AI bouwen of inkopen: onderzoek onder Braziliaanse bedrijven

De enquête onderscheidt vijf routes: AI-software of -systemen ontwikkeld door eigen medewerkers; aangepast door eigen medewerkers; opensourcesystemen aangepast door eigen medewerkers; gebruiksklaar verkregen systemen; en systemen waarvoor externe leveranciers zijn ingehuurd om ze te ontwikkelen of aan te passen. Een bedrijf kan meerdere routes melden.^[2]

De eerste drie noemen we interne ontwikkeling of aanpassing. Werk in opdracht blijft een aparte categorie: iemand buiten het bedrijf voert dat uit. Een bestaand product van een leverancier afnemen bewijst op zichzelf niet dat het bedrijf ontwikkelwerk heeft uitbesteed. Software aanpassen betekent ook niet noodzakelijk een AI-model trainen.

De definitie van de technologie is breder dan generatieve AI. Ze omvat taal- en beeldanalyse, spraakherkenning, voorspellingen, procesautomatisering en autonome fysieke machines. De resultaten gaan dus niet uitsluitend over chatbots, AI-schrijftools of AI-agents.^[2]

Eén belangrijke koppeling ontbreekt in de vragenlijst. Ze vraagt hoe het bedrijf AI verkrijgt en apart of het AI voor marketing of verkoop gebruikt. Een bedrijf kan een kant-en-klaar marketingproduct afnemen en een losstaand systeem voor de bedrijfsvoering laten ontwikkelen. Het kan ook verschillende routes melden voor samenhangende systemen. We herkennen de combinatie binnen het bedrijf, maar kunnen een route niet aan zijn marketingtoepassing toewijzen.

Van 447 bedrijven die in aanmerking komen, AI voor marketing of verkoop gebruiken en alle vragen over de herkomst beantwoorden, meldt naar schatting 69,0% kant-en-klare AI én minstens één route voor ontwikkeling of aanpassing. Het puntsgewijze 95%-betrouwbaarheidsinterval is 61,9%–76,1%. Nog eens 16,1% meldt kant-en-klare AI zonder een van die aanvullende routes, met een interval van 10,5%–21,6%.^[1][4]

Dit zijn gewogen percentages. Het eerste resultaat berust op 307 respondenten, maar 307 delen door 447 geeft het ongewogen steekproefaandeel, niet de schatting voor de populatie. De enquêtegewichten houden rekening met hoe de respondenten bedrijven in de afgebakende populatie vertegenwoordigen.

Beperk de vraag nu tot de 376 bedrijven met volledige antwoorden die kant-en-klare AI melden. Binnen die groep leveren dezelfde 307 respondenten een schatting van 81,1% op voor aanvullende ontwikkeling of aanpassing, met een 95%-interval van 74,7%–87,5%. De noemer is veranderd. De 69,0% en 81,1% beschrijven dezelfde combinatie vanuit twee perspectieven, niet twee onafhankelijke bevindingen.

Voor een marketingmanager volgt daar een interne vraag uit: welk werk gebeurt er naast het afnemen van de tools? Dat kan werk van medewerkers zijn, van ingehuurde leveranciers of van beide. De enquête laat niet zien dat het kant-en-klare product zelf is aangepast. Een bruikbare inventarisatie begint daarom bij afzonderlijke systemen en het werk dat daarbij hoort.

Binnen de groep gebruikers van kant-en-klare AI met volledige antwoorden meldt 66,3% ontwikkeling of aanpassing door ingehuurde partijen en 39,0% interne ontwikkeling of aanpassing. Die categorieën overlappen: 24,2% meldt beide. Wie de eerste twee percentages optelt, telt sommige bedrijven dubbel.^[4]

De vier combinaties maken de rollen duidelijker. Uitbesteed werk zonder intern werk komt voor bij 42,1%; intern werk zonder uitbesteed werk bij 14,8%; beide bij 24,2%; en geen van beide bij 18,9%. Elke groep in deze figuur meldt ook kant-en-klare AI. “Geen van beide” betekent geen van de aanvullende ontwikkelroutes, niet dat het bedrijf geen AI of geen verantwoordelijke medewerkers heeft.

Het aandeel voor uitbesteed werk ligt 27,3 procentpunt boven dat voor intern werk, met een puntsgewijs 95%-interval van 14,0–40,5 procentpunt. We berekenden het verschil binnen elke replicatie van de enquête, zodat de samenhang tussen beide antwoorden behouden blijft. Het beschrijft hoe vaak de rollen worden gemeld, niet hun aandeel in uitgaven, werktijd of bedrijfswaarde.

Dat onderscheid is relevant wanneer een marketingmanager vraagt wie iets kan veranderen. Een medewerker kan een systeem wellicht rechtstreeks aanpassen, terwijl een leverancier een specificatie, afgesproken opdracht en overdracht nodig heeft. Een bedrijf dat beide routes gebruikt, moet weten welke afspraak geldt voor de gevraagde wijziging. De enquête stelt niet vast hoe goed die afspraken werkten.

AI intern ontwikkelen en van externe partijen betrekken is geen nieuw idee. Hoffreumon, Forman en van Zeebroeck onderzochten in 2024 het verkrijgen van kant-en-klare systemen en interne ontwikkeling of aanpassing bij 3.143 Europese bedrijven. Hun gepubliceerde samenvatting meldt dat de routes elkaar vaak aanvullen.^[6]

Cetics eigen publicatie over 2025 vermeldt de afzonderlijke percentages voor de verschillende routes en bespreekt hoe verschillende manieren om AI in te voeren naast elkaar bestaan. Onze bijdrage is specifieker: een reproduceerbare schatting van de routes die dezelfde Braziliaanse bedrijven in de afgebakende groep met AI voor marketing of verkoop melden, met onderscheid tussen eigen werk en uitbesteed werk.^[5]

Dit vergelijkingspunt helpt een beoordeling structureren, maar kiest geen leverancier en beslist niet over een investering. Een veelgebruikte aanpak kan voor een bepaald bedrijf ongeschikt zijn. De relevante vraag is of de voorgestelde oplossing de beoogde taak kan uitvoeren en of iemand haar na oplevering kan onderhouden.

Stel je een fictieve Braziliaanse leverancier van kantoormeubilair voor. Het marketingteam neemt een bestaande tool af die productbeschrijvingen opstelt. Medewerkers passen ook een intern AI-systeem aan dat binnenkomende aanvragen verdeelt. Een externe ontwikkelaar krijgt de opdracht om een apart systeem voor verkoopprognoses aan te passen. Dit zijn voorbeelden, geen bedrijf uit de enquête en geen aanbevolen combinatie.

De marketingmanager begint met één taak: productbeschrijvingen moeten consistent blijven wanneer specificaties veranderen. De afgenomen schrijftool is daar maar een onderdeel van. Iemand moet de goedgekeurde specificaties aanleveren, de concepttekst controleren en beslissen wanneer die gebruikt mag worden. Die verantwoordelijkheden betekenen op zichzelf niet dat het bedrijf AI-software heeft ontwikkeld of aangepast.

Het systeem voor aanvragen roept een andere vraag op. Een medewerker heeft de toewijzing veranderd. Het team legt vast wie die aanpassing begrijpt, hoe een verkeerde toewijzing opvalt en wie een ongeschikte wijziging kan terugdraaien. Bij het uitbestede prognosesysteem controleert het wat de externe ontwikkelaar zal overdragen, welke wijzigingen bij de opdracht horen en wie na oplevering reageert.

Het team zet de drie systemen op afzonderlijke regels van het werkblad. Eén label “wij kopen AI in” zou het interne aanpassingswerk en de externe opdracht verbergen; “wij bouwen AI” zou het afgenomen product buiten beeld houden. De inventarisatie vraagt niet om dezelfde keuze voor alle drie.

De acties zijn concreet: wijs een beoordelaar voor de beschrijvingen aan, documenteer de wijziging in het aanvraagsysteem en spreek de overdracht van het prognosesysteem af. Het voorbeeld claimt geen besparing of betere prestaties. Of deze acties het bedrijf helpen, moet blijken uit zijn eigen werk.

Gebruik één regel per bestaand systeem of voorgestelde toepassing. Begin met een concrete taak, zoals productteksten voorbereiden of verkoopaanvragen sorteren. Noem een regel niet alleen “marketing-AI”: dat verbergt welk werk de tool moet doen. Dit werkblad is een praktische suggestie, geen ingreep die in de enquête is getest.

Leg het systeem en de taak vast. Noteer de naam, de bedrijfsvraag, de gebruikte informatie en de uitkomst waarop iemand handelt. Benoem iemand die het huidige proces kan laten zien. Als de voorgestelde tool nog niet bestaat, scheid dan de beoogde taak van aannames over wat de tool zal opleveren.

Leg vast hoe het systeem wordt verkregen en veranderd. Markeer een kant-en-klaar systeem, ontwikkeling of aanpassing door medewerkers, ontwikkeling of aanpassing door ingehuurde partijen, of een combinatie. Beschrijf het concrete werk achter elke markering. Maak onderscheid tussen gewoon gebruik, inhoudelijke controle en configuratie enerzijds en de claim dat medewerkers software ontwikkelden anderzijds. Vraag bij twijfel de technisch verantwoordelijke.

Benoem wie verantwoordelijk is voor overdracht en onderhoud. Wie accepteert een opgeleverde wijziging, houdt de invoer actueel, behandelt een storing en mag vervanging goedkeuren? Als er een leverancier bij betrokken is, noteer dan welke verantwoordelijkheden die daadwerkelijk aanvaardt. Een contactnaam alleen vertelt niet wat er gebeurt als die persoon afwezig is.

Bepaal een beoordeling en een uitwijkmogelijkheid. Kies een concreet voorbeeld dat het systeem moet kunnen verwerken en een bekende situatie die menselijke controle vereist. Noteer hoe het team het resultaat bekijkt en wat het doet als het systeem niet beschikbaar of ongeschikt is. Gebruik goedgekeurde testinformatie; neem niet aan dat een nieuwe leverancier bestaande klantgegevens mag ontvangen.

Een ingevulde regel moet lezen als een uitvoerbare instructie: “Tool voor productbeschrijvingen; goedgekeurd specificatieblad; concept beoordeeld door de catalogusredacteur; productwijzigingen aangeleverd door assortimentsbeheer; storingen naar de aangewezen toolbeheerder; eerder goedgekeurde tekst gebruiken zolang een storing wordt opgelost.” Dit voorbeeld beschrijft verantwoordelijkheid. Gewoon redigeren wordt daarmee geen AI-ontwikkeling.

Vergelijk opties voor een nieuwe toepassing met dezelfde taak en beoordelingscriteria. Vraag wat een bestaand product standaard kan, welk werk medewerkers zouden moeten doen en wat een ingehuurde leverancier zou leveren. Houd die antwoorden eerst apart voordat je combinaties vergelijkt.

Maak in een begroting onderscheid tussen de productprijs en ontwikkeling, beoordeling, onderhoud en overdracht. Gebruik offertes en tijdsinschattingen van het eigen bedrijf. De Braziliaanse enquête meet geen van die kosten. De percentages rechtvaardigen dus niet de claim dat inkopen, bouwen of uitbesteden goedkoper zal zijn.

Als het bedrijf al meerdere systemen heeft, maak dan eerst de inventarisatie af voordat je de strategie een nieuw label geeft. De centrale bevinding is dat kant-en-klare AI in deze specifieke groep vaak naast andere routes voorkomt. De nuttige volgende stap is de bijbehorende verantwoordelijkheden in je eigen bedrijf te vinden en die zichtbaar mee te nemen in de volgende beslissing.

We analyseerden de openbare, voor vertrouwelijkheid bewerkte microdata van NIC.br/Cetic.br uit TIC Empresas 2025, opgehaald op 17 oktober 2026. De enquête omvat actieve formele Braziliaanse bedrijven in geselecteerde industrie-, bouw-, handels- en dienstensectoren met minstens 10 werkzame personen. “Werkzame personen” is breder dan werknemers in loondienst. Bedrijven onder die grens, overheidsbedrijven en sectoren buiten het steekproefkader zijn uitgesloten.^[1][3]

De interviews liepen van februari 2025 tot januari 2026, met de AI-module in alle drie de golven. Een IT-afdeling of IT-specialist en het gebruik van minstens één genoemde AI-technologie zijn vereist. H10_A meet huidig gebruik voor marketing of verkoop; H9A_A–E meet hoe AI is verkregen. Voor deze AI-vragen is geen terugblikperiode van 12 maanden vastgelegd.^[2][3][8]

Het openbare bestand bevat 4.171 waarnemingen, waaronder 1.085 gemelde AI-gebruikers en 472 bedrijven die AI voor marketing of verkoop melden. Van die laatste groep beantwoorden 447 alle vijf vragen over herkomst met ja of nee. Zij vertegenwoordigen 96,7% van de gewogen groep. De hoofdfiguren gebruiken die volledige antwoorden. De subgroep met kant-en-klare AI omvat 376 respondenten. Onbekende antwoorden worden niet als nee behandeld.^[4]

Voor elk percentage delen we de som van de gewichten voor de betreffende combinatie door de som voor de afgebakende groep. We berekenen volledige verhoudingen en verschillen opnieuw met de 200 meegeleverde gecombineerde replicatiegewichten en oorspronkelijke variantie-instellingen. De puntsgewijze normale 95%-intervallen gebruiken 1,96 standaardfouten, volgens Cetics methode. Ze geven geen gelijktijdige garanties voor alle vergelijkingen.^[3][7]

We voegen ook de 25 respondenten met onvolledige antwoorden weer toe en bekijken elke ja/nee-aanvulling die met hun bekende antwoorden verenigbaar is. Het gezamenlijke patroon ligt dan tussen 67,7% en 69,0% van alle in aanmerking komende gebruikers van AI voor marketing of verkoop. Het voorwaardelijke aandeel onder gebruikers van kant-en-klare AI ligt tussen 80,9% en 81,6%, waarbij teller en noemer op een samenhangende manier mogen veranderen. Dit zijn grenzen vanwege ontbrekende antwoorden, geen betrouwbaarheidsintervallen; de steekproefintervallen blijven breder.

Het verslag over de gegevensverzameling vermeldt een totale respons van 8% en 4.174 voltooide interviews. Waarom het openbare bestand drie waarnemingen minder bevat, is niet vastgesteld. Weging en steekproefintervallen nemen niet alle vertekening door non-respons of antwoorden weg en kwantificeren geen fouten door vertrouwelijkheidsbewerking. We controleerden zes afzonderlijke AI-percentages en hun onzekerheid aan de hand van de officiële tabellen. Dat bewijst niet dat elke nieuwe gezamenlijke relatie door die bewerking onaangetast blijft.^[7][8]

We tonen geselecteerde patronen en de vier combinaties van werkrollen bij volledige antwoorden. Een kleine restgroep zonder gemelde route blijft zonder verdere interpretatie in de noemer van de hoofdanalyse. De downloads bevatten exacte definities, geaggregeerde schattingen, bronhashes en code. De respondentgegevens moeten apart bij Cetic worden verkregen; hier zijn geen individuele waarnemingen of identificatiecodes opgenomen.^[4][9]