Geef je tokenverbruik een budget, net als je team

Bedrijven schrikken van hun AI-rekening. De prijs per token daalt al jaren, maar het totale verbruik explodeert doordat we AI steeds breder en dieper inzetten. Uber was al in april door zijn jaarbudget voor 2026, Accenture ziet medewerkers tokens verbranden aan het omzetten van pdf's naar slides, en in de advocatuur lopen de kosten op nu leveranciers per gebruik gaan rekenen. Voor bedrijven die met AI werken betekent dat: tokens zijn een verbruikspost geworden die je net zo bewust stuurt als wat je aan mensen uitgeeft. Anders betaal je voor werk dat niets oplevert.

AI zou toch steeds goedkoper worden?

De prijs van AI daalt al jaren. Een token, het kleine stukje tekst dat een model verwerkt of genereert, kost steeds minder. Toch lopen de rekeningen hard op, doordat het totale verbruik door het dak gaat. We zetten AI breder en dieper in, en moderne agents verstoken in één opdracht meer tokens dan een medewerker in een week typt. Google verwerkt inmiddels zeven keer zoveel tokens per maand als een jaar eerder. Diezelfde curve zie je terug op de facturen van bedrijven.

404 Media bracht naar buiten dat consultancyreus Accenture intern worstelt met fors stijgende tokenuitgaven. Uber was zijn complete AI-budget in vier maanden kwijt en zette daarna een limiet op tools als Claude Code en Cursor. Een AI-consultant beschreef een klant die in één maand per ongeluk een rekening van een half miljard dollar opbouwde, omdat niemand een gebruikslimiet had ingesteld. De fase van onbeperkt experimenteren is voorbij.

Waar al die tokens heen gaan

Het verbruik komt uit onverwachte hoek. Justice Kwak, agentic-AI-strateeg bij Accenture, zei in een intern overleg dat vooral de niet-technische medewerkers het verbruik opdrijven en nauwelijks de engineers. Een groot deel van die tokens gaat op aan triviale klusjes. Accenture noemt het omzetten van pdf's naar presentatieslides als een van de grootste slokoppen.

Medewerkers kregen jarenlang de boodschap om AI zo veel mogelijk te gebruiken, en deden dat ook: een mail laten herschrijven, een kort overleg laten samenvatten. Met de beste bedoelingen, maar zonder dat iemand doorhad wat het kostte. De cijfers onderstrepen de verspilling. Van de tokens die naar AI-coderen gaan, eindigt maar 18 procent in software die de gebruiker echt bereikt. De rest verdampt. Daarom slaan grote namen nu de andere kant op. Microsoft stuurt een deel van zijn medewerkers naar goedkopere modellen, de CTO van Meta waarschuwde om AI niet "voor het plezier van het gebruik" in te zetten, en Salesforce bouwt systemen die meten of AI-uitgaven ook echt resultaat opleveren.

Hoe de advocatuur de rekening voelt

De juridische sector laat zien hoe dit in één branche doordreunt. Legaltechplatform Legora wijzigt het prijsmodel van zijn meest geavanceerde product: in plaats van een vast abonnement betalen klanten voortaan per gebruik. Advocatenkantoren bellen in paniek hun adviseurs, schrijft het FD. De huidige prijzen liggen tussen de 100 en 300 euro per gebruiker per maand. Voor kantoren die de allerbeste modellen willen blijven inzetten, kunnen die kosten twee tot drie keer hoger uitvallen, verwacht legaltechexpert Douwe Groenevelt.

De oorzaak is dezelfde als bij Uber en Accenture. Leveranciers als Legora en Harvey bouwen op de modellen van OpenAI en Anthropic en betalen per token. De prijs per token daalde, terwijl het verbruik door krachtigere agents veel harder steeg, legt voormalig IT-advocaat Elgar Weijtmans uit in het FD. In sommige rechtsgebieden is dat verbruik enorm. Bij een due diligence-onderzoek analyseert een AI-systeem soms 150.000 documenten, vertelt legaltechexpert Jeroen Zweers. Hoe meer documenten erin gaan, hoe meer tokens en hoe hoger de kosten. Dat juist deze leveranciers hun model omgooien past in een bredere verschuiving: we schreven eerder over hoe AI het prijs-per-gebruiker-model op de helling zet en hybride prijsmodellen in opkomst zijn.

Behandel tokens als een kostenpost die je stuurt

De rode draad door al deze voorbeelden: organisaties gaven toegang zonder kostenbeleid. Het risico zit zelden in bewust misbruik. Vaker gaat het om enthousiaste medewerkers aan wie niemand heeft verteld dat elke vraag geld kost. Dat is een beleidsvraag. Het korte antwoord voor wie grip wil houden: behandel tokens als een kostenpost die je net zo bewust stuurt als je personeelsbudget. Je denkt goed na over hoeveel je aan je team uitgeeft, aan welke taken en met welk rendement. Tokens verdienen diezelfde aandacht.

De bedrijven die nu bijsturen doen dat langs drie lijnen. Ze geven elke medewerker een tokenbudget, zodat het verbruik zichtbaar en begrensd wordt. Ze werken met gelaagde toegang: routinevragen via een goedkoper model, zwaardere modellen voor werk dat het rechtvaardigt, zoals complexe analyses of juridische review. En ze verschuiven hun maatstaf van tokenverbruik naar wat het oplevert: bespaarde uren, kortere doorlooptijden, tevreden klanten. Datzelfde patroon zien we bij bedrijven die écht rendement uit hun AI-uitrol willen halen: eigenaarschap en zicht op de kosten maken het verschil.

Kleine, gespecialiseerde agents verbruiken minder

Naast budgetteren en limiteren is er een technische hefboom om het verbruik omlaag te brengen. Die komt uit de hoek van de agent-bouwers zelf. Justin Schrader, oprichter van Standard Agents, hield onlangs een veelbesproken talk over wat hij domain-specific agents noemt: kleine, gespecialiseerde agents die precies één taak goed doen. In plaats van één grote AI-assistent die bij elke vraag de hele context meesleept, zet je een coördinator in die taken uitdeelt aan kleine agents. Eén kent je mailbox, een ander je CRM, een derde je contracten. Elke agent werkt met een minimale context: alleen de eigen instructie, de eigen tools en de vraag die binnenkomt.

Het effect op het verbruik is fors. Schrader stelt dat hij voor afgebakende taken regelmatig meer dan 80 procent tokenefficiëntie haalt. Omdat een gespecialiseerde agent maar een klein deel van de context nodig heeft, kan hij bovendien vaak toe met een kleiner en goedkoper model. Hij vergelijkt het met de maanlanding: geen eenling met alle gereedschappen, maar een team van specialisten die elk hun eigen taak beheersen.

Die opzet is ook een vorm van sturing. Een grote, algemene agent kan bijna alles, en verbruikt daar ook naar. Een gespecialiseerde agent doet alleen wat je vooraf hebt goedgekeurd, wat naast de kosten ook de risico's beperkt. Het is dezelfde afweging die we eerder beschreven: niet elk AI-project heeft een autonome agent nodig. De kunst zit in het kiezen van de juiste vorm voor de taak, en in het bewaken van wat die vorm je kost.

Zet tokens op de begroting, naast je mensen

De prijsdruk in de advocatuur en de uit de hand gelopen budgetten bij Uber en Accenture zijn voorbodes. Overal waar AI intensiever wordt ingezet, verschuift de rekening van een voorspelbaar abonnement naar een verbruikspost die met het gebruik meebeweegt. AI inzetten blijft de moeite waard. De winst landt alleen bij bedrijven die de kosten net zo serieus nemen als de mogelijkheden.

Vier dingen kun je nu al doen:

1. Breng in kaart wie wat verbruikt, want de meeste tools bieden daar dashboards voor.

2. Spreek af welke taken wel en niet via AI lopen, en hang daar een budget aan.

3. Kies per taak de lichtste oplossing die het werk aankan.

4. En vraag medewerkers kort bij te houden waar AI tijd of kwaliteit oplevert, zodat je weet welke inzet loont.

Wie tokens een plek geeft op de begroting, naast de uitgaven aan mensen en middelen, voorkomt dat AI over twee jaar in de begroting staat als een kostenpost die niemand meer kan verklaren.

Wil je weten hoe je het tokenverbruik in jouw organisatie inzichtelijk maakt en stuurt? Plan een kennismaking in, we denken graag mee.