AI-budget besparen zonder personeel te ontslaan

Sophie Jansen · 2026-07-10

Stel je voor: je geeft een half miljoen euro per jaar uit aan een ingenieur, maar die gebruikt nauwelijks AI-tokens. Jensen Huang, CEO van Nvidia, vindt dat een alarmsignaal. Op de All-In Podcast na GTC 2026 zei hij dat als een ingenieur van €500.000 per jaar minder dan de helft van zijn salaris aan AI-tokens verbruikt, hij zich ernstig zorgen maakt. Nvidia werkt zelfs naar een jaarlijkse tokenrekening van €2 miljard voor zijn technische team. Dit klinkt als een ver-van-je-bed-show, maar de realiteit is dat veel bedrijven al bezig zijn met dezelfde afweging: geld dat eerst naar salarissen ging, gaat nu naar tokens. De vier grootste hyperscalers hebben gezamenlijk ongeveer €700 miljard aan investeringen voor 2026 aangekondigd, bijna het dubbele van vorig jaar. Uit data van outplacementbureau Challenger, Gray & Christmas blijkt dat AI voor de vierde maand op rij de meest genoemde reden is voor ontslagen in de VS. ### Waarom ontslagen niet werken Een interne memo van Meta, ingezien door Reuters, beschreef de ontslagen van 8.000 medewerkers in mei als een manier om de aanzienlijke investeringen van het bedrijf te compenseren. In een kwartaal waarin de omzet met 33% groeide. Dit zijn geen overlevingsmaatregelen, maar financieringsmechanismen. Het probleem? Die financiering levert niet wat het belooft. Gartner ondervroeg 350 executives van bedrijven met een omzet van meer dan €1 miljard, die allemaal AI-agenten of automatisering inzetten. Ongeveer 80% had personeel ontslagen, maar er was geen verband met betere resultaten. Analist Helen Poitevin was duidelijk: "Personeelsreducties creëren budgetruimte, maar geen rendement." ### De dure les van Uber Uber leerde de token-kant van deze les op de harde manier. In december gaven ze 5.000 ingenieurs AI-codeertools, en in april was het hele AI-budget voor 2026 al op. COO Andrew Macdonald gaf toe dat 70% van de code door AI werd gegenereerd, maar dat de link met wat klanten merken ontbrak: "Die link is er nog niet." Deze twee mislukkingen samen tonen het echte probleem: bedrijven behandelen de tokenrekening als vast en het personeelsbestand als flexibel, terwijl het omgekeerde waar is. Ontslagen gebeuren eenmalig en nemen institutionele kennis mee. Een tokenbudget daarentegen kan op een half dozijn manieren worden bijgesteld. ### Waar het tokenbudget buigt De goedkoopste oplossing is ook de minst glamoureuze: stop met betalen om dezelfde tekst steeds opnieuw te verwerken. Prompt caching, nu standaard bij de grote API-providers, verlaagt de kosten van herhaalde invoer met tot 90% bij Anthropic en OpenAI. Statische content zoals systeeminstructies en referentiedocumenten worden eenmalig verwerkt en daarna tegen een fractie van de prijs herlezen. Beveiligingsbedrijf ProjectDiscovery liet zien hoe het zijn cache-hitratio verhoogde van 7% naar 84% door prompts te herstructureren. Dit verlaagde de totale LLM-uitgaven met 59 tot 70%, terwijl er 9,8 miljard tokens uit de cache werden bediend. Die ene technische oefening leverde meer budget op dan de meeste AI-gerelateerde ontslagrondes besparen. ### Kies het juiste model De volgende hefboom is het routeren van werk naar het juiste model. De prijslijsten van providers laten zien dat vlaggenschipmodellen vijf keer duurder zijn per token dan hun kleinere broertjes. Toch sturen veel productie-workloads routinematige classificatie en samenvatting naar de duurste laag. Batchverwerking geeft nog eens 50% korting voor alles wat geen realtime antwoord nodig heeft. ### RAG en promptcompressie Retrieval-augmented generation (RAG) pakt het probleem van een andere kant aan: het stuurt alleen het relevante deel van een kennisbank naar het model, in plaats van de hele database. Promptcompressie snoeit de redundante voorbeelden die elke aanroep opblazen. Open-weight modellen verlagen de kosten nog verder door routinematige workloads af te handelen tegen een fractie van de prijs van frontier-API's, voor teams die de infrastructuur willen beheren. Deze maatregelen zijn simpelweg het AI-equivalent van het uitschakelen van de lichten in lege kamers. Uber's limiet van €1.500 per maand per ingenieur – opgelegd na de overschrijding in april – is het eerste bewijs dat het werkt. ### Conclusie Het draait niet om minder mensen, maar om slimmer omgaan met tokens. Door caching, modelselectie en compressie te optimaliseren, kun je het tokenbudget verkleinen zonder dat je team krimpt. De echte winst zit in het behouden van kennis en het efficiënt inzetten van AI, niet in het blindelings snijden in personeel.