Chatbot op de bedrijfswebsite: vanaf hoeveel vragen loont het echt

Een open gids uit onze eigen praktijk. We bieden richting en concrete cijfers; u beslist op uw eigen voorwaarden. Een dienstverlenend bedrijf uit de regio Mazovië, 22 medewerkers, drie personen op de klantenservice. Dagelijks komen via het formulier, e-mail en Messenger tien tot dertig herhalende vragen binnen: over openingstijden, route, basistarieven en benodigde documenten. De twee meest ervaren medewerkers besteedden elk 45–60 minuten per dag aan het beantwoorden. Een deel van de berichten bleef liggen tot de volgende dag door tijdgebrek in de namiddag. Dit is het vertrekpunt, geen uitzondering: bij veel kleinere dienstverleners kost een herhalende vraag 4–8 minuten en bedragen de loonkosten per uur 45–70 PLN inclusief werkgeverslasten, volgens gegevens van het GUS en ZUS: gemiddelde lonen en premies.

AIAfbeelding gegenereerd door AI.

De berekening voorafgaand aan de implementatie

Voorafgaand aan de implementatie hield het bedrijf twee weken lang elke binnenkomende vraag bij. Het bleek dat zestig procent van de berichten varianten waren van twaalf vragen: openingstijden, prijslijst, dienstenpakket en levertijd. Eén handmatige beantwoording kostte 3,5–9 PLN aan arbeid, afhankelijk van de medewerker en de dag. Bij vijftien vragen per dag (ongeveer 450 per maand) bedraagt de waarde van de beantwoordingstijd 1.575–4.050 PLN per maand. Dit is het bedrag waarmee u het abonnement en het onderhoud van de bot vergelijkt. Zonder deze meting is elke implementatie een sprong in het duister.

Kostenbandbreedte op basis van de Poolse loonkosten

In Polen hangen de kosten voor lancering en beheer van een bot sterker af van de kennisbank en integraties dan van de techniek. Een regelgebaseerde chatbot, oftewel een boomstructuur van vragen en antwoorden, implementeert u voor 0–5.000 PLN bij zelfbouw via een SaaS-platform en voor 5.000–20.000 PLN bij configuratie door een Pools bureau. Een AI-bot met bedrijfskennisbank (RAG) kost voor een middelgroot bedrijf meestal 8.000–25.000 PLN. Volledige integratie met een CRM of reserverings-API verhoogt het startbedrag naar 20.000–70.000 PLN. Maandelijkse abonnementskosten? Tot 100 vragen per maand volstaat een gratis pakket tot 100 PLN; 101–500 vragen kost doorgaans 100–300 PLN; bij 501–2.000 vragen per maand liggen de plannen tussen 300–800 PLN. De LLM API-kosten voor een kort antwoord uit de bedrijfskennis bedragen 0,00005–0,0005 PLN per vraag: bij 1.000 vragen per maand is dat een extra 5–50 PLN. Deze drempels zijn gebaseerd op actuele prijslijsten en implementatiestandaarden: Dialogflow CX pricing en OpenAI API pricing tonen aan dat de kosten per vraag niet belemmerend zijn, zolang u complexe, meervoudige antwoorden vermijdt.

Rendabiliteitsdrempel bij loonkosten van 45–70 PLN per werkuur en een behandeltijd van 4–8 minuten per antwoord: handmatig antwoorden op één vraag kost 3,5–9 PLN. Een chatbot van 300 PLN per maand verdient zichzelf terug bij 35–85 vragen per maand. Bij 15 vragen per dag (circa 450 per maand) bedraagt de besparing na aftrek van het abonnement 1.300–3.700 PLN per maand. Dit is de ondergrens: wanneer vragen buiten kantooruren binnenkomen en het bedrijf daardoor daadwerkelijk klanten verliest, daalt de drempel verder. Het aantal van 35 vragen per maand voor een bot van 300 PLN is echter een technisch breekpunt, geen marketingbelofte.

AIAfbeelding gegenereerd door AI.

Berekening voor vier vraagvolumes

Voor een bedrijf uit deze praktijkcase (15–30 vragen per dag, overwegend repetitief) ziet het cijfermatige plaatje er zo uit: 100 vragen per maand betekent een tijdverlies ter waarde van 350–900 PLN; 500 vragen staat voor 1.750–4.500 PLN. Een chatbot met een abonnement van 300 PLN en 30 PLN API verbruik kost vast 330 PLN. De nettobesparing bedraagt bij honderd vragen 20–570 PLN, bij vijfhonderd 1.420–4.170 PLN. Deze berekening valt alleen te betwisten als blijkt dat procesverandering geen tijd vrijmaakt, maar verplaatst; daarover hieronder meer. Bij 50 vragen per maand is geen enkel scenario rendabel; het advies uit de implementatiepraktijk luidt dan: blijf op een gratis SaaS-plan of automatiseer niet en verbeter de FAQ op de website.

Wat de klantenservice doet na de implementatie

Tijdsbesparingen leveren pas waarde op als iemand taken overneemt. In dit geval besteedde één teamlid wekelijks 1–3 uur aan het beheer: een sessie op maandag om gesprekken te controleren, antwoorden bij te sturen en de FAQ-database aan te vullen; wekelijks een analyse van vragen die de bot escaleerde of niet kon beantwoorden. Medewerkers beantwoorden geen repetitieve vragen meer die de bot afhandelt; in plaats daarvan monitoren, testen en verhelpen zij fouten. Daarnaast geldt de informatieplicht uit art. 50 AI Act: meld dat de gebruiker met een AI-systeem communiceert en niet met een mens; vanaf 2 augustus 2026 is dit verplicht: tekst van de verordening. Ook vereist onder de AVG: een verwerkersovereenkomst met de softwareleverancier en een privacyverklaring voor klanten over gegevensverwerking in de chat. Zonder deze twee documenten is de kostenopgave niet compleet.

Voor wie dit scenario geschikt is

Deze implementatie rendeert bij dienstverleners waar meer dan 60% van de vragen repetitief is en binnenkomt via de website, formulieren, e-mail of Messenger. Voor een administratiekantoor met vragen over deadlines en documenten, een reparatiedienst met tarieven of een praktijk met afspraken geldt het scenario met 450 vragen per maand. Rendement ontbreekt bij een advocatenkantoor voor zakelijke geschillen, machinebouwers op maat of B2B sales waar elk gesprek uniek is. De bepalende factor is repetitie, niet het volume.

Tot slot: het rendement op deze investering is vastgesteld tijdens een tweede meetperiode, tien weken na livegang. De bot handelde 64% van de repetitieve vragen zelfstandig af, de nettobesparing kwam uit op 1.550 PLN per maand en de volledige implementatie (4.800 PLN) verdiende zich in de vierde maand terug. Dit is geen marketingmateriaal met cijfers van softwareleveranciers, maar een eigen meting uit de praktijk. Dat is ook de vaste aanpak voor elk volgend project: niet aannemen, maar meten.