Tokenbudget verlagen zonder team te krimpen

Sophie Jansen · 2026-07-10

Jensen Huang, CEO van Nvidia, heeft een simpele 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 €460.000 per jaar minder dan de helft van zijn salaris aan AI-tokens verbruikt, hij "diep verontrust" zou zijn. Nvidia werkt volgens hem toe naar een jaarlijkse tokenrekening van €1,84 miljard voor zijn technische team. Dit is geen uitzondering, maar de nieuwe realiteit. Geld dat vroeger naar salarissen ging, stroomt nu naar tokens. De vier grootste hyperscalers hebben samen ongeveer €644 miljard aan investeringen voor 2026 aangekondigd, bijna het dubbele van vorig jaar. Uitzendbureau Challenger, Gray & Christmas meldt dat AI voor de vierde maand op rij de belangrijkste reden is voor ontslagen in de VS. ### Ontslagen als financieringsbron Een interne Meta-nota, verkregen door Reuters, beschrijft hoe de schrapping van 8.000 banen in mei de enorme investeringen van het bedrijf compenseerde. Dit terwijl de omzet in dat kwartaal met 33% groeide. Dit zijn geen overlevingsmaatregelen. Dit is financiering. Het probleem? Die financiering heeft niet opgeleverd wat ze beloofde. Gartner ondervroeg 350 directeuren van bedrijven met een omzet van meer dan €920 miljoen, die allemaal AI-agenten of automatisering inzetten. Ongeveer 80% had personeel ontslagen, maar zag geen verbetering van de rendementen. Analist Helen Poitevin was helder: "Personeelsreducties creëren budgetruimte, maar geen rendement." ### De dure les van Uber Uber leerde de token-les op de harde manier. In december kregen 5.000 ingenieurs AI-codeertools, en in april was het hele AI-budget voor 2026 al op. Operationeel directeur Andrew Macdonald gaf toe dat, hoewel 70% van de code door AI werd gegenereerd, de link met wat klanten merken ontbreekt: "Die link is er nog niet." Deze twee mislukkingen samen laten het echte probleem zien. Bedrijven behandelden de tokenrekening als vast en het personeelsbestand als flexibel. Maar het tegenovergestelde is waar. Ontslagen gebeuren eenmalig en nemen institutionele kennis mee. Een tokenbudget is juist op veel punten buigzaam. ### 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 eenmalig 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 9,8 miljard tokens uit de cache werden bediend. Die ene technische oefening bespaarde meer budget dan de meeste AI-gerelateerde ontslagrondes. ### De juiste schaal kiezen De volgende hefboom is het routeren van werk naar het juiste model. De prijslijsten van aanbieders laten zien dat vlaggenschipmodellen vijf keer duurder zijn per token dan kleinere varianten. Toch sturen veel productieomgevingen routinematige classificatie en samenvatting standaard naar de duurste laag. Batchverwerking biedt nog eens 50% korting voor alles wat geen real-time antwoord nodig heeft. Retrieval-augmented generation pakt het probleem van een andere kant aan door alleen het relevante deel van een kennisbank naar het model te sturen. Prompt compressie schrapt overbodige voorbeelden die elke aanroep opblazen. Open-weight modellen verlagen de kosten verder en verwerken routinematige taken tegen een fractie van de API-prijzen van geavanceerde modellen, mits teams bereid zijn de infrastructuur te beheren. Dit zijn simpelweg de AI-equivalent van het uitschakelen van de lichten in lege kamers. Uber's limiet van €1.380 per maand per ingenieur, opgelegd na de overschrijding in april, is het eerste bewijs dat deze maatregelen werken.