RPA vs AI Automatisering

De keuze tussen klassieke Robotic Process Automation (RPA) en AI-gedreven automatisering is in 2026 geen theoretische discussie meer. Het is een concrete architectuurbeslissing met harde cost-implicaties: een unattended Power Automate RPA-bot kost €135 per maand via een Power Automate Process-licentie ($150/bot/maand), UiPath-deployments schalen bij 25 bots naar circa $236.000 per jaar all-in, en een AI-agent op basis van Claude Sonnet 4.5 of GPT-4.1 kost $2-$15 per miljoen tokens met een totaal verbruiksprofiel dat volledig afhangt van het aantal runs en de context-lengte. Voor de Nederlandse MKB die een keuze moet maken tussen deze twee fundamenteel verschillende paradigma’s: dit is een technologiekeuze met directe impact op onderhoudsbudget, EU AI Act-classificatie en schaalbaarheid van het automatiseringsprogramma.

Het kernverschil zit in de aanpak. RPA gebruikt software-robots die een menselijke gebruiker imiteren: klikken, typen, scrapen, kopiëren. De bot volgt vooraf geprogrammeerde regels en scripts, exact zoals gedefinieerd door een ontwikkelaar. Moderne RPA-platforms — UiPath, Microsoft Power Automate, Automation Anywhere, SS&C Blue Prism — domineren sinds 2015 de back-office automatisering in finance, HR en supply chain. Volgens de Forrester Wave: Robotic Process Automation Q1 2023 zijn UiPath, Pegasystems, SS&C Blue Prism en Automation Anywhere de Leaders in deze markt, met Microsoft als Strong Performer. AI-automatisering gebruikt machine learning, large language models en computer vision om taken uit te voeren die menselijk oordeelsvermogen vereisen: ongestructureerde documenten interpreteren, e-mails classificeren, natuurlijke taal begrijpen, beslissingen nemen op basis van patronen die niet expliciet geprogrammeerd zijn.

In de praktijk zijn deze twee paradigma’s complementair, niet tegenpolen. Gartner introduceerde hiervoor de term hyperautomation: een business-driven, disciplined approach waarbij organisaties meerdere technologieën (RPA, AI/ML, iBPMS, iPaaS, low-code) combineren om zo veel mogelijk processen end-to-end te automatiseren. UiPath positioneert zichzelf sinds 2025 expliciet als agentic automation platform, Microsoft heeft AI Builder en Copilot in Power Automate geïntegreerd, en Automation Anywhere introduceerde IQ Bot voor intelligent document processing. De markt groeit richting convergentie, maar de onderliggende kostenstructuur en implementatie-karakteristieken blijven verschillen — en die verschillen bepalen welk paradigma past bij welk proces.

De pricing-landscape in 2026 is als volgt. UiPath start op $25 per gebruiker per maand in de Basic-tier (EU-hosting, maximaal 2 robots, 5 Basic users), maar realistische bedrijfs-deployments zitten in de Standard/Enterprise-tier met custom pricing. Een gedocumenteerde mid-market deployment van 25 bots kost circa $236.000 per jaar all-in, en de totale Year-1 costs zijn typisch 2-3x de licentiekosten inclusief implementatie en consultancy. Microsoft Power Automate biedt de agressiefste instapprijs: $15 per gebruiker per maand voor Premium (cloud flows + attended desktop flows), $40 voor Per User + RPA (attended), $150 per bot per maand voor onbewaakte Process-licenties, en $215 per bot per maand voor Hosted Process (Azure-gehoste bot-machine). Automation Anywhere Cloud Starter start op circa $750 per gebruiker per maand met unattended bots vanaf $500-$1.000 per bot per maand; Enterprise-contracten lopen van $100.000 tot $500.000+ per jaar afhankelijk van volume. Tegenover die abonnementsmodellen staat AI-automatisering met een fundamenteel ander verbruikspatroon: u betaalt per token, niet per bot. Claude Sonnet 4.5 kost $3 input / $15 output per miljoen tokens, GPT-4.1 kost $2/$8 per miljoen tokens, en een goedkoop werkpaard-model als Claude Haiku 4.5 of GPT-4o mini zit op $0,15-$1 input / $0,60-$5 output. Bij lage volumes (een paar honderd runs per dag) is AI-automatisering goedkoper; bij hoge volumes en puur gestructureerde inputs wint RPA op unit-cost.

Waar RPA structureel uitblinkt is in processen met stabiele UI’s en legacy-systemen zonder API. Denk aan een bank die dagelijks transacties reconcileert tussen een mainframe-applicatie en een modern ERP: er is geen API-pad, er is alleen een 3270-terminal of een dikke Windows-client. Een RPA-bot navigeert die UI deterministisch, voorspelbaar en met volledige audit-trail — elke klik, elk veld, elke regel in de log. Voor gereguleerde sectoren (finance, zorg, overheid) is die audit-trail een compliance-voordeel dat AI-automatisering niet zonder meer biedt. Volgens McKinsey heeft de financiële sector een automatiseringspotentieel van circa 43%, met bijzonder hoge geschiktheid voor RPA in formulier-processing, data-entry in legacy systemen, reconciliatie en rapportage. Deloitte’s onderzoek naar intelligent automation toont een gemiddelde cost reduction van 31% over drie jaar bij organisaties die doorgeschaald zijn van piloten naar productie — niet dramatisch, maar voorspelbaar en bewezen.

Waar AI-automatisering fundamenteel beter presteert is bij ongestructureerde data en cognitieve taken. Een RPA-bot die factuurverwerking doet kan alleen facturen verwerken met een vast format — zelfde velden, zelfde posities, zelfde lay-out. Zodra de leverancier zijn factuurtemplate verandert, of wanneer u 200 leveranciers heeft met elk een eigen format, breekt de bot. AI-systemen met Intelligent Document Processing (IDP) — ingebouwd in UiPath Document Understanding, AI Builder in Power Automate of Automation Anywhere IQ Bot — herkennen het factuurnummer, bedrag, btw en leveranciersnaam ongeacht positie of lay-out. E-mail-classificatie, sentiment-analyse, anomaly detection en open-vraag-beantwoording zijn andere use cases waar AI structureel wint. IDC voorspelt dat enterprise-uitgaven aan AI-software groeien van $307 miljard in 2025 naar $632 miljard in 2028 — een 31,9% CAGR gedreven door agentic AI en AI-enabled applicaties.

Het onderhoudsverhaal is voor veel organisaties doorslaggevend en wordt onderschat bij de go/no-go beslissing. RPA-bots zijn fragiel door ontwerp: ze navigeren een UI op basis van selectors, coordinates en on-screen patterns. Elke wijziging in de doel-applicatie — een knop die van positie verandert, een nieuw formulierveld, een software-update die de DOM-structuur aanpast — kan de bot laten crashen. In de praktijk besteden organisaties 20 tot 30 procent van hun RPA-budget aan onderhoud, en dit is exact de reden waarom UiPath in 2025 de Healing Agent introduceerde: een AI-powered self-healing laag die UI-wijzigingen detecteert en automatisch corrigeert door overlays te sluiten, selectors aan te passen of te vertragen op laadtijden. De claim: tot 40% minder failures. Dit is een kritisch signaal: zelfs de RPA-leider positioneert AI-technologie niet meer als alternatief maar als noodzakelijke laag bovenop RPA om onderhoudskosten beheersbaar te houden.

Voor AI-automatisering is onderhoud van een andere orde: het model moet periodiek worden geherintroduceerd op nieuwe data om drift te voorkomen, en prompt-engineering moet worden gemonitord als output-kwaliteit degradeert. Maar een AI-systeem breekt niet door een UI-wijziging in de target-applicatie — het breekt door dataverandering. Bij een factuurverwerkingsflow die via een AI-IDP loopt en een REST API naar het ERP, raakt een UI-update in de ERP de flow niet; een RPA-bot die via de UI werkt wel.

De EU AI Act-dimensie wordt in 2026 concreet en dwingt tot classificatie-bewustzijn. Artikel 6 van de verordening definieert high-risk AI-systemen op basis van use case (Annex III) en productveiligheid (Annex I). Pure RPA — regel-gedreven UI-navigatie zonder machine learning — valt niet onder de AI-definitie van de verordening, want de Act hanteert een technologie-neutrale AI-definitie rond systemen die inferenties doen uit data. Een regel-gedreven RPA-bot doet geen inferenties; die volgt een deterministisch script. Zodra u echter AI-componenten toevoegt — UiPath Document Understanding, AI Builder, IQ Bot, een LLM-call binnen de flow — valt dat component wel onder de Act. Artikel 50 over transparantie-verplichtingen wordt afdwingbaar: eindgebruikers moeten worden geïnformeerd dat ze met een AI-systeem interacteren, en AI-gegenereerde content moet machineleesbaar gelabeld zijn. Voor pure RPA is dit irrelevant; voor intelligent automation (RPA + AI) is het een compliance-punt dat in de RFP-fase expliciet moet worden opgenomen.

De implementatie-economics verschillen ook. Een RPA-bot voor een specifiek proces kost typisch €5.000 tot €25.000 aan implementatie (excl. licenties) en is in 1 tot 6 weken operationeel afhankelijk van complexiteit. AI-automatisering voor een vergelijkbaar proces kost €10.000 tot €75.000 en vereist 4 tot 16 weken inclusief data-collectie, model-evaluatie en testing. De hogere kosten van AI worden gecompenseerd door bredere toepasbaarheid: één goed getraind IDP-model kan facturen van 500 verschillende leveranciers aan, waar u 500 RPA-templates zou nodig hebben (of dezelfde IDP-module — en dan is RPA feitelijk alleen het orchestratie-laagje).

Qua use-case mapping zien we in de Nederlandse MKB-praktijk een herhaalbaar patroon. Finance-processen met gestructureerde input (bankmutaties verwerken, BTW-aangifte genereren, debiteurenoverzichten exporteren) lenen zich voor RPA of scripts; facturen inlezen, contracten reviewen en klacht-tickets classificeren vragen AI. HR-processen verschillen per subdomein: payroll-verwerking is sterk gestructureerd en past bij RPA of scripts, terwijl CV-screening, onboarding-vragen en performance-analyse AI-geschikt zijn. Volgens McKinsey heeft HR overall minder directe RPA-geschiktheid dan finance omdat HR-processen minder gestandaardiseerd zijn — maar juist daardoor heeft AI (LLM-gedreven classificatie, samenvatting, toelichting) er meer ruimte. Supply-chain (bestelling-orchestratie, voorraad-sync tussen magazijn en webshop) is typisch RPA of workflow-engine; demand forecasting en anomaly detection in logistiek zijn AI-cases. Customer service combineert bijna altijd beide: RPA of Zapier voor ticket-routing en CRM-sync, AI voor sentiment, auto-suggested responses en eerste-lijn-beantwoording.

Een tweede patroon betreft vendor-strategie: de drie RPA-leiders hebben hun positionering in 2025-2026 fundamenteel verschoven. UiPath heeft op FUSION 2025 expliciet de sprong gemaakt naar agentic automation — AI-agents die zelfstandig RPA-workflows aansturen, uitzonderingen interpreteren en zichzelf herstellen via de Healing Agent. Microsoft heeft AI Builder en Copilot diepgaand geïntegreerd in Power Automate, waarbij een desktop flow nu native LLM-calls, document-understanding en AI-extraction kan uitvoeren zonder externe modellen. Automation Anywhere positioneert IQ Bot al jaren als AI-laag bovenop RPA, met co-bots die documenten interpreteren voordat RPA de gestructureerde actie uitvoert. De gemeenschappelijke richting: RPA wordt de orchestratie-laag, AI wordt de intelligentie-laag, en het onderscheid tussen "RPA-platform" en "AI-platform" vervaagt. Voor een organisatie die vandaag kiest: kies een platform op basis van de lange-termijn roadmap en ecosysteem, niet op basis van het huidige RPA-only feature-set.

Een derde overweging betreft monitoring en observability. RPA-bots loggen per klik, per veld, per regel — volledige traceability voor compliance. AI-automatisering logt inputs en outputs, maar de tussenliggende reasoning is vaak een black-box (zeker bij LLM-flows). Voor gereguleerde sectoren is dit een concreet ontwerp-probleem: hoe toont u aan de AP, de AFM of de NZa dat een beslissing reproduceerbaar en uitlegbaar is? Oplossingen variëren van LLM-audit-trails (elke prompt, elke response, elke tool-call gelogd), via interpreteerbaarheid-technieken (SHAP, LIME voor ML-modellen), tot hybride architectuur waarin AI alleen advies geeft en RPA de deterministische actie uitvoert — met human-in-the-loop voor de grensgevallen. Voor pure-RPA is deze laag ingebakken in de enterprise-tier; voor pure-AI moet u dit zelf bouwen of third-party tooling inkopen, wat de TCO verhoogt.

Niet elke automatisering vereist echter een RPA-bot of een AI-model. Voor veel MKB-bedrijven blijft traditionele automatisering — Python-scripts, Excel/VBA-macro’s, workflow engines als Zapier, Make of n8n — de snelste en goedkoopste route. Deze categorie valt buiten RPA (geen UI-navigatie) en buiten AI (geen machine learning), maar is vaak de juiste eerste stap wanneer er een API beschikbaar is en het proces volledig gestructureerd is. Een Python-script van 50 regels dat nachtelijk een CSV-export genereert kost €500-€3.000 om te bouwen en is goedkoper dan zowel een UiPath-bot van €10.000 als een LLM-call van €0,02 per run maal 10.000 runs. We behandelen dit onderaan in een aparte sub-sectie zodat u niet per ongeluk een RPA-bot bouwt waar een script had volstaan.

Tot slot een realiteitscheck op slagingspercentages. RPA-projecten halen typisch 70-80% slagingspercentage voor goed afgebakende, regel-gedreven taken; AI-projecten zitten op 40-60% mede door data-kwaliteitsproblemen en onrealistische verwachtingen. Deloitte’s onderzoek identificeert de top-4 barrières als process fragmentation, gebrek aan heldere visie, gebrek aan IT-readiness en change resistance — niet de technologie zelf. De implicatie: welke technologie u ook kiest, de organisatorische voorwaarden (duidelijke process-owners, data-hygiene, change management, executive sponsorship) bepalen de slagingskans meer dan de technologiekeuze. Start daarom altijd met 1 proces per categorie (RPA, AI, scripts/workflow), pilot 6-12 weken, meet concrete KPI’s (doorlooptijd, foutmarge, FTE-equivalent), en schaal pas op basis van bewezen resultaten.

In deze vergelijking analyseren we RPA en AI-automatisering naast elkaar op pricing, technische capabilities, onderhoud, compliance en use-case fit — zodat u per proces de juiste technologiekeuze kunt maken. Voor bredere strategische context zie onze guide AI Automatisering.

Opgesteld met AI-tools en gecontroleerd door het redactieteam van CleverTech — tech-leads met ervaring in AI, procesautomatisering en IT-consulting.