Waarom de meeste bedrijven AI verkeerd prijzen
Maarten Laruelle In februari betoogde ik dat outcome-based pricing faalt wanneer klanten zwaar investeren in het bereiken van die uitkomsten, door mensen, data, processen en expertise te leveren.
Het artikel resoneerde. Maar het leidde ook tot een vraag die ik wekelijks krijg: “Hoe zit het met AI? Dat is toch anders?”
Laat me je zes maanden pricing-experimenten besparen: het is niet anders. Het is hetzelfde framework, gewoon met nieuwere technologie. Veel founders scrambling om hun AI-features te prijzen. Ze maken dezelfde fout als waar ik 7 maanden geleden over schreef bij outcome-based pricing.
Het probleem: alle AI hetzelfde behandelen of de waardeketen niet begrijpen.
Na recent gewerkt te hebben met meerdere scale-ups die AI aan hun producten toevoegen, is dit wat ik geleerd heb.
Niet alle AI is gelijk
Drie onderscheiden categorieën voor pricing.
Autonome AI levert resultaten zelfstandig. De AI draait, levert resultaten, klaar. Geen hand-holding nodig. Voorbeelden: AI die automatisch security vulnerabilities identificeert en fixt, of een agent die supporttickets afhandelt zonder menselijke interventie. Prijs dit op echte waarde. De klant krijgt duidelijke resultaten zonder moeite.
Collaboratieve AI heeft input nodig maar vermenigvuldigt waarde. Het vereist data, prompts en validatie, maar de waardevermenigvuldiging is duidelijk. Voorbeelden: AI die marketingcopy genereert op basis van je merkrichtlijnen, cv-templating dat slim cv’s transformeert van het ene formaat naar het andere, of niche-apps verrijkt met promptgeschiedenis, gelicenseerde content en expertinzichten. Prijs op effectiviteit. Hoeveel versnelt de AI het resultaat?
Efficiëntie AI is gewoon snellere infrastructuur. Het maakt bestaande processen sneller, zoals upgraden van dial-up naar breedband. Voorbeelden: AI-powered search die sneller resultaten levert, of een agent die je knowledge base op een slimme manier serveert. Traditionele pricing werkt hier. Het is een beter tool, geen waardecreator.
De realiteitscheck
De meeste AI-features vallen in categorie 2 of 3. Toch wil iedereen prijzen als categorie 1.
Als je klant de data levert, de prompts, de validatie, de implementatie en de kwaliteitscontrole, dan kan je niet prijzen alsof je het volledige resultaat hebt geleverd.
Wat dit betekent voor je pricing
Stop met vragen “Wat is de AI waard?” Begin met vragen “Hoeveel werk doet de klant nog?” Visualiseer hun manier van werken en de waardeketen.
Hoe meer je AI afhankelijk is van klantinput, hoe meer je pricing verankerd zou moeten zijn in tastbare elementen: verwerkte data, gegenereerde rapporten, bespaarde tijd. Niet het uiteindelijke bedrijfsresultaat.
De parallel met outcome-based pricing
Dit bouwt voort op mijn eerder artikel over outcome-based pricing. Zelfde principe: klanten verzetten zich tegen betalen voor uitkomsten die ze zelf mee hebben gecreëerd.
Of het nu AI is of een ander tool, als ze significant werk doen, willen ze pricing die dat weerspiegelt.
Praktisch voorbeeld van een recente klant
Ze hadden AI die klantchurn kon voorspellen. Klinkt als autonome AI, toch?
Maar de klant moest hun data opschonen en formatteren, definiëren wat “churn” betekende voor hun business, voorspellingen valideren tegen hun kennis, en retentie-acties implementeren.
We verschoven van outcome pricing (per voorkomen churn) naar usage pricing (per voorspelling). Omzet ging omhoog omdat adoptie omhoog ging.
De test
Voordat je je AI-feature prijst, vraag: zou een klant succes kunnen bereiken als ze gewoon op “start” drukten en weggingen?
Zo ja, prijs het resultaat. Zo nee, prijs de elementen.
Wil je uitzoeken wat de juiste pricing aanpak is voor je AI-features? Boek een gesprek.