Het AI Agency Retainermodel 2026: Waarom K Projecten Niet Meer Werken
Eind 2023 deed ik een offerte van $38.000 aan een klant. Een op maat gemaakte GPT-4 automatiseringspipeline — documentinname, classificatie, routering naar hun CRM, een Slack-bot erbovenop. Acht weken bouwtijd. Daarna een retainer? Misschien. Waarschijnlijk niet. De marge zat in de projectfee, en die projectfee moest dekken dat werkelijk elke API-call, elke edge case, elke prompt-iteratie nog steeds echt lastig was. Ik leverde het op. Ze waren tevreden. Elf maanden later prijsde ik voor een andere klant een aanzienlijk groter systeem op $11.000 en liet hen op een retainer van $3.200 per maand staan. Zelfde type werk. Minder dan een derde van de projectkosten. Meer jaarlijkse omzet.
Er ging iets stuk tussen die twee trajecten, en het is hetzelfde dat het oude AI agency-model voor iedereen die hier in 2026 nog op inzet, onderuit haalt.
De korte versie: Claude Code en de golf van AI operating layers eromheen hebben de kosten om het ding te bouwen doen instorten. Wat overblijft — het deel dat daadwerkelijk groeit — is het beheren, optimaliseren en verder uitbouwen van het ding, maand na maand, voor een klant die Claude Code zelf niet wil aanraken en dat ook niet zou moeten. Dát is hoe het AI agency retainer model 2026 er van binnenuit uitziet. Geen prijsstrategie, maar een structurele verschuiving waar de waarde zit.
Ik draai content- en automatiseringsinfrastructuur voor vier merken — mejba.me, Ramlit, ColorPark, xCyberSecurity — en die verschuiving is voor mij allesbehalve theoretisch. Het is hoe ik sinds Q4 vorig jaar in stilte mijn eigen inkomstenbasis opnieuw opbouw. Sommige dingen werken. Sommige zijn ronduit gênant. Ik laat je beide zien.
Wat Is Er Eigenlijk Veranderd Tussen 2023 En Nu
Laat me dit concreet maken voordat we het over het geld hebben.
In 2023 schreef ik glue code. Letterlijk — ik koppelde OpenAI’s chat completions API aan elkaar, een LangChain-chain die vastliep als je er verkeerd naar keek, een Pinecone vector store, een Redis cache, een zelfgebouwde retry handler en zo’n 400 regels aan custom prompt scaffolding om één enkele document-classificatietaak betrouwbaar genoeg te maken om te verkopen. De bouw nam weken in beslag. Het debuggen duurde nog langer. Als een klant vroeg: “Kun je urgente items ook naar mijn telefoon sturen?”, betekende dat minimaal nog eens twee dagen extra werk.
Daarom moest het model $20K–$40K per project zijn. Die bedragen kwamen niet voort uit hebzucht. Ze waren simpelweg de enige manier waarop de rekensom klopte. Bij een lagere prijs zou de verhouding tussen besteedbare uren en betrouwbaarheid de marge volledig opvreten.
Kijk nu naar wat precies datzelfde workflow mij in 2026 kost. Ik open Claude Code. Ik beschrijf het systeem in een CLAUDE.md-bestand — intakebronnen, classificatieschema, routeringsregels, escalatievoorwaarden. Ik laat de agent de code opzetten. Ik test het op echte documenten. Ik verbind het met de stack van de klant. De bouw die me in 2023 acht weken kostte, neemt nu ergens tussen de twee en vier werkdagen in beslag, afhankelijk van het integratievlak.
Die cijfers zijn geen luchtfietserij van mij. Adventure PPC’s analyse uit 2026 beschrijft hoe agency-teams een productiviteitsstijging van 45% rapporteren op technisch werk en hoe een bureau met 12 mensen meer dan 80 high-ticket klanten kan bedienen door rapportages en audits te automatiseren. Anthropic’s Claude Code behaalde tegen medio 2026 een jaarlijkse omzetrunrate van $2,5 mrd. Wat je ook van die cijfers vindt: de onderliggende leverings-economie die ze schetsen, is exact wat ik zie in mijn eigen P&L.
Dit is echter het element dat de meeste mensen missen — en het is de spil waar het hele retainer-model om draait.
De kostenimplosie vond niet plaats aan de management-kant. Ze vond plaats aan de kant van de initiële bouw. Dat zijn totaal verschillende aspecten. En juist in dat onderscheid zit het verdienmodel.
Het Deel Dat Niemand Wil Toegeven Over Claude Code
Ondernemers gaan Claude Code niet zelf gebruiken. Ze doen het niet.
Ik ken de stroom aan discussies op tech Twitter die het daarmee oneens is. Ik heb het gelezen. Ik geloof het niet, en ik zal je vertellen waarom — ik heb de afgelopen zes maanden geprobeerd om drie klanten Claude Code te leren. Alle drie zijn het slimme mensen die winstgevende mkb's runnen. Eén van hen is een ex-ingenieur. De ex-ingenieur kon het gebruiken. De andere twee kwamen tot de CLI, staarden naar de terminal, vroegen me wat een CLAUDE.md-bestand was, en zeiden vriendelijk: "kun jij dit gewoon voor ons doen?"
Dat is geen tekortkoming van hun kant. Dat is juist kenmerkend voor hoe de tool is gebouwd. Claude Code is gemaakt voor ontwikkelaars. Het verwacht dat je denkt in git-branches, commitberichten, hooks en permissiescopes. De abstracties die worden aangeboden, zijn de abstracties van iemand die software bouwt, niet van iemand die software-resultaten koopt. Zelfs de Pro-abonnementen van $20 per maand en de Max-abonnementen van $100–$200 zijn opgezet volgens een ontwikkelaarsmentaliteit: gebaseerd op gebruik, context-venster, en prompt-engineering. Een eigenaar van een wasserette met zes filialen denkt niet in tokens per minuut.
Dus wat gebeurt er in de praktijk? De tooling is zo goed geworden dat één engineer met Claude Code nu kan leveren wat vroeger een team van vijf mensen vergde. Maar de vraag naar dat soort werk is niet ingestort — die is geëxplodeerd. De AI-adoptie bij mkb’s steeg van 40% naar 58% in 2025, en 76% van de mkb’s gebruikt of onderzoekt nu actief AI. De investeringen zijn in twee jaar tijd met 58% gestegen. De markt is een stuk groter geworden, en de kloof tussen "bedrijven die AI-automatisering willen" en "bedrijven die AI-automatisering zelf kunnen bouwen" is juist groter, niet kleiner geworden.
In die kloof opereert het agency-model. En de structuur van die kloof — doorlopend, tactisch, vol eenmalige verzoeken en kleine optimalisaties — is precies waarvoor een retainer bedoeld is, niet een project.
En daarmee kom ik bij het onderdeel dat ik goed wil krijgen.
Waarom Het $40K Projectmodel Nu Actief Slechter Is
Ik wil het projectmodel eerst verdedigen, want het is niet van de ene op de andere dag verouderd geraakt en sommige bureaus draaien er nog steeds goed op.
Een project van $40K is logisch wanneer: de scope echt afgebakend is, de bouwkosten hoog zijn, het systeem eenmalig wordt opgeleverd en daarna grotendeels zonder toezicht draait, en de klant een kapitaalbudget heeft dat beter past bij een eenmalige uitgave dan bij een terugkerende last. Legal tech, bepaalde compliance-opdrachten, builds in gereguleerde sectoren — in 2026 kunnen deze nog steeds projectpricing rechtvaardigen. Daar doe ik niets aan af.
Maar voor de 80% van de mkb AI-trajecten die ik nu zie, verliest het projectmodel actief op drie fronten tegelijk.
Het is geprijsd op een kostenstructuur die niet meer bestaat. Je rekent de klant veertig uur engineering terwijl de tooling die uren heeft geëlimineerd. Je kunt doen alsof het werk nog steeds zo lang duurt, maar je concurrent om de hoek gebruikt dezelfde tools en zal je prijs binnen zes maanden onderbieden. De race naar de bodem qua build-prijzen is al begonnen — verschillende prijspeilingen uit 2026 laten zien dat AI automation-builds nu variëren van $2.500 tot $15.000 voor werk dat twee jaar geleden $20K–$40K kostte.
Het prijst het échte werk verkeerd in. Wat klanten daadwerkelijk nodig hebben van een AI-systeem is niet de initiële build — het is de tiende iteratie. De prompt die aangepast moest worden na een modelupdate. De workflow die een nieuwe aftakking kreeg toen hun businessproces veranderde. De koppeling met de nieuwe CRM waarop ze in Q2 zijn overgestapt. Een projectvergoeding betaalt voor geen van deze dingen. De klant betaalt opnieuw (frictie, relatieverlies) of doet dat niet (en het systeem verloedert, met jou als schuldige).
Het laat je belangrijkste asset liggen. Elke klant waarvoor je bouwt, genereert herbruikbare IP — een promptbibliotheek, een workflowpatroon, een integratierecept. In een projectmodel lever je die IP op en loop je weg. In een retainer-model houd je die, verbeter je ze doorlopend over klanten heen en laat je ze elke maand verder renderen. Het een bouwt een consultancytak; het ander bouwt een machine.
Ik heb beide modellen afgelopen jaar ongeveer vier maanden naast elkaar gedraaid en zag de cijfers uit elkaar lopen. De projectklanten waren elk eenmalig klaar. De retainerklanten leverden elke maand meer op — vaste inkomsten, upsells, case studies, doorverwijzingen. Na zes maanden lag de customer lifetime value van de retainercohort ongeveer 4 à 5 keer zo hoog als die van de projectcohort. Niet omdat retainer-klanten per maand meer uitgaven dan projectklanten in totaal betaalden — dat deden ze niet. Ze gaven consequent uit, en juist die consistentie laat het groeien.
Daar ligt de verschuiving. Projectpricing beloont de schaarse skill van bouwen. Retainerpricing beloont de schaarse skill van onderhouden, itereren en het bedrijf van de klant zó goed begrijpen dat je steeds weer de volgende automatisering vindt. Claude Code maakte de eerste goedkoop. Het maakte het tweede juist waardevoller, niet minder.
Wat De $2.500–$5.000 Retainer Echt Dekt
Laat me de cijfers even uiteenzetten, want ik denk dat het retainer-bereik vaak genoemd wordt zonder genoeg specificiteit.
Een bruikbare retainer in 2026 ligt in de orde van $2.500 tot $5.000 per maand voor mkb’s, met onderhouds- en optimalisatie-add-ons die er bovenop stapelen. De gepubliceerde ranges kloppen met wat ik zie: Arsum’s prijsanalyse voor 2026 zet AI-automatiseringsprojecten op $2.500–$15.000, met voortdurende monitoring-retainers tussen $500 en $5.000 per maand. De tier “AI System Support Retainer” landt typisch op $2.000–$8.000 maandelijks. De sweet spot voor toegankelijk mkb-werk — niet enterprise, niet solopreneurs — is $2.500 tot $5.000.
Dit zit er daadwerkelijk in die retainer:
De funderingsmaand (maand 1). Een on-site of remote audit van de stack van de klant — waar zitten de repetitieve taken, waar zit data vast, waar lekt menselijke capaciteit weg? Daarna een eerste automatiseringsbuild, geleverd in week twee, gekozen omdat deze waarde aantoont binnen de eerste retainer-cyclus. Het doel is tastbaar — op dag 20 van het traject zegt iemand in hun team: “Wacht, ik heb vandaag twee uur teruggekregen door dat ding.” Dat moment is waarom ze in maand twee niet opzeggen.
Voortdurende builds (maand 2+). Een backlog van automatiseringsverzoeken, beheerd via een lichte pipeline die ik draai — meestal een gedeeld Notion- of Linear-bord waar de klant verzoeken plaatst, ik prioriteer wekelijks samen en lever vervolgens via Claude Code, met een human-in-the-loop review. De gemiddelde snelheid is 1–3 kleine automatiseringen per maand plus één middelgrote build per kwartaal. De rekensom klopt omdat elke build nu dagen in plaats van weken duurt.
De optimalisatielaag (add-on: $300–$500/maand). Model-upgrades, prompt-tuning, workflow-drift monitoring, LLM-kostenoptimalisatie. Deze lijn bestaat omdat modellen veranderen. Elke Anthropic- of OpenAI-release kan dingen subtiel breken. Dit is de fee waardoor de klant niet hoeft te letten op welke modelversie ze draaien — mijn taak is zorgen dat hun systeem altijd op de juiste versie loopt.
De managementlaag (add-on: $300–$500/maand). Monitoring, uptime, error handling, maandelijkse rapportages met gebruiksdata, kostenoverzichten, schattingen van bespaarde tijd. Dit klinkt saai. Het is nét die lijn die de retainer voor de klant als infrastructuur doet aanvoelen — en dat is precies de mentale categorie waar je wilt zitten, want infrastructuur wordt niet gecanceld bij een Q4 budgetreview.
Grote losse builds (projectbasis, $5.000+). Als de klant écht iets nieuws wil — een compleet nieuwe agent, een nooit eerder gebouwde integratie, iets wat buiten het maandelijkse ritme valt — maak ik daar een aparte offerte voor. Dit wordt niet van de retainer-uren afgetrokken. Hierdoor blijft de retainer eerlijk en de projectscope zuiver.
De rekensom voor één klant ziet er ongeveer zo uit: $3.500 basisretainer + $400 optimalisatie + $400 management = $4.300 maandelijks terugkerend. Plus gemiddeld één grote build van $6.000 per kwartaal, uitgesmeerd = nog eens $2.000/maand-equivalent. Noem het $6.300/maand per klant als je de stack strak managed. Tien klanten van dat formaat is een $63.000/maand-bedrijf gerund door één engineer met een parttime VA. Dat zijn de cijfers. Het is geen hypothese — het zit dicht genoeg bij wat ik zie werken dat ik er persoonlijk een jaar op inzet.
Voor we naar de praktische build-kant gaan van hoe je dit daadwerkelijk draait, is er een ongemakkelijkere vraag om bij stil te staan: wat voor soort agency wil je eigenlijk zijn.
Breed versus Diep — En waarom ik de eerste keer verkeerd koos
Er zijn in 2026 twee houdbare vormen voor het agency-retainermodel en je moet er één kiezen.
Breed: veel klanten, lagere retainer per klant, generalistische positionering. Dertig klanten voor $2.500 levert $75K per maand op. De verdediging zit hier in operationele efficiëntie — hoeveel van je delivery je hebt getemplate, hoe herbruikbaar je automatiseringen zijn over verschillende sectoren heen, hoe automatisch je klantintake en onboarding verlopen. Dit model beloont systems-thinking.
Diep: minder klanten, hogere retainer per klant, nichepositionering. Acht klanten voor $8.500 is $68K per maand, en jij bent dé specialist voor "AI-automatisering voor Shopify-merken met $5M–$20M omzet" of "AI-operations voor advocatenkantoren in letselschade" of een vergelijkbare specifieke niche. De verdediging zit hier in verticale expertise — je begrijpt hun business, je spreekt hun taal, je hebt casestudy’s die naadloos aansluiten op hun tech stack. Dit model beloont relationship-thinking.
Ik begon breed. Ik dacht dat ik slim bezig was. Ik nam alles aan wat binnenkwam — een restaurantgroep, een B2B SaaS, een vastgoedonderneming, een non-profit, een hoveniersbedrijf. Elk traject begon vanaf nul. De data van elke klant zat in een ander systeem. Elke integratie was maatwerk. Mijn bibliotheek van herbruikbare assets groeide traag omdat ik het werk van vorige maand niet kon overdragen op de klant van de volgende maand — ze hadden niets gemeen. Ik runde in feite tien eenmanszaken naast elkaar en vroeg me af waarom ik zo moe was.
Na zes maanden koos ik voor een niche. Ik ga deze niet publiekelijk noemen omdat ik geen concurrentie wil creëren, maar de sector heeft drie eigenschappen: de businesses hebben vergelijkbare workflows, ze kopen bij dezelfde leveranciers en ze praten met elkaar. Toen ik drie klanten in dezelfde branche had, kostte onboarding van de vierde klant nog maar de helft van de moeite. Bij de vijfde was het nog maar een derde. Bij de zesde een kwart. Dat is de flywheel waar iedereen het over heeft — en die begint pas echt te draaien als je voor een niche kiest en daarvoor gaat.
Als ik terug kon gaan, zou ik in maand één direct voor een niche kiezen en zes maanden lang minder klanten aannemen om verticale diepte op te bouwen. De brede aanpak is niet fout — het compenseert alleen langzamer, en het versnellen van die samenstelling is juist de hele insteek.
Ik ga hier dieper op in in het build-in-public flywheel framework dat ik eerder schreef — over de dynamiek waarin content en casestudy’s de positionering van een agency versterken — maar de TL;DR is: specialiseer, daarna systematiseer, dan opschalen. In die volgorde. Doe je dat niet, dan komt de flywheel niet op stoom.
De infrastructuur die het retainer-model daadwerkelijk winstgevend maakt
Dit is het deel dat niemand in zijn Twitter-draadje zet omdat het niet sexy is, maar het is precies wat de onderscheid maakt tussen retainer-agency’s die doorgroeien en die die opbranden.
Request intake moet asynchroon en geautomatiseerd zijn. Klanten sturen verzoeken via één kanaal — in mijn geval een gedeeld Linear-bord met een aangepast formulier. Geen Slack. Geen e-mail. Geen sms’jes om 22:47 uur. Die regel van één kanaal is het verschil tussen een retainer die schaalbaar is en een retainer die je hele leven opslokt. Ik hamer dit erin bij de onboarding: “Als het niet in Linear staat, zie ik het niet, en zo blijven we allebei geestelijk gezond.”
De build-pijplijn loopt via een gestandaardiseerde CLAUDE.md-template. Elke klant krijgt zijn eigen contextbestand — hun stack, hun merkstem, hun API-sleutels, hun bedrijfsregels, hun ‘hier-nooit-aanzitten’-lijst. Zodra een nieuw verzoek binnenkomt, duik ik het klantrepo in, Claude Code leest de context, en de eerste versie van de build wordt direct als sessie gescaffoldeerd. De CLAUDE.md is het intellectueel eigendom. Het is wat ervoor zorgt dat de volgende build voor die klant uren kost in plaats van dagen. Bescherm dit als een asset.
De herbruikbare automatiseringsbibliotheek staat boven de klantlaag. Ik onderhoud een masterrepo met patronen — documentclassificatie, e-mailtriage, CRM-verrijking, contentproductiepijplijnen, merkbewakingsscrapers, factuurparsing — en elk patroon is geparametriseerd. Heeft een klant een “AI e-mailtriage” nodig, dan begin ik niet vanaf nul. Ik fork het patroon, pas het aan naar hun CLAUDE.md en zet het live. De patroonbibliotheek is dé reden waarom het retainer-model schaalbaar werkt: elke nieuwe klant maakt de bibliotheek groter. Elke grotere bibliotheek maakt de volgende klant sneller.
Mens-in-de-loop is ononderhandelbaar. Dit klinkt als toegeven aan tooling-limieten. Maar dat is het niet — het ís het product. Klanten betalen de retainer niet voor “een AI-systeem”, maar voor “iemand die AI snapt, het beheert, en aanspreekbaar is als er wat misgaat.” Elke automatisering die ik inzet, bevat een menselijke controle. Voor outputs met hoge impact doe ik de review zelf voordat ze de deur uitgaan. Bij lagere prioriteit doet een VA dit voor me. Die menselijke laag is waarom klanten de retainer vertrouwen. Haal die weg en je bent een softwarevendor, geen agency — en softwarevendors kunnen geen retainers rekenen.
Maandelijkse rapportage is een klus van 90 minuten, niet van 9 uur. Ik gebruik een gestandaardiseerd rapporttemplate dat gebruiksgegevens, tijdsbesparing, foutpercentages en openstaande verzoeken uit een intern dashboard trekt. Claude genereert het narratief op basis van de ruwe data. Het hele rapportage-artifact kost per klant minder dan twee uur per maand en het is precies dát wat zorgt voor verlengingen. Klanten zeggen een retainer op als ze vergeten waarom ze betalen. Een maandrapport dat ze ook daadwerkelijk lezen, voorkomt dit.
Deze infrastructuur is het verschil tussen $3.500/maand vragen en verzuipen, versus $3.500/maand vragen en kalm blijven. Ik heb de verzuip-variant ongeveer vijf maanden gerund. Die schaalt niet. De kalme versie wel. Het verschil zit ‘m in de automatiseringslaag in je eigen operaties — precies waar ik eerder over schreef in de AI-automatiseringen waar bedrijven echt voor betalen.
Wat Ik Echt Fout Deed
Drie dingen die ik een eerdere versie van mezelf zou willen vertellen.
Ik heb de eerste zes retainers te laag geprijsd. Ik was zo bezorgd over het binnenhalen van de eerste deals dat ik te laag ben gaan zitten. Drie van die klanten zijn achttien maanden later nog steeds bij mij, tegen het oorspronkelijke tarief, en het is nu ongemakkelijk om het te verhogen. Les: je eerste retainerprijs is voor altijd je referentiepunt. Als je je niet een beetje ongemakkelijk voelt bij het getal, is het te laag.
Ik had het begrip “doorlopend” te ruim opgezet. In de eerste retainerovereenkomsten die ik opstelde, gebruikte ik vage taal zoals "doorlopende automatiseringontwikkeling", wat klanten redelijkerwijs opvatten als "onbeperkt". Ik had een klant die in maand drie binnen één week veertien verzoeken indiende. Les: zet een zachte limiet zwart op wit. "2 kleine builds + 1 middelgrote per maand, extra werk apart geoffreerd." Klanten respecteren dit omdat het duidelijk is. Onduidelijkheid kost jou energie, niet hen.
Ik dacht dat de retainer om de technologie draaide. Dat is niet zo. De technologie is de ondergrens. De retainer gaat om vertrouwen — de klant gelooft dat je de telefoon opneemt, het vreemde probleem dat dinsdagochtend opduikt oplost, en niet verdwijnt als er een grotere klant langskomt. Ik verloor één retainer niet omdat mijn automatisering faalde, maar omdat ik drie dagen deed over een e-mail tijdens een drukke periode. Les: responsiviteit ís het product. De techniek is de ontvangst.
Dit klinkt basic. Het is basic. Toch moest ik het zelf met vallen en opstaan leren, en ik vermoed dat de meeste mensen die deze richting op gaan dit ook zullen meemaken.
Waar Dit Heen Gaat in de Komende Twaalf Maanden
Ik doe geen voorspellingen voor 2027. Maar dit is waar ik tot eind 2026 naar kijk.
Retainer-tarieven voor agencies in specifieke sectoren gaan stijgen, niet dalen, ondanks de ingestorte bouwkosten. De reden is dat de bouw niet langer het waardevolle gedeelte is; branchespecifieke expertise is nu de schaarse bron. Generieke AI-automatiseerder-agencies komen van twee kanten onder druk te staan — enterprises erboven hebben hun eigen gespecialiseerde providers, en solo-MKB’s eronder zullen steeds meer zelf aan de slag gaan met tools als de AI-laag van Zapier of agents van Notion. Het midden — niche agencies die een specifieke branche door en door begrijpen — zal verbreden.
De management- en optimalisatie-add-ons worden de belangrijkste inkomstenbron voor volwassen agencies. De basisretainer stabiliseert rond het huidige niveau. De add-ons groeien. Klanten betalen $800/maand voor “houd ons AI-systeem afgestemd naarmate modellen updaten” omdat de kosten van een onopgemerkte systeemstoring hoger zijn dan de kosten van die fee.
Human-in-the-loop wordt een verkoopargument, geen zwaktebod. In 2023 verstopten agencies de menselijke laag omdat “volledig geautomatiseerd” beter verkocht. In 2026 is het tij aan het keren. Ik zet nu “menselijke review op ieder output” in mijn voorstellen en dat sluit deals, omdat klanten inmiddels zo vaak zijn afgebrand door autonome systemen dat zij een benoemd mens verantwoordelijk willen hebben voor het resultaat.
En lean blijft de winnende houding. Single-operators en bureaus van 2–5 man hebben in dit model structurele voordelen die grotere agencies niet kunnen evenaren — lagere overhead, snellere besluitvorming, directe founder-to-founder klantrelaties, en Claude Code als delivery-multiplier die de traditionele aanname voor extra personeel overbodig maakt. Ik denk niet dat de 50-koppige AI-agency het eindstation is van deze markt. Ik denk dat het marktmodel verschuift naar veel shops van 3 man met ieder zes tot tien klanten, werkend op geautomatiseerde pipelines en cumulatieve specialisatie.
Dat is de strategie waar ik op inzet. Als ik ernaast zit, schrijf ik daar ook over. Maar de cijfers die ik volg geven me vooralsnog gelijk.
Eén Specifieke Actie Voor Vrijdag
Als je momenteel AI-werk op projectbasis hebt lopen en je hebt tot hier gelezen, is er één concrete stap die de komende 72 uur de moeite waard is om te zetten.
Neem je meest recente projectklant. Degene waarvoor je iets hebt gebouwd en daarna bent vertrokken. Open je e-mail, schrijf een kort berichtje, en vraag het volgende: "Als ik een optie zou aanbieden van €2.500 per maand om verder te blijven bouwen en optimaliseren aan wat ik voor je heb gemaakt, met elke maand nieuwe automatiseringen erbij, zou dat dan meer of minder waardevol zijn dan wat we hebben gedaan?"
Niet pitchen. Gewoon vragen. Zes van de tien keer — dit is mijn echte conversieratio, geen verzonnen cijfer — zegt de klant iets als “eigenlijk wel, vertel me meer.” Ze zouden je nooit als eerste bellen. Maar ze zeggen ja als jij hen belt.
Dat is het retainer-model. Het is geen prijsstrategie. Het is een telefoontje dat je nog niet hebt gepleegd.
Twee jaar geleden kwam de rekensom niet uit. Nu wel. En het raamwerk waarin je nog de retainer-relatie met een specifieke klant kunt opbouwen — voordat tien andere bureaus hen hetzelfde aanbieden — is krapper dan het lijkt.
Neem die stap.
Veelgestelde vragen
Wat zit er eigenlijk in een AI agency retainer in 2026?
Een standaard AI agency retainer in 2026 omvat doorlopende automatiseringsontwikkeling, een ‘human-in-the-loop’ controlelaag, maandelijkse rapportages en beheerde toegang tot de prompt- en workflowbibliotheek van het bureau. Basis retainers variëren van $2.500–$5.000 per maand, met optionele add-ons voor management ($300–$500) en optimalisatie ($300–$500). Voor een volledige uitsplitsing van de stack, zie de sectie retainerstructuur hierboven.
Waarom heeft Claude Code de prijsstelling van AI agencies zo radicaal veranderd?
Claude Code heeft de kosten en duur van het bouwen van AI-automatiseringen teruggebracht van weken naar dagen, waardoor het moeilijk werd $20K–$40K projectfees te rechtvaardigen. Wat niet veranderde zijn de kosten voor het beheren, optimaliseren en uitbreiden van die systemen op termijn—en precies dat dekt een maandelijkse retainer. Zie de sectie over wat er feitelijk veranderde tussen 2023 en nu.
Kan een solo-ondernemer winstgevend een AI retainer agency runnen?
Ja, en in 2026 is ‘lean’ misschien wel de optimale vorm. Een enkele engineer met Claude Code plus een parttime VA kan duurzaam 6–10 klanten bedienen in de $3.000–$5.000/maand range, wat zorgt voor ruwweg $30K–$50K aan maandelijkse terugkerende omzet, exclusief add-ons. Het draait om verticale specialisatie en een herbruikbare automatiseringsbibliotheek—niet om het opschalen van het team.
Is het retainer-model beter dan projectgebaseerde pricing voor AI-werk?
Voor 80% van het MKB AI-werk in 2026 wel—retainers leveren aanzienlijk hogere lifetime value op, compounding van herbruikbare assets over klanten en sluiten aan bij hoe klanten AI-diensten daadwerkelijk consumeren. Projectgebaseerde pricing blijft toepasselijk voor echt eenmalige, complexe, kapitaalintensieve trajecten, met name in gereguleerde sectoren.
Hoe kies ik tussen een brede of diepe agency positionering?
Kies voor diep als je een verticale markt kunt identificeren waar bedrijven workflows delen, bij vergelijkbare leveranciers inkopen en met elkaar communiceren—de flywheel-effecten stapelen zich ongeveer twee keer zo snel op als bij een brede positionering. Kies breed als operationele efficiëntie en getemplate levering over sectoren heen jouw prioriteit zijn. Probeer niet beide tegelijk; daarmee halveert je compounding rate in beide richtingen.
Laten We Samenwerken
Wil je AI-systemen bouwen, workflows automatiseren of je technische infrastructuur opschalen? Ik help je graag.
- Fiverr (maatwerk & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise-oplossingen): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (securitydiensten): xcybersecurity.io
