AI haalt werk uit de servicedesk van de MSP en dat roept de vraag op wat de klant dan nog betaalt voor een werkplek per maand. De cijfers tonen een bescheidener winst dan de verhalen: volgens Kaseya heeft 55 procent van de MSP’s hoogstens een kwart van het werk geautomatiseerd, en de Australische MSP GCIT, die zijn servicedeskdata van zeven maanden AI-gebruik openbaar maakte, ziet tickets 24 tot 34 procent sneller opgelost worden bij ongeveer 15 procent minder uren. Een halvering van het werk is nergens in zicht, want in een steekproef van 240 tickets kon slechts 49 procent zonder iemand aan het apparaat of met iemand bij een andere leverancier worden afgehandeld. De druk op de prijs komt wel: ISG ziet AI-productiviteit een zichtbaar deflatoir effect krijgen op de tarieven van dienstverleners, softwareleveranciers als HubSpot en Intercom stappen over op betalen per opgeloste vraag en 37 procent van de MSP’s noemt klanten die de prijs te hoog vinden als grootste obstakel voor tevredenheid. Dit artikel rekent voor wat AI aan de kostprijs van een ticket doet, laat zien dat de werkplekprijs nooit een uurtarief was en beschrijft vier manieren om de prijs te koppelen aan risico en uitkomst in plaats van aan uren, met een rekenvoorbeeld voor een MSP die duizend werkplekken beheert.
In dit artikel: Hoeveel werk haalt AI echt weg? | Waar de klant de rekening gaat betwisten? | Wat de werkplekprijs eigenlijk verkoopt? | Vier manieren om de prijs los te koppelen van uren | Rekenvoorbeeld voor een MSP met 1.000 werkplekken | Wat je de klant bij de volgende verlenging vertelt
Klanten lezen dat AI de helft van het IT-werk overneemt en vragen bij de verlenging waarom de prijs per werkplek dan gelijk blijft (of stijgt). MSP’s zien hun eigen technici sneller werken en vragen zich af of ze die winst in de marge mogen houden of moeten doorgeven voordat een concurrent dat doet. Beide vragen gaan uit van dezelfde aanname: dat de prijs per werkplek een versleutelde hoeveelheid uren is. Zolang die aanname overeind blijft, wint de partij die als eerste met een lager tarief komt. De manier om daar uit te blijven is de prijs ergens anders aan te hangen dan aan de uren die erachter zitten.
Hoeveel werk haalt AI echt weg?
De eerlijke stand van zaken is dat AI het werk in de servicedesk versnelt en zeker nog niet halveert. In het 2026 State of the MSP Report van Kaseya zegt 55 procent in de afgelopen twee jaar hoogstens een kwart van het werk te hebben geautomatiseerd, 28 procent komt op ongeveer de helft en 1 procent noemt zichzelf vrijwel volledig geautomatiseerd. De KPI’s die het meest verbeterden zijn de eerste reactietijd (35 procent van de MSP’s), klanttevredenheid (33 procent) en de efficiëntie van technici (32 procent). Winstmarge (18 procent) en facturatie (15 procent) staan onderaan het lijstje. De automatisering landt dus eerst in de snelheid en pas veel later in de cijfers.
Figuur 1. Ruim de helft van de MSP’s heeft hoogstens een kwart van het werk geautomatiseerd. Bron: Kaseya 2026 State of the MSP Report.
Concreter wordt het bij GCIT, een MSP uit Queensland, Australië, met vijf tot zeven technici en zo’n 1.500 gefactureerde gebruikers, die in oktober 2026 zeven maanden servicedeskdata publiceerde. Sinds maart 2026 draait daar een AI-triagelaag die 98,7 procent van de nieuwe tickets van het triagebord haalt, en technici gebruiken een AI-assistent op 82 procent van de tickets die ze oppakken. De wachttijd tot een technicus aan een ticket begint daalde van 49 naar 13 werkminuten, de mediane oplostijd van 2,42 naar 1,84 werkuur en de technicusuren op tickets per maand van 449 naar 381, ongeveer 15 procent minder. Het aantal opgeloste tickets per technicus per maand steeg met 47 procent, deels omdat het ticketvolume zelf met bijna 10 procent groeide. De EBITDA van het bedrijf ging in dezelfde periode van 6,6 naar 14,7 procent van de omzet.
Figuur 2. AI versnelt de servicedesk van GCIT fors, maar bespaart ongeveer 15 procent technicusuren. Bron: GCIT, oktober 2026.
In een steekproef van 240 tickets had 15 procent iemand aan het apparaat nodig, 6 procent fysiek werk en 5 procent een andere leverancier. Slechts 49 procent kon volledig worden afgehandeld met alleen toestemming van de klant. Van de 3.955 oplosplannen die de AI opstelde, werd 19 procent door de eigen controles afgekeurd, en een tweede triageproduct zette bij 52 procent van de tickets het verkeerde type. Er is dus winst te behalen, maar een halvering is vooralsnog vooral fictie. Dat is belangrijk om te weten voordat je een klant tegenover je hebt die met die fictie binnenkomt.
Waar gaat de klant de rekening betwisten?
Dat de klant ermee binnenkomt, staat buiten kijf. ScalePad vroeg ruim 1.100 Noord-Amerikaanse MSP’s wat hen belet om hogere tevredenheidsscores te halen, en 37 procent zette “klanten vinden de prijs te hoog” bovenaan, gelijk met steeds complexere technische verzoeken. In het JumpCloud-onderzoek onder MKB-bedrijven was kosten met 28 procent de meest genoemde reden om met een MSP te stoppen. Kaseya ziet de contracten intussen krimpen: het aandeel klanten dat meer dan 25.000 dollar per jaar uitgeeft daalde van 75 naar 41 procent, 24 procent van de MSP’s meldt klanten die hun IT-budget verlagen en 30 procent noemt stijgende loon-, tool- en infrastructuurkosten als rem op groei. Een markt waarin de kosten stijgen en de contractwaarde daalt, heeft weinig ruimte voor een prijs die op uren is gebouwd.
De tweede bron van druk zit hoger in de keten. Sourcingadviseur ISG constateerde in oktober 2026 dat AI-productiviteit een zichtbaar effect begint te krijgen op de prijzen in de markt voor managed services en dat dienstverleners die AI inzetten in hun delivery een flink deflatoir effect hebben op de tarieven. De Europese markt voor managed services groeide in het derde kwartaal met 12 procent naar 4,3 miljard dollar, maar de jaarcontractwaarde lag 10 procent lager dan een kwartaal eerder. Grote inkopers verwachten inmiddels productiviteitsafspraken in hun contracten, en wat de inkoopafdeling van een corporate dit jaar bedingt, vraagt de financieel directeur van een MKB-klant volgend jaar aan zijn MSP.
De derde bron is de softwarewereld, waar de werkplekprijs zelf onder vuur ligt. HubSpot bracht in april 2026 de prijs van zijn AI-klantenserviceagent terug van 1 dollar per gesprek naar 50 cent per opgeloste vraag, met als voorwaarde dat er geen mens aan te pas komt. Intercom rekent 99 cent per uitkomst voor zijn Fin-agent, en Zendesk stapte over op een prijs per afgehandelde zaak. Klanten die hun helpdesksoftware per oplossing betalen, gaan hun MSP vragen waarom een werkplek nog steeds hetzelfde kost als de servicedesk de helft van de vragen door een agent laat afhandelen. Daar moet een antwoord op liggen voordat de vraag wordt gesteld.
Wat verkoopt de werkplekprijs?
Met andere woorden: wat is een werkplekprijs eigenlijk? Volgens de Global MSP Benchmark Survey van Kaseya uit 2023 hanteert 26 procent van de MSP’s een combinatie van een prijs per gebruiker en per apparaat, 21 procent een all-in prijs per gebruiker en 14 procent een vaste prijs op basis van waarde. De zuivere prijs per apparaat daalde in een jaar van 17 naar 13 procent en verloor terrein aan dat waardegebaseerde model. ScalePad meet dat de meeste MSP’s tussen de 151 en 250 dollar per gebruiker per maand ontvangen en dat 78 procent de terugkerende omzet zag groeien. Een gezonde dienst mikt op een brutomarge van 50 procent of meer, met licenties, tooling en loon als de drie grote kostenposten.
Figuur 3. De combinatie per gebruiker en per apparaat is het meest gebruikte model; vaste waardeprijzen winnen terrein van de prijs per apparaat. Bron: Kaseya Global MSP Benchmark Survey 2023.
In al die modellen is de werkplekprijs iets anders dan een uurtarief in vermomming. De klant koopt er drie dingen mee: een licentie- en toolingstack die hij zelf duurder zou inkopen, een belofte over reactie- en oplostijden die de MSP moet waarmaken ongeacht hoeveel tickets er binnenkomen, en de overdracht van risico, want een ransomware-aanval of een weggelopen engineer is het probleem van de MSP geworden. Het loonaandeel in die prijs is het enige deel waar AI aan rekent, en zelfs daar gaat het om het deel van de tickets dat zonder mens kan. Als je de prijs opbouwt vanuit die drie componenten, verandert de vraag van de klant. Die vraagt dan nog steeds waarom hij betaalt, en het antwoord gaat over wat hij krijgt en wat hij niet meer zelf hoeft te dragen.
Dat vraagt wel dat je de kostprijs kent. ScalePad meet dat 50 procent van de MSP’s de directe kosten per dienst bijhoudt, 44 procent de omzet per gebruiker en slechts 23 procent de EBITDA. Een MSP die zijn eigen loonaandeel per ticket niet weet, kan ook niet uitleggen waarom AI dat aandeel met 15 procent verlaagt en de prijs met 0 procent. De eerste stap in elk prijsgesprek is dus intern: welk deel van de 90 of 120 euro per werkplek is loon, welk deel licentie, welk deel risico-opslag en welk deel marge.
Vier manieren om de prijs los te koppelen van uren
Met die opbouw in de hand zijn er vier manieren om de prijs los te maken van uren, oplopend in hoe ver ze van het huidige model af staan.
De eerste is een gewogen gebruikersprijs. In plaats van één prijs voor elke medewerker krijgt een gebruiker met een laptop, een telefoon en toegang tot drie SaaS-applicaties een hogere factor dan een productiemedewerker met alleen een gedeelde werkplek. De Australische MSP-coach Nigel Moore noemt dat per user 2.0. Het model houdt de factuur herkenbaar voor de klant en koppelt de prijs aan complexiteit en risico in plaats van aan het aantal verwachte tickets. AI-winst op de eenvoudige tickets raakt deze prijs nauwelijks, omdat die prijs nooit op die tickets was gebouwd.
De tweede is een platformtarief plus een lagere prijs per gebruiker. De licenties, de securitystack, monitoring, back-up en de AI-tooling zelf vormen een vaste maandprijs per klant, de servicedesk een bedrag per gebruiker daarbovenop. Als AI de servicedeskkosten drukt, kan dat tweede bedrag meebewegen zonder dat het hele contract ter discussie staat. Voor de klant is zichtbaar dat de AI-laag geld kost en dat de MSP die kosten draagt; Kaseya meet dat 13 procent van de MSP’s AI en automatisering inmiddels als wezenlijke inkomstenbron ziet, tegen 48 procent die het als de grootste klantbehoefte van 2026 noemt.
De derde is prijzen op uitkomst binnen het contract. Een gegarandeerde eerste reactie binnen een kwartier, een maximale oplostijd voor prioriteit 1, een patchgraad van 98 procent binnen zeven dagen, een jaarlijkse hersteltest met rapport: elk van die uitkomsten krijgt een prijs en een bewijsstuk in de kwartaalrapportage. De GCIT-cijfers laten zien waar de AI-winst zit, namelijk in snelheid, en dat is ook wat de klant voelt. Een MSP die zijn reactietijd van 49 naar 13 minuten brengt, verkoopt die 36 minuten in plaats van ze weg te geven.
De vierde is de meest vergaande: een component per opgeloste vraag, naar het voorbeeld van HubSpot en Intercom. Een laag vast bedrag per gebruiker voor de stack en het risico, en daarbovenop een vast bedrag per ticket dat de servicedesk afhandelt, waarbij een door AI opgelost ticket goedkoper is dan een ticket waar een technicus aan heeft gezeten. Het model is transparant en beloont de MSP voor automatisering, maar het brengt ook het volumerisico terug bij de klant, die juist een vaste prijs koos om van dat risico af te zijn. Voor de meeste MKB-klanten past dit model bij een deel van de dienst, zoals gebruikersvragen en wachtwoordresets, en niet bij de hele werkplek.
Rekenvoorbeeld voor een MSP met 1.000 werkplekken
Rekenvoorbeeld: wat AI doet met de marge van een MSP met 1.000 werkplekken
Uitgangspunten (fictief, afgerond): 1.000 werkplekken à 90 euro per maand, dus 90.000 euro omzet. Kosten: licenties en tooling 35 euro per werkplek (35.000 euro), zes engineers à 7.000 euro all-in (42.000 euro), overige kosten 4.000 euro. Marge: 9.000 euro per maand, 10 procent.
Scenario 1, AI zoals bij GCIT: 15 procent minder technicusuren op tickets, omgezet in capaciteit voor projecten of één vacature minder. Loonkosten dalen naar 35.700 euro, AI-tooling kost 2.000 euro extra. Marge: 13.300 euro, bijna 15 procent. De prijs per werkplek blijft 90 euro.
Scenario 2, een concurrent biedt 10 procent lager: de MSP volgt naar 81 euro om de klant te houden. Omzet 81.000 euro, kosten als in scenario 1. Marge: 4.300 euro, onder de 5 procent. De hele AI-winst en meer is weg, zonder dat er een ticket minder is afgehandeld.
Scenario 3, de halvering waar de klant op rekent: als AI werkelijk de helft van de uren zou wegnemen, dalen de loonkosten naar 21.000 euro en stijgt de marge naar 28.000 euro, ruim 31 procent. Dat is de rekensom die klanten in hun hoofd maken. Volgens de GCIT-steekproef kan 49 procent van de tickets zonder iemand ter plekke worden afgehandeld, en dat is iets anders dan de helft van de uren; de tickets die overblijven zijn de duurste.
Scenario 4, platformtarief plus gebruikersprijs: dezelfde 90 euro wordt opgesplitst in 45 euro platform (stack, security, back-up, AI-laag) en 45 euro servicedesk per gebruiker. De MSP geeft op het servicedeskdeel 10 procent korting: 85,50 euro per werkplek. Omzet 85.500 euro, marge 8.800 euro, bijna 10 procent. De klant ziet een lagere prijs, de MSP houdt de uitgangsmarge en heeft een verhaal over waar de AI-winst naartoe ging.
Wat je de klant bij de volgende verlenging vertelt
Een MSP die de prijs verdedigt als vergoeding voor uren, verliest zodra de klant of een concurrent die uren goedkoper inschat, en dat gebeurt nu elk kwartaal. Een MSP die de prijs opbouwt uit stack, risico en uitkomsten, kan de AI-winst deels teruggeven op het onderdeel waar deze ontstaat en de rest in de marge houden, met een rapportage die laat zien dat de klant er snellere reacties, kortere oplostijden en een hogere patchgraad voor terugkrijgt. GCIT zag de EBITDA van 6,6 naar 14,7 procent gaan terwijl de omzet 23 procent groeide; en dat kan alleen als de prijs niet meebeweegt met de uren.
Voor de volgende verlenging betekent dat drie dingen. Zet de kostprijsopbouw per werkplek op papier, ook als die niet op de factuur komt, zodat elke medewerker van de MSP hetzelfde verhaal vertelt. Kies een model waarin het servicedeskdeel apart zichtbaar is en benoem dat de AI-laag daar geld kost en tijd oplevert. En lever bij elke kwartaalrapportage de cijfers die laten zien wat die tijd heeft opgeleverd, in minuten en in afgehandelde tickets. Klanten die zien dat hun MSP sneller is geworden, vragen zelden om een lagere prijs. Klanten die alleen een gelijkblijvende factuur zien, doen dat wel.
Bronnen Kaseya 2026 State of the MSP Report (april 2026, pdf); GCIT, AI for MSPs: seven months of our service desk data (14 oktober 2026); ScalePad 2026 MSP Trends Report, hoofdstuk Financial Performance; ScalePad 2026 MSP Trends Report, hoofdstuk Customer Success + Services; Kaseya, MSP Pricing: a guide to managed IT services pricing, met cijfers uit de Global MSP Benchmark Survey 2023; ISG, Index Insider: 3Q26 ISG Index recap (oktober 2026); ISG Index EMEA Q3 2026, persbericht (12 oktober 2026); Diginomica over de overstap van HubSpot naar outcome-based pricing (april 2026); JumpCloud SME IT Trends Q3 2024, special report Your Route To Positive Client Interactions (pdf); NinjaOne, Managed services pricing strategy for 2026 (margedoelen en per user 2.0).
