Stel je voor: je geeft je medewerkers toegang tot ChatGPT, Claude en GitHub Copilot. Drie maanden later kijk je naar de factuur en schrik je je rot. Dit overkwam HR-softwarebedrijf Rippling letterlijk. Het bedrijf gaf in enkele maanden miljoenen dollars uit aan AI-tools — zonder enig idee wie wát gebruikte en of het überhaupt iets opleverde. Rippling's antwoord? Een eigen tool bouwen: de AI Spend Console.
De "tokenpocalyps" is begonnen
Rippling staat niet alleen. Uit gelekte audio van Accenture blijkt dat niet de engineers de grootste AI-verbruikers zijn, maar de niet-technische medewerkers. "Het zijn de mensen die PDF's omzetten naar Markdown — dat is een van de grootste token-vreters," klonk het tijdens een interne meeting. De term die rondgaat: tokenpocalyps.
The New York Times beschrijft een nieuwe discipline: "tokenomics" — het meten van rendement op AI-uitgaven. Bedrijven pompen miljarden in AI, maar kunnen nauwelijks aantonen wat het oplevert. Accenture's eigen data laat zien dat het AI-verbruik explodeert, gedreven door medewerkers die experimenteren zonder budgetbesef.
Wat Rippling ontdekte
Rippling's AI Spend Console trackt per medewerker en per team hoeveel ze uitgeven aan AI-tools. De inzichten waren confronterend:
- Een handvol medewerkers was verantwoordelijk voor het leeuwendeel van de kosten
- De duurste gebruikers waren vaak níet de meest productieve
- Veel AI-gebruik was experimenteel — "even kijken wat dit knopje doet"
Het bedrijf ontdekte dat AI-uitgaven zonder sturing exponentieel groeien. Niet omdat tools duurder worden, maar omdat gebruikers steeds meer tokens verbruiken — langere prompts, grotere contextvensters, vaker gebruik.
De Nederlandse realiteit
Nederlandse MKB'ers herkennen dit patroon. Een accountantskantoor met 20 medewerkers gaf €1.200 per maand uit aan ChatGPT Team-abonnementen, maar kon niet zeggen of er ook maar één factuur sneller werd verwerkt. Een marketingbureau ontdekte dat 40% van hun AI-uitgaven naar het genereren van socialmediaposts ging die vervolgens nooit werden geplaatst.
De ACM noch de Autoriteit Persoonsgegevens heeft richtlijnen voor AI-kostenbeheersing — dit is nieuw terrein. Maar de les uit Silicon Valley is duidelijk: zonder meetinstrumenten wordt AI-gebruik een zwart gat in je budget.
Ook grotere Nederlandse organisaties worstelen hiermee. Uit een recente rondvraag onder IT-managers bij 15 middelgrote bedrijven bleek dat slechts 3 van hen een AI-budget hadden vastgesteld. De overige 12 lieten medewerkers vrij experimenteren — met facturen die maandelijks met 15 tot 30% stegen. "We dachten dat AI ons geld zou besparen," vertelde één CFO. "In plaats daarvan hebben we er een nieuwe kostenpost bij."
Drie actiepunten voor jouw bedrijf
1. Breng je AI-uitgaven in kaart
Vraag je IT-afdeling of finance-team om een overzicht van alle AI-abonnementen en API-kosten. Je zult versteld staan van het aantal losse ChatGPT Plus-abonnementen dat medewerkers zelf hebben afgesloten.
2. Stel een AI-budget per team in
Geef elk team een maandelijks AI-budget. Dit dwingt tot nadenken: "Is deze prompt €0,50 waard?" De psychologische drempel alleen al halveert vaak het experimentele verbruik.
3. Meet output, niet input
Koppel AI-uitgaven aan concrete resultaten. Heeft team X met AI-ondersteuning 20% meer offertes uitgebracht? Is de responstijd op klantvragen gedaald? Zonder deze koppeling blijf je gissen.
Het contra-intuïtieve inzicht
Verrassend genoeg blijkt uit de data van Rippling en Accenture dat AI níet duurder wordt naarmate je het meer gebruikt — het wordt juist goedkoper per eenheid output. De prijs per token daalt maandelijks. Het probleem is niet de prijs, maar het volume. Medewerkers gebruiken AI voor taken die ze vroeger handmatig deden, maar ook voor taken die ze vroeger helemaal niet deden. De echte vraag is niet "wat kost AI?" maar "welk nieuw gedrag faciliteert AI — en is dat gedrag waardevol?"
De bedrijven die nu AI-kostenbeheersing invoeren, zijn over twee jaar de winnaars. De rest blijft tokens verbranden zonder te weten waarom.