Big tech schroeft AI terug door de tokenkosten. Wat leert jouw KMO daaruit?

Wat is er aan de hand?

De bedrijven die twee jaar lang riepen dat AI overal moest, krijgen nu de factuur gepresenteerd. Uber gaf toe dat het zijn volledige AI-jaarbudget voor 2026 al in de eerste vier maanden had opgebruikt, mee aangewakkerd door een intern klassement dat teams rangschikte op AI-gebruik. Microsoft trok duizenden licenties voor AI-codeertools weer in, enkele maanden nadat het ze had uitgedeeld. En meerdere grote spelers voerden strengere limieten in op wat medewerkers met AI-tools mogen verbruiken.

Let wel: die bedrijven stoppen niet met AI. Ze stoppen met AI overal op te gooien zonder te kijken of het de kost waard is. Dat is een belangrijk verschil.

Waarom exploderen die AI-kosten?

AI-kosten exploderen omdat je bij AI betaalt per gebruik, en dat gebruik veel sneller groeit dan de prijs per eenheid daalt.

Even in mensentaal: tokens zijn de stukjes tekst waarin een AI-model taal verwerkt. Elke vraag die je stelt en elk antwoord dat je terugkrijgt bestaat uit tokens, en je betaalt voor elk stukje. Een AI-stap in een proces is dus geen vaste kost maar een variabele kost die meegroeit met je volume.

Daar komt bij dat moderne AI-toepassingen steeds meer tokens verbruiken. Zeker zogenaamde AI-agents, die zelfstandig redeneren en meerdere stappen na elkaar zetten, verbruiken tot 1000 keer meer tokens dan een eenvoudige AI-vraag. Het resultaat is een paradox: de prijs per token daalde de voorbije jaren spectaculair, maar de totale AI-facturen van bedrijven stegen fors. Je betaalt minder per stukje, maar je verbruikt er zoveel meer dat de rekening toch oploopt.

Wat betekent dit voor jouw KMO?

Voor een KMO is deze les nog belangrijker dan voor big tech, want jij hebt geen miljardenbudget om experimenten op te vangen. Als Uber zijn jaarbudget in vier maanden opbrandt, is dat een pijnlijk kwartaalbericht. Als jouw automatisering elke maand een onvoorspelbare AI-factuur genereert, is dat een probleem voor je cashflow.

Het goede nieuws: als KMO kan je deze fout perfect vermijden, omdat je nog kan kiezen in welke volgorde je automatiseert.

De juiste volgorde: eerst automatiseren, dan pas AI

De vuistregel is simpel: is een processtap voorspelbaar en kan je ze in regels beschrijven, automatiseer ze dan zonder AI. Vraagt een stap interpretatie, taal of beoordeling, dan pas is AI de juiste keuze.

Het grootste deel van het repetitieve werk in een KMO is voorspelbaar. Een bestelling die van je webshop naar je boekhouding moet, een lead uit een webformulier die in je CRM hoort, een factuur die na goedkeuring automatisch vertrekt: daar valt niets te interpreteren. Dat soort werk automatiseer je met een workflow in een tool als n8n, Make of Zapier. Zo'n workflow kost per uitvoering nagenoeg niets, of hij nu 10 keer of 10.000 keer per maand draait. Geen tokens, geen variabele kost, geen verrassingen op de factuur.

AI voeg je pas toe op de plekken waar regels tekortschieten. Een binnenkomende mail samenvatten en classificeren, een offerte-aanvraag in vrije tekst omzetten naar gestructureerde data, een eerste antwoordvoorstel schrijven: dat is werk dat interpretatie vraagt, en daar verdient AI zijn kost terug. Waarom dat onderscheid zoveel geld scheelt, lees je in detail in niet elke automatisering is een AI-automatisering.

De volgorde is dus niet AI of geen AI. De volgorde is: eerst het voorspelbare werk wegautomatiseren tegen een vaste, lage kost, en daarna gericht AI inzetten op de stappen waar het verschil maakt.

Zo hou je AI-kosten wel onder controle

Zet je AI in, doe het dan afgebakend. Vier principes die het verschil maken:

1. Kies afgebakende use-cases. Eén duidelijke taak met een meetbaar resultaat, geen AI-agent die "alles automatisch" doet. Hoe meer een AI zelf mag beslissen en itereren, hoe meer tokens hij verbruikt.
2. Gebruik het kleinste model dat de taak aankan. Voor classificeren, samenvatten of data extraheren volstaat vaak een klein en goedkoop model. Het zwaarste model reserveer je voor taken die het echt nodig hebben.
3. Stel limieten in. Bijna elk AI-platform laat je budgetten en verbruiksplafonds instellen. Doe dat vanaf dag één, niet nadat de eerste verrassende factuur binnenkomt.
4. Laat AI alleen het AI-deel doen. Bouw je proces als een gewone workflow en roep AI enkel aan voor de ene stap die interpretatie vraagt. Zo betaal je tokens voor 10 procent van het proces in plaats van voor 100 procent.