Methodologie
Bekijk de geselecteerde taken, kostenaannames, taakklassen, betrouwbaarheid van de kernschattingen en de beperkingen van het resultaat.
Wat je krijgt
Een Wagecard-rapport vergelijkt de gemodelleerde operationele AI-kosten met het marktloon, laat zien wat AI in elke taak kan doen en waar menselijke beoordeling nodig is, en registreert de aannames en de gebruikte methodologieversie.
Inclusief menselijke beoordeling, nieuwe pogingen en foutkosten.
Mediaan marktloon voor de geselecteerde regio en ervaringsniveau.
Illustratief voorbeeld. Waarden veranderen met de functie, taken, uren, locatie en ervaring.
Schatting van de blootstelling
Een score van 0 tot 100 die samenvat welk deel van de geselecteerde takenmix economisch met AI kan worden uitgevoerd. Lees de score samen met de taakverdeling en de kwalitatieve betrouwbaarheid, nooit afzonderlijk.
Operationele AI-kosten
De gemodelleerde kosten van AI voor het geselecteerde werk, inclusief beoordelingstijd, nieuwe pogingen, integratie en verwachte foutkosten.
De takenmix
Elke geselecteerde taak valt in één van vier klassen. Zo zie je waar AI het werk grotendeels kan uitvoeren, waar een mens moet controleren, waar AI alleen ondersteunt en waar een mens doorslaggevend blijft.
Gebruikte invoer
Het model combineert de kwaliteit van het resultaat, controletijd, betrouwbaarheid, foutkosten, integratiewerk en operationele AI-kosten. Het telt ook mee waar vertrouwen, verantwoordelijkheid of context maken dat een mens betrouwbaarder of voordeliger werkt.
01
02
03
04
Details en limieten
Bekijk de taakklassen, betrouwbaarheid, financiële scenario's, transitiekosten, aannames, bronnen en versiegeschiedenis.
AI kan de taak voltooien met weinig menselijke beoordeling en tegen lagere gemodelleerde kosten.
AI kan een groot deel van de taak uitvoeren, maar iemand moet nog steeds het resultaat controleren, uitzonderingen afhandelen en verantwoordelijk blijven voor de uitkomst.
Een mens leidt de taak terwijl AI helpt met opstellen, zoeken, samenvatten of ander ondersteunend werk.
De mens blijft centraal staan omdat vertrouwen, regelgeving, verantwoordelijkheid of relaties AI minder nuttig of duurder maken.
Taakcapaciteit beschrijft of AI een bruikbaar resultaat kan produceren. Betrouwbaarheid beschrijft hoe vaak dat lukt zonder een nieuwe poging, correctie of overdracht aan een mens. Wagecore gebruikt beide, omdat controletijd en mislukkingen de kosten veranderen.
In de huidige matrix hebben 38 combinaties van taak en model een capaciteitsscore van minstens 75. Slechts 5 hebben een betrouwbaarheidsscore van minstens 80. Daarom telt het kostenmodel menselijke controle en nieuwe pogingen mee.
Een Wagecard-rapport toont voor de geselecteerde taken de naar uren gewogen schattingen van capaciteit en betrouwbaarheid, plus het verschil daartussen. Je ziet ook welk deel van het werk een capaciteitsscore van minstens 75 maar een betrouwbaarheidsscore onder 80 heeft.
Verschil tussen capaciteit en betrouwbaarheid
Klarna zei later dat het meer menselijke ondersteuning toevoegde na kwaliteitsproblemen bij de klantenservice.
Investeringsanalyse berekent drie gangbare financiële maatstaven uit het salaris, de transitiekosten, de discontovoet en de andere getoonde aannames. Het zijn scenarioresultaten, geen gegarandeerde opbrengsten.
over vijf jaar
Verdisconteerde scenariobesparingen minus de initiële transitiekosten. Een positief resultaat betekent dat de geselecteerde aannames waarde produceren tegen de gekozen disconteringsvoet.
Interne rentevoet
Het jaarlijkse rendement dat uit het scenario volgt. Vergelijk dit vóór een beslissing met het minimumrendement dat je organisatie hanteert.
Periode
De tijd die nodig is voordat de gemodelleerde cumulatieve besparingen de transitiekosten terugverdienen onder de geselecteerde aannames.
Investeringsanalyse toont een scenario over vijf jaar en alle gebruikte aannames. De discontovoet is standaard 10% en kan met Pro worden aangepast. Het scenario bevat geen optiewaarde, strategische waarde van herplaatsing of eindwaarde na jaar 5.
Het financiële scenario schat ook hoe moeilijk het is om de werkwijze te veranderen. Dat beïnvloedt de transitiekosten, maar niet de schattingen van taakcapaciteit of taakklasse.
Overstapkosten
Het scenario gebruikt verschillende aannames voor de transitiekosten van uitbesteed en intern werk. Controleer deze en vervang ze door de werkelijke kosten van je organisatie voordat je het scenario gebruikt.
Capaciteitstraject
In het basisscenario blijft de huidige capaciteitsschatting gelijk. Een optioneel scenario vergroot in de loop van de tijd het aandeel dat AI uitvoert, terwijl werk waarin een mens doorslaggevend blijft niet verandert. Beide uitkomsten hangen af van de getoonde aannames.
De werkinrichting hoort thuis in het financiële scenario omdat het de organisatie beschrijft, en niet de taak. De taakschattingen blijven ongewijzigd.
In het representatieve model vormt menselijke controle het grootste deel van de maandelijkse operationele AI-kosten. Modelgebruik, orkestratie, nieuwe pogingen en integratie vormen de rest. Het uurtarief van de beoordelaar, inclusief werkgeverslasten, heeft daardoor veel invloed op het resultaat.
Aangenomen uurtarief voor menselijke controle
De standaard gebruikt het mediane basistarief voor kenniswerk in de VS, vermenigvuldigd met ongeveer 1,3 voor arbeidsvoorwaarden en overhead. Vervang dit waar mogelijk door de werkelijke kosten van de beoordelaar inclusief werkgeverslasten, omdat die de gemodelleerde operationele AI-kosten rechtstreeks beïnvloeden.
De kwalitatieve betrouwbaarheid van de kernschattingen weerspiegelt onzekerheid in deze aanname en in de capaciteitenmatrix. Behandel de kosten als een gemodelleerde schatting en controleer het ingevoerde uurtarief voor menselijke controle voordat je het resultaat gebruikt.
Deze bronnen laten zien waarom een AI-kostenraming meer nodig heeft dan modelcapaciteiten en tokenprijzen. Beoordelingstijd, mislukkingen, integratie en de kosten van fouten kunnen bepalen of een taak de moeite waard is om te automatiseren.
VP Applied Deep Learning bij Nvidia
april 2026“Voor mijn team liggen de kosten van compute ver boven de kosten van de medewerkers.”
Fortune ↗MIT CSAIL
studie uit 2024“Bij de huidige kosten is AI-automatisering economisch haalbaar voor slechts 23% van de functies waarin visuele taken centraal staan.”
Studie ↗BCG
2025“Slechts 5% van de bedrijven realiseert AI-waarde op schaal; ~60% rapporteert geen materiële waarde ondanks de investering.”
BCG ↗Klarna + Uber
2025–2026“Klarna voegde later meer menselijke ondersteuning toe na kwaliteitsproblemen. Uber zei dat het AI-coderingsbudget voor 2026 in vier maanden was opgebruikt.”
Wagecore gebruikt dit bewijsmateriaal om de huidige taakeconomie te modelleren. Het beschouwt een capaciteitsdemonstratie niet als bewijs dat het veranderen van het werk geld zal besparen.
Eén beoordelaar gebruikt voor de hele matrix hetzelfde gedocumenteerde beoordelingskader. Elke gepubliceerde wijziging krijgt een versienummer, zodat ieder Wagecard-rapport vastlegt welke invoer is gebruikt.
Gedocumenteerde invoer en formule
Deze pagina beschrijft de beoordelingsregels, het kostenmodel en de taakklassen. Wagecard-rapporten registreren de methodologieversie en tonen de kwalitatieve betrouwbaarheid van de kernschattingen.
Bewijsgestuurde updates
De matrix verandert wanneer voldoende nieuw bewijsmateriaal de kwaliteitscontroles doorstaat. Elke gepubliceerde wijziging krijgt een versie; er is geen vaste kalenderbelofte.
Betrouwbaarheid van kernschattingen
De kwalitatieve betrouwbaarheid geldt voor de belangrijkste gemodelleerde schattingen. Het is geen garantie en geldt niet voor ieder getoond cijfer.
Hetzelfde beoordelingskader
Alle combinaties van taak en model worden met hetzelfde beoordelingskader beoordeeld. De versienotities leggen belangrijke wijzigingen vast.
Kies je taken en uren. Bekijk de gemodelleerde operationele AI-kosten, het marktloon, de taakclassificaties en de betrouwbaarheid van de kernschattingen.