Inhoudsopgave
Door Frank
27 mei 2026 — 12 minuten lezen
Ad tech-expert Serhii Shchelkov waarschuwt adverteerders dat ze vaak betalen voor het AI-label zonder echte innovatie te krijgen. In een analyse op ExchangeWire legt hij uit waarom niet elke ad server AI nodig heeft en waar de technologie wél waarde toevoegt. Voor Nederlandse marketeers die steeds vaker pitches krijgen vol AI-beloftes is de vraag: waar levert het écht rendement op, en waar gooi je geld weg aan theater?
Drie takeaways:
- AI in ad tech levert alleen waarde bij schaal en complexe automatisering, niet bij standaard ad serving
- Nederlandse adverteerders betalen vaak een premium voor het AI-label zonder meetbare ROI-verbetering
- Focus AI-investeringen op supply chain optimalisatie, real-time bidding en creatieve personalisatie bij grote volumes
Het AI-premiumprobleem
Adverteerders betalen steeds vaker een forse toeslag voor ad tech-platforms die zich profileren als 'AI-powered'. Maar volgens ad tech-expert Serhii Shchelkov is die premium in veel gevallen niet gerechtvaardigd. In zijn analyse op ExchangeWire schrijft hij dat kopers moeten uitkijken voor leveranciers die AI gebruiken als verkooplabel, zonder dat er echte innovatie achter zit.
De kern van het probleem: veel ad servers doen standaard werk (ads uitleveren, impressies tellen, basis targeting) waar AI geen toegevoegde waarde heeft. Traditionele regelgebaseerde systemen doen dit perfect. Toch zien Nederlandse marketeers in pitches steeds vaker claims als 'AI-optimalisatie' of 'machine learning-gedreven targeting', terwijl het onder de motorkap gewoon standaard programmatic is met een nieuw jasje.
MarketingTribune signaleerde begin 2026 al dat dit 'het jaar na de hype' zou worden. De verwachting was dat bedrijven AI alleen nog zouden inzetten waar ze aantoonbare waarde levert. Die realitycheck is nu hard nodig in ad tech, waar elke leverancier zich met AI profileert maar weinigen concrete ROI-cijfers kunnen tonen.
Waar AI in ad tech wél werkt
AI levert pas waarde als je te maken hebt met schaal, complexiteit en real-time optimalisatie. Jeffrey Terry Green, CEO van The Trade Desk, verwoordde het helder: 'AI heeft een goede toepassing voor het verbeteren van de advertising supply chain. We bekijken duizenden paden om van ons naar een specifieke publisher te komen en nemen in milliseconden beslissingen om advertenties te plaatsen. AI speelt een belangrijke rol bij het verbeteren van de supply chain.'
Concreet betekent dat: bij programmatic buying met real-time bidding op duizenden inventory-opties per seconde, bij het analyseren van complexe supply paths om fraude en inefficiëntie te detecteren, en bij het optimaliseren van budget-allocatie over verschillende kanalen op basis van real-time performance. Hier maakt AI het verschil tussen geld verbranden en rendement halen.
Ook bij creatieve personalisatie op schaal levert AI waarde. Estee Lauder zag een ROI-stijging van 31 procent op Noord-Amerikaanse mediacampagnes door AI-gedreven optimalisatie. Maar let op: dat ging om een multinational met miljoenen-budgetten en enorme datavolumes. Voor een Nederlandse B2B-adverteerder met een campagnebudget van 50.000 euro per kwartaal zijn die algorithmes volstrekt overgedimensioneerd.
Waar AI in ad tech overbodig is
Bij standaard ad serving is AI overkill. Een advertentie uitleveren aan de juiste gebruiker op het juiste moment kan perfect met traditionele targeting: demografie, context, interesse-categorieën, retargeting op basis van websitegedrag. Daar heb je geen machine learning voor nodig.
Ook bij kleine campagnes met beperkte budgetten voegt AI weinig toe. Als je te weinig data hebt, kunnen algoritmes niet leren. Dan betaal je wel voor de technologie, maar levert die geen betere resultaten dan handmatige optimalisatie door een ervaren campagnemanager. Searchlab wijst erop dat met het verdwijnen van third-party cookies zero-party data goud waard wordt. Maar die data moet je zelf verzamelen via eigen kanalen. Geen AI-tool die dat voor je oplost.
Het gevaar zit in 'AI-washing': leveranciers die bestaande functionaliteit hernoemen naar AI-terminologie. Basis audience segmentatie wordt 'AI-gedreven targeting'. Standaard A/B-testing van creatives wordt 'machine learning optimalisatie'. Rapportage-dashboards worden 'AI insights'. Het zijn marketing-buzzwords zonder technische substantie. Vraag daarom altijd: welk specifiek probleem lost de AI op, welk algoritme wordt gebruikt, en wat is het meetbare verschil met de niet-AI-versie?
De Nederlandse context
Voor Nederlandse adverteerders zijn er specifieke overwegingen. Ten eerste: schaal. Nederland is een kleine markt. Veel campagnes hebben volumes waar AI-optimalisatie gewoon niet rendeert. Een display-campagne van 20.000 euro met 500.000 impressies heeft te weinig datapunten voor zinvolle machine learning.
Ten tweede: resources. AI in ad tech vereist niet alleen technologie, maar ook kennis om te sturen en te interpreteren. Zoals AdFormatie het verwoordde: AI is een middel, geen doel. Je hebt mensen nodig die kunnen beoordelen of de AI-aanbevelingen kloppen, die kunnen ingrijpen als algoritmes verkeerde patronen oppikken, en die de output kunnen vertalen naar strategische beslissingen.
Ten derde: privacy en AVG. Nederlandse adverteerders moeten extra waakzaam zijn met data die in AI-systemen gaat. Veel internationale platforms voldoen technisch aan AVG-eisen, maar de praktijk is weerbarstiger. AI-modellen die leren van gebruikersgedrag kunnen in conflict komen met privacy-regelgeving als niet helder is welke data waarvoor wordt gebruikt.
Daniel Schreiber van Lemonade claimt dat 90 procent van hun ad allocatie door AI wordt beheerd, wat efficiënter zou zijn dan traditionele methodes. Maar Lemonade is een digitale verzekeraar met miljoenen klanten en enorme datastromen. Voor een Nederlandse B2B-dienstverlener met 200 klanten per jaar is dat model irrelevant.
Hoe beoordeel je AI-claims
Stel leveranciers de volgende vragen. Vraag één: welk specifiek probleem lost jullie AI op dat niet met traditionele methodes kan? Als het antwoord vaag blijft ('betere optimalisatie', 'slimmere targeting'), is het waarschijnlijk marketing-theater.
Vraag twee: wat is de minimale schaal waarop jullie AI waarde toevoegt? Hoeveel impressies, conversies of datapunten zijn nodig voordat het algoritme beter presteert dan handmatige sturing? Als ze dat niet kunnen benoemen, hebben ze het niet getest.
Vraag drie: wat zijn de concrete KPI-verbeteringen in jullie case studies, en bij welke budgetniveaus? Percentage-verbeteringen zonder context zeggen niets. Een 'CPA-verbetering van 25 procent' kan betekenen: van 100 euro naar 75 euro bij een campagne van 2 miljoen. Maar het kan ook betekenen: van 4 euro naar 3 euro bij een testbudget van 5.000 euro. Het eerste is interessant, het tweede is ruis.
Vraag vier: kunnen we een pilot doen met A/B-testing: jullie AI versus standaard instellingen? Goede leveranciers durven dat aan. AI-washers wimpelen het af met smoesjes over 'learning periods' en 'onvoldoende volume'.
Waar investeer je wél in
Investeer AI-budget in ad tech waar je schaal hebt. Bij grote e-commerce spelers met duizenden producten en miljoenen bezoekers per maand levert dynamische creatieve optimalisatie (DCO) meetbaar rendement. Het systeem test automatisch duizenden combinaties van afbeeldingen, headlines en call-to-actions, en leert welke combinatie voor welke doelgroep het beste werkt.
Investeer in supply chain optimalisatie als je programmatic inkoopt op grote schaal. Tools die automatisch supply paths analyseren, frauduleuze inventory detecteren en bid shading toepassen kunnen percentages van je mediabudget besparen. Maar dan praat je over budgetten vanaf enkele tonnen per jaar.
Investeer in conversie-optimalisatie en predictive audiences als je voldoende conversiedata hebt. Vanaf ongeveer 500 conversies per maand kunnen algoritmes patronen vinden die mensen over het hoofd zien. Denk aan: welke combinatie van touchpoints leidt tot conversie, welke prospects lijken op bestaande klanten, wanneer is iemand ontvankelijk voor welke boodschap.
Marketingtoolz rapporteerde dat 77 procent van marketeers inmiddels AI-tools gebruikt, en dat AI-content eind 2026 40 procent van alle marketingcontent zou uitmaken. Maar 'gebruiken' betekent niet 'waarde creëren'. De vraag is niet óf je AI inzet, maar wáár je meetbaar rendement ziet.
Welke KPI's moet je bijsturen
Meet bij AI-gedreven ad tech altijd incrementaliteit. Vergelijk niet alleen performance vóór en na implementatie, want die verbetert vaak toch wel door seizoenseffecten, product-updates of prijswijzigingen. Zet een controlegroep op zonder AI, en meet het verschil. Alleen dan weet je wat de AI toevoegt.
Monitor cost per acquisition relatief aan basisscenario. AI levert pas waarde als CPA structureel lager is dan met handmatige optimalisatie, gecorrigeerd voor externe factoren. Een daling van 10 procent die samenvalt met een promotie telt niet. Een daling van 15 procent terwijl concurrenten 5 procent stijging zien, dat is waarde.
Bekijk ook efficiency metrics: hoeveel tijd bespaart het team? Als AI-sturing betekent dat campagnemanagers vijf uur per week minder aan handmatig bieden besteden, en die tijd gebruiken voor strategie en creatieve concepten, is dat waarde. Zelfs als de directe performance-winst bescheiden is.
Houd waste metrics bij: hoeveel budget gaat naar irrelevante plaatsingen, frauduleuze inventory of inefficiënte supply paths? Goede AI-tools in de supply chain verlagen die waste meetbaar. Als een platform claimt '20 procent betere ROI' maar de waste is gelijk gebleven, komt die winst ergens anders vandaan (of helemaal niet).
En cruciaal: meet de total cost of ownership. De premium die je betaalt voor AI-features moet je terugverdienen in betere performance of lagere operationele kosten. Als een platform 30 procent duurder is maar 10 procent betere ROI levert, verlies je geld.
Conclusie
AI in ad tech is geen heilige graal, maar een tool die bij specifieke use cases waarde levert. Bij schaal, complexiteit en real-time optimalisatie maakt het het verschil. Bij standaard ad serving, kleine campagnes en beperkte datavolumes is het duur theater.
Voor Nederlandse adverteerders betekent dat: wees kritisch op AI-claims, vraag naar concrete cijfers en minimale schaalvereisten, en test incrementaliteit voordat je grote budgetten committeert. Investeer AI-budget waar je meetbaar rendement ziet: supply chain optimalisatie bij grote programmatic volumes, creatieve personalisatie bij e-commerce met duizenden producten, en conversie-optimalisatie als je honderden conversies per maand hebt.
En besef: de beste AI-strategie in ad tech is er geen hebben als je volumes te klein zijn. Dan zijn een goede strategie, scherpe targeting en creatieve concepten waar mensen echt op reageren veel meer waard dan het duurste AI-platform. Zoals Shchelkov het verwoordt: niet elke ad server heeft AI nodig. Alleen die waar het er écht toe doet.
Ad Tech AI Reality Check: Implementatieplan voor CMOs 2026
De ad tech industrie overspoelt marketeers met AI-beloftes. Dit playbook biedt een hands-on framework om AI-claims te doorprikken, vendor bloat te vermijden en échte waarde te creëren. Inclusief evaluatiecriteria, budgetrichtlijnen en een 4-weken implementatieplan voor Nederlandse marketing teams.
Bronnen & verder lezen:
- https://www.exchangewire.com/blog/2026/05/20/not-every-ad-server-needs-ai-heres-where-it-actually-matters/
- https://www.marketingtribune.nl/b2b/nieuws/2026/01/ai-realitycheck-het-jaar-na-de-hype/index.xml
- https://searchlab.nl/blog/ai-marketing-trends-2025
- https://www.marketingtoolz.nl/nieuws/ai-marketing-adoptie-2026/
- https://www.adformatie.nl/marketing/effectiviteit/2026-is-het-jaar-van-de-volwaardige-omnichannel-strategie
