Wie een taalmodel in Salesforce wil gebruiken, komt vroeg of laat bij dezelfde vraag: laten we een eigen OpenAI-integratie bouwen, of nemen we een pakket dat het al kan? De kosten van een OpenAI-integratie in Salesforce zitten zelden in de eerste versie. Ze zitten in alles wat daarna komt. Dit artikel zet beide routes naast elkaar, op kosten en op snelheid, en zegt eerlijk wanneer zelf bouwen de betere keuze is.
Wat een eigen integratie inhoudt
Een eigen koppeling met OpenAI bestaat meestal uit een named credential voor de API-sleutel, Apex-code die de aanroep doet en de respons verwerkt, en een invocable action zodat beheerders de aanroep in een Flow kunnen gebruiken. Dat is goed te doen voor een ontwikkelaar die Salesforce kent.
Het werk zit in wat er omheen moet:
- Foutafhandeling. Wat doet de Flow als het model niet reageert, een time-out geeft of een onverwacht antwoord terugstuurt?
- Limieten. Salesforce stelt grenzen aan callouts per transactie. Een Record-Triggered Flow die bij een bulkimport voor elk record een aanroep doet, loopt daar sneller tegenaan dan u verwacht.
- Testen en onderhoud. Apex vraagt testdekking voordat u kunt uitrollen, en de code moet blijven werken als de aanbieder zijn API aanpast.
- Een tweede model. Wilt u later ook Anthropic of Gemini proberen, dan is dat een nieuwe koppeling met een eigen API-formaat.
Waar de kosten zitten
Bij zelf bouwen betaalt u twee dingen: de ontwikkeltijd en de aanroepen. De aanroepen rekent de aanbieder van het model af op basis van gebruik. De ontwikkeltijd is eenmalig hoger, maar stopt niet na de oplevering. Elke aanpassing, elk nieuw model en elke storing komt weer bij een ontwikkelaar terecht. Die doorlopende kosten worden in een begroting vaak vergeten.
Bij de AI Prompt Builder zijn de kosten vooraf bekend. U betaalt een vaste fee van €150 per maand, inclusief 1.500 callouts. Daarboven betaalt u vanaf €0,10 per aanroep, met volumekorting bij grotere afname. Koppelt u uw eigen LLM, dan vervallen de kosten per aanroep en blijft alleen de vaste platformfee over. Updates en beheer van het pakket zijn inbegrepen.
Rekent u het voor uw eigen situatie door, begin dan bij het volume. Hoeveel records raken de Flow per maand, en hoeveel daarvan krijgen een AI-stap? Dat aantal bepaalt bij beide routes het grootste deel van de rekening.
Hoe snel u live bent
Een eigen integratie volgt een ontwikkeltraject: bouwen, testen, uitrollen via een sandbox en daarna pas de eerste Flow. De AI Prompt Builder is een Managed Package. Resolve IT verzorgt de installatie, de configuratie en een training, waarna een beheerder met Flow-ervaring zelf prompt templates bouwt met merge fields. Apex- of API-kennis is daarvoor niet nodig. Hoe dat in een Flow werkt, leest u in onze handleiding voor ChatGPT in Salesforce Flows.
Het verschil merkt u vooral bij de tweede en derde toepassing. Een nieuwe prompt is dan een configuratiewijziging in plaats van een nieuw ontwikkelverzoek, en wisselen tussen OpenAI, Anthropic, Google Gemini en Azure Co-Pilot vraagt geen nieuwe code.
Wanneer zelf bouwen beter past
Een pakket is niet altijd het juiste antwoord. Zelf bouwen ligt meer voor de hand als:
- u een eigen ontwikkelteam hebt dat de code ook op lange termijn blijft onderhouden;
- u een toepassing hebt die ver buiten een prompt plus respons valt, zoals een complexe keten van aanroepen met eigen logica;
- u eisen hebt aan de verwerking die een standaardpakket niet kan invullen.
Gaat het om toepassingen als samenvatten, classificeren of teksten opstellen vanuit een Flow, zoals bij AI-gestuurde leadkwalificatie, dan is een pakket meestal sneller en voorspelbaarder in kosten.
Twijfelt u welke route bij uw org en uw volume past? Neem contact met ons op, dan rekenen we beide opties samen met u door.

