De kosten van AI kunnen voor intensieve gebruikers snel oplopen tot boven het salaris van een medewerker. Vooral AI-agents die zelfstandig taken uitvoeren, verbranden zoveel tokens dat de rekening explodeert. Open-source modellen, waaronder Chinese, bieden een alternatief dat de kosten voor MKB-bedrijven aanzienlijk kan drukken.

Wat er aan de hand is

De grote AI-aanbieders zoals OpenAI, Anthropic en Google rekenen voor hun topmodellen per gebruik, afgerekend in tokens. Een token is een stukje tekst dat het model genereert of verwerkt. De prijzen voor topmodellen liggen rond de 5 dollar per miljoen invoertokens en 30 dollar per miljoen outputtokens. Voor eenmalige prompts valt dat mee, maar sinds de opkomst van AI-agents zoals Claude Code, Cursor en OpenAI Codex lopen de kosten snel op. Deze agents werken zelfstandig, soms 24/7, en verbruiken daarbij continu tokens.

Onderzoeksbureau Gartner waarschuwt dat de kosten voor tokens en abonnementen tegen 2028 kunnen oplopen tot boven het salaris van een gemiddelde programmeur in India. Nu al geeft een kwart van de ondervraagde IT-managers hun programmeurs een budget van 200 tot 500 dollar per maand, maar dat bedrag kan oplopen tot 2.000 dollar. Zes procent van de techleiders geeft zelfs al meer dan 2.000 dollar per developer uit.

Wat dit betekent

Voor ondernemers die AI inzetten voor softwareontwikkeling, contentproductie of data-analyse, betekent dit dat de variabele kosten onvoorspelbaar worden. Een maandabonnement van 25 euro is betaalbaar, maar zodra je medewerkers dagelijks met AI-agents werken, wordt de rekening een serieuze kostenpost. Dit raakt vooral bedrijven die AI intensief gebruiken: softwarebedrijven, marketingafdelingen en organisaties die processen automatiseren.

De verschuiving naar open-source modellen, waaronder Chinese varianten, biedt een uitweg. Deze modellen zijn vaak gratis of aanzienlijk goedkoper in gebruik. Je betaalt dan niet per token, maar draait het model op je eigen infrastructuur of via een goedkopere provider. Voor bedrijven die veel tokens verbruiken, kan dit het verschil maken tussen een beheersbare kostenpost en een exploderende rekening.

Hoe je dit kunt toepassen

Als je een softwarebedrijf runt en je developers werken dagelijks met AI-agents, dan is het verstandig om het tokenverbruik in kaart te brengen. Kijk eens naar het maandelijkse verbruik van tools als Claude Code of Cursor. Als dat boven de 200 dollar per developer uitkomt, zou je kunnen onderzoeken of een open-source model dezelfde taken kan uitvoeren tegen lagere kosten. Je zou kunnen beginnen met een pilot op een niet-kritisch project om te zien of de kwaliteit voldoende is.

Als je een marketingafdeling aanstuurt die AI gebruikt voor contentproductie, dan kun je overwegen om routinetaken zoals samenvattingen, eerste concepten of vertalingen over te hevelen naar een goedkoper open-source model. De dure topmodellen blijven dan gereserveerd voor complexe taken waar kwaliteit echt het verschil maakt. Een mogelijkheid is om een intern draaiboek te maken waarin staat welke taken met welk model worden uitgevoerd.

Als je als ondernemer zelf intensief gebruikmaakt van AI-assistenten, dan is het zinvol om je maandelijkse AI-kosten te controleren. Je zou kunnen overstappen van een duur abonnement naar een pay-per-use constructie met een open-source model. Overweeg om een budgetlimiet in te stellen voor AI-gerelateerde kosten, zodat je niet voor verrassingen komt te staan.

Als je een team van vijf of meer developers hebt die AI-agents gebruiken, dan loont het om een kostenberekening te maken. Bij 2.000 dollar per developer per maand praat je over 10.000 dollar per maand voor een team van vijf. Een open-source alternatief op eigen hardware of via een goedkopere cloudprovider kan dat bedrag mogelijk halveren. Je zou kunnen overleggen met je IT-afdeling of een dergelijke infrastructuur haalbaar is.

Als je werkt met gevoelige bedrijfsdata, dan biedt open-source software nog een voordeel: je kunt het model draaien op je eigen servers, waardoor data het bedrijf niet verlaat. Dit kan relevant zijn voor bedrijven in de zorg, financiële dienstverlening of andere sectoren met strenge privacyregels. Een optie is om een open-source model lokaal te installeren en te testen met een kleine dataset.

De praktische toepassing hangt af van jouw situatie, maar de kern is duidelijk: voor intensief gebruik is het verstandig om niet blind te varen op de dure closed-source modellen. Open-source alternatieven worden steeds beter en kunnen een aanzienlijke besparing opleveren.

Bron: Sprout