AI-kosten beheersen zonder personeel te ontslaan

Sophie Jansen · 2026-07-10

Stel je voor: je hebt een team van getalenteerde engineers, maar je merkt dat het geld dat je uitgeeft aan AI-tokens sneller groeit dan je begroting. Klinkt bekend? Jensen Huang, de CEO van Nvidia, heeft daar een duidelijke mening over. Hij zei onlangs op de All-In Podcast dat als een engineer van €460.000 per jaar minder dan de helft van zijn salaris aan AI-tokens verbruikt, hij diep bezorgd zou zijn. Nvidia mikt zelfs op een jaarlijkse tokenrekening van €1,84 miljard voor hun hele engineeringteam. Dit klinkt misschien extreem, maar het laat zien hoe bedrijven denken over de balans tussen menselijke arbeid en AI-kosten. ### De verschuiving van salarissen naar tokens Wat er eigenlijk gebeurt, is dat bedrijven geld dat ze vroeger aan mensen uitgaven, nu aan tokens besteden. De vier grootste hyperscalers hebben samen al €644 miljard uitgetrokken voor hun investeringen in 2026, bijna het dubbele van vorig jaar. Uit data van het outplacementbureau Challenger, Gray & Christmas blijkt dat AI nu al vier maanden op rij de meest genoemde reden is voor ontslagen in de VS. Meta ontsloeg in mei bijvoorbeeld 8.000 mensen om hun investeringen te compenseren, terwijl hun omzet met 33% groeide. Het probleem is alleen dat die bezuinigingen niet altijd opleveren wat ze beloven. ### Waarom bezuinigen op personeel niet werkt Uit een onderzoek van Gartner onder 350 executives van bedrijven met een omzet van meer dan €920 miljoen, bleek dat ongeveer 80% van hen personeel had ontslagen zonder dat dit leidde tot betere resultaten. Analist Helen Poitevin zei het duidelijk: "Het verminderen van het personeelsbestand kan budgetruimte creëren, maar het zorgt niet voor rendement." Met andere woorden: je kunt wel mensen ontslaan om geld vrij te maken, maar als je niet weet hoe je dat geld slim inzet, schiet je er niets mee op. Uber leerde die les op een dure manier. Ze gaven 5.000 engineers AI-codeertools in december en hadden hun hele AI-budget voor 2026 al in april opgebruikt. COO Andrew Macdonald gaf toe dat, ondanks dat 70% van de code door AI werd gegenereerd, de link met wat klanten merken nog ontbrak. "Die link is er nog niet," zei hij. Dit laat zien dat het niet alleen om het besparen van geld gaat, maar om het slim inzetten van technologie. ### Waar het tokenbudget buigt Gelukkig zijn er manieren om je tokenkosten te verlagen zonder je team te krimpen. Denk aan het optimaliseren van je prompts: hergebruik dezelfde tekst niet steeds opnieuw. Prompt caching, nu standaard bij de grote API-providers, kan de kosten van herhaalde invoer met wel 90% verlagen. Beveiligingsbedrijf ProjectDiscovery verhoogde hun cache-hitratio van 7% naar 84% door prompts te herstructureren, waardoor hun totale LLM-uitgaven met 59 tot 70% daalden. Dat is meer dan de meeste ontslagrondes ooit besparen. ### Kies het juiste model voor de taak Een andere truc is om werk naar het juiste model te sturen. De prijslijsten van providers laten zien dat vlaggenschipmodellen vijf keer duurder zijn per token dan hun kleinere broertjes, maar veel productieworkloads sturen routinematige taken naar de duurste laag. Batchverwerking biedt nog eens 50% korting voor alles wat geen realtime antwoord nodig heeft. Door retrieval-augmented generation (RAG) te gebruiken, stuur je alleen de relevante delen van je kennisbank naar het model, in plaats van de hele boel. En open-weight modellen kunnen routinetaken aan voor een fractie van de API-prijzen. ### Conclusie: besparen zonder te ontslaan Deze maatregelen zijn simpelweg de AI-equivalent van het uitschakelen van lichten in lege kamers. Uber's maandelijkse limiet van €1.380 per engineer, ingesteld na de overschrijding in april, is een vroeg teken dat bedrijven de controle terugpakken. Door slim te optimaliseren, kun je je tokenbudget verlagen zonder je team te verkleinen. Het draait niet om minder mensen, maar om slimmer werken.