiepercentage wekelijks. Noteer wat is geaccepteerd, wat is aangepast en waarom. Voed de aanpassingen terug in prompts, templates en voorbeelden, zodat het percentage stijgt.
- Rapporteer in de taal van de klant. Kosten per output, doorlooptijd per output, foutenpercentage en, waar je het kunt koppelen, het effect op omzet of marge. Laat seat-aantallen in de interne presentatie.
- Neem het bewijs mee naar het commerciële gesprek. Twee kwartalen aan resultaatdata geven je de basis voor een fee die aan output of prestaties is gekoppeld, de richting die volgens het WFA-onderzoek de meeste merken verwachten.
Waar past creativiteit in resultaatmetrics?
Creatievelingen vrezen, terecht, dat resultaatmetrics ideeën reduceren tot spreadsheets. Dat hoeft niet. Het doel is om de kloof tussen een creatief concept en een meetbaar resultaat te dichten voordat het mediageld wordt uitgegeven, niet om de spreadsheet het idee te laten schrijven.
Dat betekent dat je vroeg met bewijs komt: welke spanningen bij de doelgroep het werk beantwoordt, hoe concurrenten in de categorie communiceren en hoe groot de kans is dat een creatie de klik verdient. Op het Defy-platform worden creatieve voorspellingen gevalideerd aan de hand van echte advertentieprestaties, zodat het gesprek over resultaten met de klant begint bij bewijs in plaats van smaak. Smaak bepaalt nog steeds wat er gemaakt wordt. Bewijs bepaalt wat je kunt verdedigen.
Dezelfde logica geldt voor de uitvoering. SAMY, een wereldwijd influencerbureau, zette Defy Agents in om prestatierapportages te stroomlijnen en bracht drie dagen werk terug tot één. Dat is een doorlooptijdcijfer dat een klant kan voelen, en dat is precies het punt.
