AI-tokenbudget verlagen zonder personeel te ontslaan

Sophie Jansen · 2026-07-10

Jensen Huang, de CEO van Nvidia, heeft een simpele test om te bepalen of een ingenieur de moeite waard is: hoeveel AI-tokens verbruikt die persoon? Tijdens de All-In Podcast na GTC 2026 zei hij dat als een ingenieur van €460.000 (omgerekend van $500.000) jaarlijks minder dan de helft van zijn salaris aan AI-tokens uitgeeft, hij zich "diep zorgen zou maken". Nvidia werkt volgens hem toe naar een jaarlijkse tokenrekening van €1,84 miljard voor zijn hele engineeringteam. Dit verhaal gaat over een keuze die veel bedrijven al stilletjes hebben gemaakt: geld dat vroeger naar salarissen ging, gaat nu naar tokens. De vier grootste hyperscalers plannen voor 2026 gezamenlijk investeringen van ongeveer €644 miljard, bijna het dubbele van vorig jaar. Uitbestedingsbureau Challenger, Gray & Christmas meldt dat AI voor de vierde maand op rij de belangrijkste reden is voor ontslagen in de VS. Een intern Meta-memo, verkregen door Reuters, beschrijft de ontslagen van 8.000 medewerkers in mei als een manier om de enorme investeringen van het bedrijf te compenseren, terwijl de omzet in dat kwartaal met 33% groeide. Dit zijn geen overlevingsmaatregelen, maar financieringsmethodes. ### Waarom ontslagen niet werken Het probleem is dat die financiering niet oplevert wat beloofd werd. Gartner ondervroeg 350 executives van bedrijven met meer dan €920 miljoen omzet, die allemaal AI-agents of automatisering inzetten. Ongeveer 80% had personeel ontslagen, maar er was geen verband met betere resultaten. Analist Helen Poitevin was duidelijk: "Ontslagen creëren budgetruimte, maar geen rendement." Uber leerde deze les op een dure manier. In december gaven ze 5.000 ingenieurs AI-codeertools, waardoor ze hun hele AI-budget voor 2026 al in april hadden opgemaakt. COO Andrew Macdonald gaf toe dat 70% van de code door AI wordt gegenereerd, maar dat de link met klantwaarde ontbreekt: "Die link is er nog niet." De echte conclusie? Bedrijven behandelden het tokenbudget als vast en het personeel als flexibel. Maar het tegenovergestelde is waar. Ontslagen gebeuren eenmalig en nemen institutionele kennis mee. Een tokenbudget is juist flexibel als je er moeite in steekt. ### Waar het tokenbudget buigt De goedkoopste oplossing is ook het minst glamoureus: stop met betalen om dezelfde tekst steeds opnieuw te verwerken. Prompt caching is nu standaard bij de grote API-aanbieders en verlaagt de kosten voor herhaalde invoer met tot 90% bij Anthropic en OpenAI. Statische content zoals systeeminstructies wordt één keer verwerkt en daarna tegen een fractie van de kosten herlezen. Beveiligingsbedrijf ProjectDiscovery verhoogde de cache-hitrate van 7% naar 84% door prompts te herstructureren. Dit bespaarde 59 tot 70% op hun LLM-kosten, terwijl ze 9,8 miljard tokens uit de cache serveerden. Die ene technische ingreep leverde meer budget op dan de meeste AI-gerelateerde ontslagrondes. De volgende stap is het routeren van taken naar het juiste model. De prijslijsten van aanbieders laten zien dat vlaggenschipmodellen vijf keer duurder zijn dan kleinere modellen per token. Toch sturen veel productieomgevingen routinematige classificatie- en samenvattingstaken standaard naar de duurste laag. Batchverwerking geeft nog eens 50% korting voor taken die geen realtime antwoord nodig hebben. Retrieval-augmented generation (RAG) pakt het probleem anders aan: het stuurt alleen het relevante deel van een kennisbank naar het model, in plaats van alles. Prompt compressie verwijdert overbodige voorbeelden die elke aanroep duurder maken. Open-weight modellen verlagen de kosten verder voor teams die de infrastructuur zelf beheren. Deze maatregelen zijn simpelweg het AI-equivalent van het uitzetten van lichten in lege kamers. Uber's limiet van €1.380 per ingenieur per maand – ingesteld na de overschrijding in april – is een vroeg teken dat bedrijven nu pas leren hoe ze hun tokenbudgetten écht kunnen beheersen.