AI-kosten besparen zonder je team te krimpen

Sophie Jansen · 2026-07-10

Jensen Huang van Nvidia heeft een opvallende test om te bepalen of een ingenieur de moeite waard is. Tijdens 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 "diep zorgen" zou maken. Nvidia werkt volgens hem naar een jaarlijkse tokenrekening van €2 miljard voor zijn technische team. Hij beschreef een afweging die de meeste bedrijven al stiller hebben gemaakt: geld dat ooit naar mensen ging, gaat nu naar tokens. De vier grootste hyperscalers hebben voor 2026 gezamenlijk ongeveer €700 miljard aan kapitaaluitgaven voorspeld, bijna het dubbele van vorig jaar. Uitbestedingsbureau Challenger, Gray & Christmas meldt dat AI voor de vierde maand op rij de meest genoemde reden is voor ontslagen in de VS. Een interne Meta-notitie, verkregen door Reuters, beschreef de ontslagen van 8.000 functies in mei als compensatie voor de aanzienlijke investeringen van het bedrijf. In een kwartaal waarin de omzet met 33% groeide. Ontslagen bij dit soort bedrijven zijn geen overlevingsmaatregelen. Ze zijn financiering. ### Waarom bezuinigen op personeel niet werkt Het probleem is dat die financiering niet heeft gebracht wat het beloofde. Gartner ondervroeg 350 leidinggevenden bij 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 kunnen budgetruimte creëren, maar ze creëren geen rendement." Uber leerde die les op de dure manier. Het gaf 5.000 ingenieurs in december AI-codeertools en had in april het hele AI-budget voor 2026 al opgebruikt. COO Andrew Macdonald gaf toe dat, ondanks dat 70% van de vastgelegde code door AI is gegenereerd, de link met wat klanten merken ontbreekt: "Die link is er nog niet." Zet deze twee mislukkingen naast elkaar en het echte probleem wordt duidelijk. Bedrijven behandelden de tokenrekening als vast en het personeelsbestand als flexibel. Het tegenovergestelde is waar. Salariskosten bespaar je eenmalig, maar je verliest er institutionele kennis mee. Een tokenbudget blijkt op een half dozijn plekken buigzaam te zijn, als iemand de moeite neemt om het te optimaliseren. ### 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-aanbieders, verlaagt de kosten van herhaalde invoer met tot 90% bij Anthropic en OpenAI. Statische inhoud zoals systeeminstructies en referentiedocumenten wordt een keer verwerkt en daarna tegen een fractie van de kosten herlezen. Beveiligingsbedrijf ProjectDiscovery verhoogde zijn cache-hitratio 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. ### Slimmere modelkeuzes en batchverwerking De volgende hefboom is het routeren van werk naar het juiste model. De prijslijsten van aanbieders laten zien dat vlaggenschipmodellen vijf keer zoveel per token kosten als hun kleinere broertjes. Toch sturen veel productieworkloads routinematige classificatie en samenvatting standaard naar de duurste laag. Batchverwerking geeft een extra korting van 50% voor alles dat geen realtime antwoord nodig heeft. Retrieval-Augmented Generation (RAG) pakt het probleem van een andere kant aan door het model alleen het relevante deel van een kennisbank te sturen in plaats van de hele database. Promptcompressie knipt de overbodige voorbeelden weg die elke aanroep groter maken. Open-weight modellen verlagen de kosten nog verder. Ze verwerken routinematige workloads 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 uitzetten van lichten in lege kamers. Ubers maandelijkse limiet van €1.500 per ingenieur, opgelegd na de overschrijding in april, is het eerste bewijs dat het werkt. De les is duidelijk: bezuinig niet op mensen, maar optimaliseer je tokenverbruik.