Stop met één standaardmodel: ontwerp een AI-router voor je werk

Waarom ‘het beste model’ de verkeerde vraag is

Veel AI-teams raken vermoeid van modelkeuze. Er verschijnt weer een nieuw model, een ander model lijkt ineens sneller, en een derde model wordt gepositioneerd als goedkoper alternatief. Wie alleen probeert bij te houden welk model vandaag het sterkst klinkt, maakt van AI-implementatie een permanente vergelijkingsrace. Dat is zelden de beste manier om betrouwbaar werk te organiseren.

De nuttigere vraag is: welke vorm van intelligentie heeft deze taak nodig? Een korte classificatie van inkomende e-mails vraagt iets anders dan het uitdenken van een strategisch besluit, het samenvatten van interne documentatie of het voorbereiden van een klantvoorstel. Het ene werk vraagt vooral consistentie en snelheid. Het andere werk vraagt redenering, contextbegrip, nuance en zorgvuldige controle.

Daarom is modelkwaliteit niet hetzelfde als modelgeschiktheid. Een model kan in algemene zin sterk zijn en toch onnodig zwaar voor een simpele taak. Een goedkoper of sneller model kan handig zijn voor herhaalbaar werk, maar ongeschikt worden zodra de foutkosten oplopen. Volwassen AI-gebruik begint niet bij de vraag welk model de ranglijst wint, maar bij de vraag hoe werk door je organisatie stroomt.

Maak eerst een taakkaart, geen modellijst

Een praktische AI-router begint met een taakkaart. Zet niet eerst alle beschikbare modellen op een rij, maar alle terugkerende taken. Denk aan samenvatten, herschrijven, classificeren, gegevens structureren, klantvragen voorbereiden, analyse van documenten, ideeën genereren, controles uitvoeren of planningen maken. Per taak beschrijf je hoe vaak die voorkomt, wie de output gebruikt en wat er misgaat als de output matig is.

Daarna verdeel je taken in herkenbare categorieën. Routinematig werk is vaak voorspelbaar en leent zich eerder voor standaardisatie. Creatief werk vraagt meerdere opties en een mens die kiest. Analytisch werk vraagt controle op aannames en redenering. Klantgericht werk vraagt extra aandacht voor toon, belofte en privacy. Risicovol werk vraagt duidelijke grenzen, menselijke beoordeling en soms helemaal geen automatische afhandeling.

Deze taakkaart maakt modelkeuze rustiger. Je hoeft niet elke dag opnieuw te discussiëren over losse tools. Het team ziet: dit type werk mag naar een lichte route, dit type werk vraagt een zwaardere route, en dit type werk mag alleen met expliciete review. Daarmee verandert AI van experiment naar werkontwerp.

Wanneer een duurder model wél logisch is

Een sterker of duurder model is niet automatisch een prestige-keuze. In sommige situaties is het een risico-keuze. Als een taak veel context bevat, meerdere belangen moet afwegen of vraagt om complexe redenering, kan een lichter model te kort door de bocht gaan. Dat betekent niet dat een sterker model foutloos is. Het betekent wel dat de organisatie bewust kiest voor meer denkcapaciteit bij werk waar middelmatige output duur kan uitpakken.

Voorbeelden zijn strategische analyses, scenario’s met veel afhankelijkheden, juridische of contractuele voorbereidingen, complexe klantcases, technische afwegingen of beslissingen die later moeilijk te herstellen zijn. Juist bij zulke taken moet menselijke beoordeling zichtbaar in de workflow blijven. AI kan voorbereiden, structureren en opties uitwerken, maar de verantwoordelijkheid voor interpretatie en besluitvorming hoort niet te verdwijnen.

Een nuttige vuistregel is: hoe hoger de impact van een fout, hoe minder modelkeuze over kosten mag gaan. Kosten tellen nog steeds mee, maar niet als eerste criterium. De router moet dan vragen: is de context compleet, welke aannames worden gemaakt, wie controleert de output, en wat is de stopregel als het systeem onzeker of inconsistent is?

Wanneer een goedkoper model genoeg kan zijn

Goedkopere of snellere modellen kunnen waardevol zijn voor bekend en herhaalbaar werk. Denk aan het maken van een eerste samenvatting, het structureren van notities, het omzetten van input naar een vast format, het labelen van eenvoudige berichten of het maken van een eerste concept dat toch nog door een medewerker wordt bekeken. In zulke situaties is de output niet automatisch eindproduct, maar tussenstap.

De fout die teams vaak maken, is goedkoper verwarren met veilig genoeg. Een lichtere route werkt pas goed als er duidelijke grenzen zijn. Welke input mag erin? Welke output mag direct door? Wanneer is review verplicht? Welke signalen betekenen dat de taak moet worden opgeschaald naar een sterker model of naar een mens? Zonder die afspraken kan kostenbesparing omslaan in herstelwerk.

Snelle review hoort daarom bij de workflow, niet ernaast. Laat een model bijvoorbeeld een concept maken, maar laat een medewerker controleren op feitelijke fouten, klantbelofte, toon en ontbrekende context. Bij interne taken kan die review lichter zijn. Bij klantcommunicatie, commerciële voorstellen of beslissingen met financiële gevolgen moet de controle zwaarder zijn.

Ontwerp een simpele AI-router voor je team

Een AI-router hoeft niet technisch ingewikkeld te beginnen. Een beslisboom in een document, intern handboek of proceskaart kan al genoeg zijn. Start met vijf vragen: wat is het taaktype, wat zijn de foutkosten, hoeveel context is nodig, hoe snel moet het klaar zijn en welk reviewniveau is verplicht? Pas daarna kies je een modelcategorie.

Werk met modelcategorieën in plaats van een lange toolcatalogus. Bijvoorbeeld: een dagelijkse route voor standaardwerk, een analyse-route voor zwaardere redenering, een creatieve route voor varianten, en een hoge-impactroute met verplichte menselijke review. De exacte modelnamen kunnen later veranderen. De werklogica blijft dan overeind.

Voor Funnel Adviseur is dit vooral relevant in B2B-processen waar AI niet los staat van marketing, sales, service en administratie. Een AI-router voorkomt dat medewerkers willekeurig tools kiezen, maar voorkomt ook dat alles onnodig via het zwaarste model loopt. Het doel is niet maximale automatisering. Het doel is voorspelbare output met passende kosten en passende controle.

Begin klein, maar leg beslissingen vast

De beste start is een beperkt experiment met drie tot vijf veelvoorkomende taken. Meet niet alleen of de output bruikbaar voelt, maar ook hoeveel correctie nodig is, welke fouten terugkomen en waar medewerkers alsnog opschalen. Die observaties zijn belangrijker dan losse meningen over welk model prettiger werkt.

Leg daarna vast welke route voorlopig de standaard is. Niet als definitieve waarheid, maar als werkafspraak. Modelrouting is volwassen wanneer iemand in het team kan uitleggen waarom een taak naar een bepaalde route gaat, wanneer die keuze wordt herzien en wanneer AI juist niet wordt gebruikt. Dat geeft rust in een markt waarin modelnamen blijven schuiven.