Waarom je AI-rekening een economisch model nodig heeft

Per-token en per-GPU-kosten lopen sluipend op als je overal het zwaarste model bij pakt. Zo kies je per taak het goedkoopste model dat het werk betrouwbaar doet.

Een AI-rekening loopt zelden op door één grote uitgave, maar door duizend kleine keuzes om “even het grote model erbij te pakken”. Elk verzoek kost tokens of GPU-tijd, en het zwaarste model kost een veelvoud van een licht model. Zonder een simpel economisch model kies je onbewust steeds de duurste optie voor werk dat een goedkoper model prima aankan.

Dat is de reden dat aitonomi elke AI-opstelling behandelt als een kostenvraagstuk, niet alleen als een techniekvraag. Token-discipline heet dat: per taak bewust kiezen. Deze post legt uit hoe de kosten werken en hoe je ze onder controle houdt. De bedragen hieronder zijn voorbeelden om de logica te tonen, geen echte prijslijst van aitonomi of van een leverancier.

Hoe werken per-token- en per-GPU-kosten?

De meeste AI-diensten rekenen per token: een token is ruwweg een stukje van een woord, en je betaalt voor alles wat erin gaat (je prompt plus context) en alles wat eruit komt (het antwoord). Een lange instructie met veel meegestuurde documenten kost dus meer dan een korte vraag, ook als het antwoord hetzelfde is.

Daarnaast bestaat het per-GPU-tijdmodel: je betaalt voor de rekentijd die de machine voor je vraag gebruikt. Daar is niet de lengte van je tekst de kostenpost, maar hoe zwaar het model is en hoe lang het nadenkt. Beide modellen straffen hetzelfde gedrag af: een groot model inzetten waar een klein model volstond. Bij lokaal draaien op eigen hardware zijn de kosten al betaald bij aankoop, maar dan betaal je in wachttijd en in belasting van je machine.

Waarom wordt “even het grote model erbij pakken” sluipend duur?

Omdat de kosten per verzoek klein en onzichtbaar zijn, maar het volume groot. Stel dat een klein model een samenvatting doet voor een fractie van de kosten van een frontier-model. Op één taak merk je het verschil niet. Maar reken het door:

Aanname (voorbeeld)	Klein model	Groot model
Kosten per taak	€ 0,01	€ 0,10
Taken per dag	200	200
Kosten per maand (22 dagen)	€ 44	€ 440

Deze getallen zijn illustratief, geen echte tarieven. Maar de verhouding is het punt: hetzelfde werk, tien keer de rekening, puur omdat de standaardkeuze het zware model was. En het valt niet op, want niemand ziet € 0,09 verschil per taak. Je ziet alleen aan het eind van de maand een rekening die niemand kan verklaren.

Hoe kies je per taak het goedkoopste model dat werkt?

De regel is: het goedkoopste model dat het werk betrouwbaar doet, wint. Niet het beste model, en niet het goedkoopste model dat er ongeveer uitkomt, maar de goedkoopste dat de taak nog betrouwbaar afmaakt. Dat vraagt drie stappen:

Deel je taken in. Licht werk (samenvatten, herschrijven, invoeren) versus zwaar werk (complex redeneren, meerstaps-analyse). De indeling staat uitgewerkt in Welk AI-model heb je nodig voor kantoorwerk?.
Wijs per soort een standaardmodel toe. Licht werk gaat standaard naar een klein of lokaal model. Alleen zwaar werk mag naar het dure model.
Test de ondergrens. Zoek per taak het lichtste model dat het nog goed doet, niet het model waarvan je aanneemt dat het wel zal werken. De ondergrens ligt vaak lager dan je denkt.

Het information-gain-punt: de grootste besparing zit niet in onderhandelen over tarieven, maar in het standaardgedrag. Zolang “pak het grote model maar” de default is, betaal je structureel te veel. Zet de default op het lichte model en maak het zware model de bewuste uitzondering, dan draait de hele kostenstructuur om.

Wat betekent dit voor de aitonomi-aanpak?

Token-discipline sluit direct aan op de lijn van aitonomi: geen marge op tokenverbruik, de goedkoopste oplossing die werkt wint. Een systeem dat voor elk kantoorklusje het duurste frontier-model aanroept, is geen slim systeem, het is een dure gewoonte. Vaak is het antwoord een lokaal model voor het volume en een frontier-model alleen voor de uitzonderingen, precies de combinatie die je data binnenhoudt én de rekening laag houdt.

Hoe je dat lokale deel op eigen hardware draait, staat in Een Mac mini als AI-server voor je kantoor. En de bredere afweging tussen eigen hardware en een Europese cloud staat in lokaal of cloud, de echte afweging. Wil je weten waar bij jou de sluipende kosten zitten, begin dan bij de AI-readiness scan.