HR-software kopen of bouwen: hoe maak je als HR-leider de slimste keuze in het AI-tijdperk?

Daarmee staat een oude vraag weer volop in de schijnwerpers. Moet je HR-software kopen, of zelf bouwen?

Anders Holmberg, Chief Revenue Officer bij Eletive, opende onze digitale top AI in HR 2026 met precies die vraag. Hij heeft meer dan 15 jaar SaaS-ervaring en werkte daarin nauw samen met productteams. Hieronder vind je de belangrijkste inzichten uit zijn sessie.

Zelf bouwen is toegankelijker dan ooit

De cijfers zijn opvallend. Volgens het GitHub-rapport van 2025 zijn er in dat jaar 121 miljoen nieuwe softwareprojecten gestart. Dat is er 230 per minuut. AI-gedreven projecten groeiden in één jaar tijd met 200%.

Begin dit jaar zorgde die verschuiving voor onrust onder investeerders. Er werd gesproken over een 'SaaS-apocalyps': als iedereen zelf tools kan bouwen, waarom zou je dan nog software kopen? De waarderingen van een aantal grote SaaS-bedrijven daalden fors.

Toch stopten bedrijven niet met het kopen van software. De publieke SaaS-markt heeft zich inmiddels met 40% hersteld na de dip in februari. Softwareuitgaven groeien nog altijd met 15,5% per jaar (Gartner, 2026), en een gemiddeld bedrijf gebruikt nog steeds zo'n 300 tools (Zylo, 2026).

Het gaat dus waarschijnlijk niet om kopen óf bouwen, maar om kopen én bouwen naast elkaar. De echte vraag is: wanneer kies je voor wat?

Wanneer zelf bouwen de juiste keuze is

Vier signalen dat zelf bouwen de betere optie kan zijn:

• De logica is uniek voor jouw organisatie. Je competentieframework, je functiearchitectuur, je regels rondom interne mobiliteit. Zodra een leverancier dit generaliseert, houdt het op jóuw aanpak te zijn.

• De scope is goed afgebakend. Één workflow. Één team. Één vraag. Dit kwartaal. Bouwprojecten mislukken wanneer ze stilletjes uitgroeien tot platforms die jarenlang moeten meegaan.

• De waarde zit in data die je zelf bezit. Als het slimme deel jouw data is en de AI alleen de interface, ben je dichter bij bouwen dan je denkt.

• Het eigenaarschap is helder. Als je geen naam en geen budgetlijn voor 2029 kunt noemen, ben je niet aan het bouwen. Je bent aan het prototypen.

Hoe kan dit er in de HR-praktijk uitzien? Denk aan een micro-enquête. Hoe verliep de kick-off? Wie wil meedoen aan het kerstfeest? Wie is medewerker van het jaar? Hier is geen behoefte aan anonimiteit, trendlijnen of koppeling aan je organisatiehiërarchie, dus een eenvoudige zelfgebouwde oplossing volstaat.

Of denk aan een rapportage voor het bestuur: een AI-agent die data uit meerdere systemen haalt en je kwartaalrapport elke keer opnieuw opmaakt in jouw format. Of een beleidsassistent die uitsluitend is getraind op jouw handboek, je cao en je lokale regelgeving.

Alle drie werken om dezelfde reden: de waarde zit in jouw data, niet in het model.\

Wanneer kopen de betere keuze is

Zes signalen dat inkopen de slimmere optie is:

• Het probleem is overal hetzelfde. Salarisverwerking, werving, compliance-rapportage, functioneringsgesprekken. Iemand anders heeft dit waarschijnlijk al beter opgelost dan jij zou doen.

• Je hebt benchmarkdata nodig. Vergelijkingsdata kun je niet zelf bouwen. Het is een asset die je hebt of niet hebt. Bij werknemersbetrokkenheid zit daar vaak de echte inzichtwaarde.

• Je wet- en regelgevingsrisico is groot. Een AVG-conforme applicatie bouwen lukt vandaag de dag. Die compliant houden naarmate wet- en regelgeving verandert, is de uitdaging. Als je risico loopt op AVG-overtredingen of het schenden van de anonimiteit van medewerkers, wil je een leverancier wiens fulltime taak het is om bij te blijven.

• De onderliggende modellen veranderen voortdurend. Soms verschuift de output geleidelijk, waardoor je maandrapport er elke keer net iets anders uitziet. Leveranciers regelen die migraties voor jou.

• De expertise is minstens zo belangrijk als de software. Koop je in, dan draagt iemand anders de implementatie en adoptie. Bouw je zelf, dan word jij de expert. Permanent.

• Je wilt dat iemand anders de telefoon opneemt. Elk intern bouwproject heeft een feestelijke lancering. Maar maar weinig hebben ondersteuning op een maandagochtend.

Hoe zelf bouwen er in de praktijk uitziet: een voorbeeld van Eletive

Deze zomer bouwde ons commerciële team een AI-tool die salesmedewerkers helpt kiezen welke bedrijven ze moeten benaderen, en alvast een eerste berichtvoorstel opstelt.

De tool verbindt tools waar we al voor betalen: HubSpot als ons CRM en de centrale bron van waarheid, Apollo voor bedrijfsdata, n8n voor workflows en Claude als AI-laag. Elke ochtend wordt de data bijgewerkt op basis van recente gebeurtenissen en eerdere gesprekken. De AI selecteert de bedrijven die het meest relevant zijn om te benaderen en stelt een gepersonaliseerd bericht op. Een salesmedewerker past het aan voordat het in de e-mailwachtrij gaat.

Dit is waarschijnlijk de vorm die veel interne bouwprojecten voortaan zullen aannemen. Niet "we hebben ons eigen systeem gebouwd", maar "we hebben vier bestaande tools verbonden om een probleem op te lossen waarvoor niemand een kant-en-klaar product verkoopt."

Het eerste prototype was in een handvol dagen klaar, en het was indrukwekkend. Het voelde 90% af. De laatste 10% is waar het echte werk zit. Wat doe je als een contactpersoon op het punt staat het bedrijf te verlaten? Als twee bedrijven aan elkaar gelinkt zijn? Afhandeling van uitzonderingen, datakwaliteit, responstijden, betrouwbaar laden van data (niet bijna altijd, maar altijd) en het trainen van medewerkers kosten allemaal tijd.

Tot nu toe heeft het honderden uren gekost en werken er twee mensen bijna fulltime aan. Meer dan gehoopt. Maar het is het waard. Het doel is 25% hogere output per salesmedewerker. Het had alleen zin omdat we de middelen hadden én de data uniek voor ons was.

De les: de eerste overwinning behalen is tegenwoordig eenvoudig. De honderdste behalen is precies even moeilijk als altijd.\

De tools zijn eenvoudiger geworden. Het werk eromheen niet.

Zelf bouwen gaat over veel meer dan code schrijven. Je wordt projectmanager: scope, volgorde, uitzonderingen, testen, uitrol. Je wordt verantwoordelijk voor je data-architectuur: waar de data staat, wat de bron van waarheid is en wat er gebeurt als twee systemen het niet met elkaar eens zijn. En je wordt productmanager, die tot in detail uitschrijft hoe het moet werken, inclusief elk randgeval dat je liever niet hoeft te bedenken.

AI bouwt precies wat je vraagt. Het lastige is weten wat je moet vragen.

Geen van beide kanten is één kostenpost

Als je bouwt, tel dan hosting- en modelkosten mee, beveiligingsreviews, juridische goedkeuring, testen en changemanagement. Tel ook het onderhoud mee wanneer een API onder je voeten verandert, en wie de support voor zijn rekening neemt. Tel ook de 'busfactor' mee: wat gebeurt er als degene die het gebouwd heeft vertrekt? De grootste kostenpost van allemaal is misschien wel de opportuniteitskost. Als je een hamburgerrestaurant runt, besteed je je tijd waarschijnlijk het best aan de hamburgers.

Inkopen heeft ook verborgen kosten. Integratie, implementatie, datamigratie, adoptie en training, beheer, leveranciersmanagement en overstapkosten als het toch niet werkt.

Beide kanten brengen kosten met zich mee. Het echte verschil zit niet in het geld. Het zit in wie de expertise en het risico draagt.

De toekomst is kopen én bouwen

De meeste HR-teams zullen waarschijnlijk tools blijven kopen voor hun kernprocessen: werknemersbetrokkenheid en prestatiebeheer, werving, kern-HRIS, verzuimbeheer en salarisverwerking. Die tools bieden de interface voor dagelijkse werkzaamheden, dataveiligheid en compliance, en de expertise en ondersteuning van een leverancier.

Daarboven komt een AI-laag die veilig toegang heeft tot de data. En daarboven bouw je je eigen interne applicaties en een analyselaag die de systemen met elkaar verbindt. Veel organisaties bewegen al in deze richting.

Waar je maandagochtend mee kunt beginnen

Een paar praktische tips uit de Q&A:

• Controleer wat je al betaalt. Als je op Microsoft of Google draait, heb je waarschijnlijk al AI-tools die je kunt uitproberen.

• Begin bij het probleem, niet bij de tool. Beschrijf je probleem aan een AI-assistent en vraag hoe je het zou kunnen oplossen.

• Kijk naar workflowtools. Data verplaatsen van het ene naar het andere systeem is vaak waar de eerste snelle winsten te behalen zijn.

• Houd je eerste project laagdrempelig. Kies iets zonder persoonsgegevens. Zodra er persoonsgegevens bij komen kijken, betrek je juridische afdeling er vroeg bij.

De sessie gemist? Bekijk de volledige replay van AI in HR 2026: From People Insights to Business Impact