De AI-kosten van grote bedrijven lopen zo snel op dat sommige hun hele jaar budget in een paar maanden hebben verbruikt. Voor het MKB is het daarom essentieel om een strategie te kiezen die past bij de schaal en het budget: open-source modellen, pay-per-use of eigen fine-tuning.

Wat er aan de hand is

Volgens berichten in Axios en The Wall Street Journal hebben sommige ondernemingen hun volledige jaarlijkse AI-budget in enkele maanden verbrand. Anderen zagen hun AI-uitgaven zonder waarschuwing verdubbelen of verdrievoudigen. Dit fenomeen, dat door het Marketing AI Institute wordt aangehaald, raakt niet alleen de grote spelers. Ook middelgrote bedrijven die afhankelijk zijn van dure API’s van aanbieders als OpenAI of Anthropic kunnen plotseling voor verrassingen komen te staan. De kernoorzaak is dat de vraag naar AI-rekenkracht sneller groeit dan de budgetten, en dat de prijzen van commerciële modellen niet altijd voorspelbaar zijn.

Wat dit betekent

Voor Nederlandse ondernemers en professionals betekent dit dat blind varen op een enkele AI-aanbieder riskant is. Als je maandelijks een vast bedrag uitgeeft aan een API, maar de kosten verdrievoudigen zonder aankondiging, staat je hele operationele begroting onder druk. Dit raakt met name marketingteams, die vaak als eerste experimenteren met AI-tools voor contentcreatie, klantenservice of data-analyse. De boodschap is helder: wie nu geen strategie heeft om AI-kosten te beheersen, loopt het risico dat de rekening onverwacht hoog wordt.

Hoe je dit kunt toepassen

Als je een webshop runt en AI gebruikt voor productbeschrijvingen of klantenservice, overweeg dan om over te stappen op een open-source model zoals Llama 3 of Mistral. Deze modellen kun je draaien op je eigen server of via een goedkope cloudprovider. De initiële investering in technische kennis is hoger, maar de maandelijkse kosten zijn voorspelbaar en vaak een fractie van een pay-per-use API. Je zou kunnen beginnen met een eenvoudige test: draai een open-source model lokaal voor een week en vergelijk de kosten met je huidige API-rekening.

Als je een team aanstuurt dat dagelijks AI gebruikt voor rapportages of analyses, is pay-per-use met een strak budget de veiligste optie. Kies een aanbieder die duidelijke prijsplafonds biedt, zoals Azure OpenAI Service of Google Vertex AI. Stel een maandlimiet in en monitor het verbruik wekelijks. Een mogelijkheid is om een dashboard te maken dat waarschuwt zodra je 80 procent van het budget hebt bereikt. Zo voorkom je dat een team ongemerkt duizenden euro’s verbruikt.

Als je in de creatieve sector werkt en AI inzet voor beeldgeneratie of tekstoptimalisatie, kun je fine-tuning overwegen. Dit betekent dat je een bestaand model traint op jouw specifieke data, waardoor het efficiënter wordt en minder rekenkracht nodig heeft voor dezelfde output. Fine-tuning kost eenmalig tijd en geld, maar daarna dalen de operationele kosten aanzienlijk. Overweeg om een klein project te starten, bijvoorbeeld het finetunen van een model voor het genereren van social media posts in jouw huisstijl. De investering verdien je terug zodra je niet meer per post hoeft te betalen.

Als je een klein bedrijf runt met beperkte technische kennis, is het verstandig om te beginnen met een hybride aanpak. Gebruik pay-per-use voor eenvoudige taken zoals het samenvatten van e-mails, en open-source voor zwaardere taken zoals het analyseren van klantdata. Je zou kunnen experimenteren met een tool als Ollama, waarmee je eenvoudig open-source modellen op je eigen laptop kunt draaien zonder dat je een server hoeft te beheren. De praktische toepassing hangt af van jouw situatie, maar het principe is hetzelfde: spreid je risico en voorkom dat je afhankelijk wordt van één dure leverancier.

Bron: Marketing AI Institute