De race om winstgevendheid bij grote AI-bedrijven zoals OpenAI en Anthropic is nu zo hevig dat het hun productbeslissingen en voorwaarden voor gebruikers direct beïnvloedt. Dit betekent dat de tools waar je op rekent onverwacht kunnen verdwijnen of duurder kunnen worden, omdat de bedrijven keuzes moeten maken tussen innovatie en kostenbeheersing.

Wat er aan de hand is

Volgens een analyse in The Verge bevinden toonaangevende AI-bedrijven zich op een kritiek punt. Ze hebben enorme investeringen ontvangen, maar moeten nu bewijzen dat ze winstgevend kunnen worden. Deze druk leidt tot concrete, zichtbare veranderingen in hun gedrag. Zo stopte OpenAI onlangs abrupt met zijn videogeneratie-app Sora, ondanks een lucratieve licentieovereenkomst met Disney. De reden, volgens het artikel, was dat Sora te veel rekenkracht (compute) kostte en die middelen nodig waren voor andere, mogelijk winstgevendere producten zoals Codex. Dit illustreert een bredere trend: de opkomst van AI-agents (zoals Claude Code en Cowork) verbruikt rekenkracht in een tempo dat de bedrijven niet hadden voorzien, waardoor ze gedwongen worden tot moeilijke keuzes over welke producten ze wel of niet ondersteunen.

Wat dit betekent

Voor ondernemers en professionals betekent dit dat de AI-tools in hun workflow niet meer vanzelfsprekend zijn. De stabiliteit en beschikbaarheid van een tool worden niet langer alleen bepaald door zijn populariteit of nut, maar door de interne kosten-batenanalyse van het bedrijf erachter. Een tool die vandaag essentieel is voor je proces, kan morgen worden stopgezet als hij te duur is om te draaien of niet genoeg directe inkomsten genereert. Dit introduceert een nieuw soort risico: afhankelijkheid van een snel veranderend ecosysteem waar winstgevendheid de belangrijkste drijfveer wordt. Het betekent ook dat voorwaarden, prijzen en toegankelijkheid sneller kunnen veranderen dan voorheen, omdat bedrijven experimenteren met manieren om hun verbrandingssnelheid van kapitaal (burn rate) onder controle te krijgen.

Hoe je dit kunt toepassen

De praktische toepassing hangt af van jouw situatie. De kern is om bewust om te gaan met afhankelijkheid van specifieke AI-tools en je processen hierop in te richten.

Als je een kritisch bedrijfsproces hebt geautomatiseerd met één specifieke AI-tool… overweeg dan om de afhankelijkheid te verminderen. Dit betekent niet per se dat je moet stoppen, maar wel dat je een plan B paraat hebt. Documenteer het proces grondig, zodat je het handmatig of met een alternatieve tool kunt overnemen als de primaire tool verdwijnt. Onderzoek of er open-source alternatieven zijn die je in reserve kunt houden.

Als je budget vrijmaakt voor AI-diensten op basis van maandelijkse abonnementskosten… wees dan voorbereid op prijswijzigingen. De druk om winst te maken kan leiden tot nieuwe prijsmodellen of het beperken van het gebruik in goedkope abonnementen. Houd een buffer in je budget voor dergelijke veranderingen en evalueer regelmatig of de geboden waarde nog in verhouding staat tot de kosten.

Als je een nieuw AI-product evalueert voor implementatie… stel dan niet alleen vragen over de functionaliteit, maar ook over het bedrijfsmodel van de aanbieder. Is het een core product voor het bedrijf of een experiment? Hoe wordt het gefinancierd? Hoewel dit niet altijd openbaar is, kan de communicatie en roadmap van het bedrijf hints geven over hun lange termijn commitment. Kies waar mogelijk voor tools die duidelijk verbonden zijn aan de hoofdinkomstenstroom van de aanbieder.

Als je AI gebruikt voor experimentele of niet-kritieke taken… kun je meer risico nemen en profiteren van nieuwe, mogelijk kortstondige tools. Het verdwijnen ervan is dan vervelend, maar niet catastrofaal voor je bedrijfsvoering. Dit is een gebied waar je kunt blijven innoveren zonder het grote stabiliteitsrisico.

Bron: The Verge