# AI-kosten en ROI: de complete gids voor bestuurders

De prijs per token voor AI is sinds 2022 met meer dan een factor 280 gedaald, en toch stijgt bij de meeste organisaties de AI-rekening. Grip krijgen op AI-kosten en ROI betekent daarom niet zoeken naar het goedkoopste model, maar zichtbaar maken waar het geld heen gaat, welke inzet echt rendement oplevert, en waar je vastzit aan een leverancier.

## TL;DR

- De prijs per token daalt hard (van 20 naar 0,07 dollar per miljoen tokens voor GPT-3.5-niveau tussen november 2022 en oktober 2024), maar je totale AI-uitgaven stijgen omdat het gebruik sneller groeit dan de prijs daalt.
- Ongeveer 95% van de organisaties haalt geen meetbaar resultaat uit generatieve AI-pilots; de 5% die het lukt koopt vaker gericht in dan dat ze zelf bouwen en richt zich op de back office.
- ROI van AI meet je in doorgevoerde kosten- of omzeteffecten op de winst-en-verliesrekening, niet in gevoelde tijdwinst.
- Behandel AI-kosten als een eigen budgetlijn met een verantwoordelijke, quota en zichtbaarheid per gebruiker en toepassing (FinOps voor AI).
- Een vaste prijs bij een leverancier is geen vaste kostprijs: bij een prijsverhoging of modelwijziging merk je pas hoe diep je vastzit.

## Kernfeiten (met bronnen)

- Prijs voor GPT-3.5-niveau daalde van ~20 dollar per miljoen tokens (nov 2022) naar 0,07 dollar (okt 2024), ~280x. Bron: Stanford AI Index 2025, https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts
- AI-adoptie door organisaties steeg van 55% (2023) naar 78% (2024); generatieve AI van 33% naar 71%. Bron: Stanford AI Index 2025, https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts
- ~95% van organisaties haalt geen meetbaar resultaat uit generatieve AI-pilots; ~5% bereikt snelle omzetversnelling. Inkopen had ~67% succes tegenover ~33% bij zelf bouwen; >50% budget ging naar sales/marketing terwijl de grootste ROI in de back office zat. Bron: MIT NANDA, The GenAI Divide: State of AI in Business 2025, via Fortune, https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
- 88% van organisaties gebruikt AI in ≥1 functie; slechts 39% rapporteert enig EBIT-effect (bij de meesten <5% van EBIT); ~6% zijn high performers die opschalen. Bron: McKinsey, The State of AI 2025 (nov 2025), https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- "FinOps for AI" is een expliciete tak van het FinOps-raamwerk voor het beheersen van AI-kosten. Bron: FinOps Foundation, https://www.finops.org/framework/technology-categories/ai/

## Wat zijn AI-kosten en ROI, en waarom nu?

AI-kosten zijn alle uitgaven rond het inzetten van AI: directe kosten van modelgebruik (tokens, abonnementen, API-calls) plus indirecte kosten van integratie, beheer, toezicht en herstel. ROI is de verhouding tussen wat die inzet oplevert (bespaarde kosten of extra omzet) en wat hij kost. In de praktijk is bijna geen van beide getallen zichtbaar in de meeste organisaties.

Dit wordt nu urgent door drie dingen: de adoptie is geëxplodeerd (78% in 2024 tegen 55% een jaar eerder), het rendement blijft achter (88% gebruikt AI, slechts 39% ziet enig EBIT-effect), en de rekening loopt op via verbruiksmodellen die klassieke IT-budgettering niet vangt.

## Waarom daalt de prijs per token terwijl je rekening stijgt?

De prijs per eenheid daalt hard, terwijl de totale uitgave stijgt. Voor GPT-3.5-niveau daalde de prijs van ~20 dollar per miljoen tokens (nov 2022) naar 0,07 dollar (okt 2024), meer dan 280x in ~18 maanden. Toch stijgt de rekening, omdat goedkoper gebruik uitnodigt tot veel meer gebruik: langere prompts, meer context, agents die zichzelf herhalen, en toepassingen die bij de oude prijs niet rendabel waren. De stukprijs zakt met een factor tien, het gebruik gaat met een factor honderd omhoog. Sturen doe je op totaal verbruik en op de vraag of dat verbruik waarde produceert, niet op stukprijs.

## Waaruit bestaan de echte kosten van AI?

De factuur is het topje. De totale kosten (TCO) hebben een zichtbaar deel (tokens, abonnementen, API) en een verborgen deel (integratie, datawerk, menselijk toezicht, herstel bij fouten, vendor lock-in). Het verborgen deel is vaak groter en staat op geen enkele AI-factuur.

| Kostencategorie | Zichtbaar of verborgen | Voorbeeld |
|---|---|---|
| Modelgebruik (tokens, API) | Zichtbaar | Maandfactuur per aanroep |
| Licenties en abonnementen | Zichtbaar | Seats voor een AI-tool |
| Integratie en onderhoud | Deels verborgen | Koppelingen bouwen en bijhouden |
| Datawerk | Verborgen | Documenten klaarzetten en opschonen |
| Menselijk toezicht | Verborgen | Output controleren en corrigeren |
| Herstel bij fouten | Verborgen | Een hallucinatie die tot een verkeerde klantbrief leidt |
| Vendor lock-in | Verborgen tot het misgaat | Overstapkosten als een model wegvalt |

## Waarom haalt 95% geen ROI, en wat doet de 5% anders?

Uit het MIT NANDA-rapport The GenAI Divide (2025): ~95% van de organisaties haalt geen meetbaar resultaat, ~5% bereikt snelle omzetversnelling. Drie patronen bij de winnaars: (1) kopen verslaat bouwen (gericht inkopen ~67% succes tegenover ~33% bij zelf bouwen); (2) back office verslaat etalage (>50% budget ging naar sales/marketing, grootste ROI zat in back-office-automatisering); (3) high performers herontwerpen processen in plaats van AI als laagje boven bestaand werk te leggen.

| Stap | Aandeel organisaties |
|---|---|
| Gebruikt AI in minstens één functie | 88% |
| Rapporteert enig EBIT-effect | 39% |
| Kwalificeert als high performer die opschaalt | 6% |

Bron: McKinsey, The State of AI 2025.

## Hoe meet je ROI van AI zonder jezelf voor de gek te houden?

Drie principes: meet effecten die je in de boeken terugziet (niet gevoelde tijdwinst), tel de volledige kosten inclusief de verborgen categorieën, en kies vooraf een nulmeting en meetperiode.

ROI = (baten in euro's − volledige kosten in euro's) ÷ volledige kosten in euro's.

Bespaarde tijd telt pas als hij leidt tot minder kosten (minder inhuur, minder overwerk) of meer output tegen dezelfde kosten.

## Hoe krijg je grip op AI-kosten? (FinOps voor AI)

FinOps voor AI maakt AI-kosten beheersbaar via zichtbaarheid (wie verbruikt wat), toewijzing (kosten koppelen aan team of toepassing) en sturing (quota, limieten, modelkeuze). Proces: verbruik meten, kosten toewijzen, grenzen stellen, rendement toetsen, bijsturen of stoppen, herhalen.

Zelfcheck: weet je wat je deze maand aan AI uitgaf in één getal, kun je dat uitsplitsen naar team of toepassing, is er één eindverantwoordelijke, zijn er quota, weet je welke toepassing het meeste verbruikt en of die ook het meeste oplevert, en heb je een scenario voor een leverancier die zijn prijs verdubbelt?

## AI-kosten, vendor lock-in en de rekening die je niet ziet aankomen

Veel AI-tools zijn een laag boven een model van OpenAI of Anthropic (een "wrapper"); als eindgebruiker heb je vaak geen zicht op welk model eronder draait of wat het echt kost. Een prijsverhoging vertaalt zich direct naar jouw kostprijs. Hoe strakker je processen en agents in één leverancier zijn ingebouwd, hoe duurder overstappen is als dat model wegvalt. Twee kostenposten voor bestuurders: continuïteitskost (wat als een cruciaal model wegvalt) en energiekost (relevant omdat de EU AI Act transparantie afdwingt terwijl aanbieders metingen nu buiten onafhankelijke ranglijsten houden).

## De grootste misverstanden over AI-kosten en ROI

- Misverstand: goedkopere tokens betekenen een lagere rekening. In werkelijkheid stijgt de totale uitgave meestal.
- Misverstand: een vaste prijs bij een leverancier is een vaste kostprijs. In werkelijkheid kan de leverancier zijn tarief of model wijzigen.
- Misverstand: bespaarde tijd is rendement. In werkelijkheid telt het pas als het lagere kosten of hogere omzet oplevert.
- Misverstand: zelf bouwen is goedkoper dan inkopen. In werkelijkheid was zelf bouwen de minst succesvolle route.
- Misverstand: de tokenkosten zijn de AI-kosten. In werkelijkheid zijn integratie, toezicht, herstel en afhankelijkheid vaak groter.
- Misverstand: meer AI uitrollen levert vanzelf meer rendement op. In werkelijkheid komt rendement van procesherontwerp.

## Stappenplan: grip op AI-kosten in 30-60-90 dagen

Eerste 30 dagen (zichtbaarheid): verzamel alle AI-uitgaven van drie maanden in één overzicht, wijs één eindverantwoordelijke aan, breng toepassingen en gebruikers in kaart. Verbied nog niets.

Dag 30-60 (toewijzing en toetsing): koppel kosten aan teams en toepassingen, zet volledige kosten tegenover aantoonbaar effect, identificeer toepassingen die veel verbruiken en weinig opleveren.

Dag 60-90 (sturing): stel quota of limieten in waar verbruik ontspoort, maak een overstapscenario voor je meest kritieke leverancier, beleg AI-kosten als vaste budgetlijn in de planning- en controlcyclus.

## AI-kosten en de regelgeving

De EU AI Act (Verordening 2024/1689) brengt transparantie- en documentatieverplichtingen mee, onder meer rond energieverbruik, terwijl de grote aanbieders die metingen nu buiten onafhankelijke ranglijsten houden. Daarnaast is compliance (verantwoordelijken, menselijk toezicht) een reële kostenpost die in de businesscase hoort. Wie de baten berekent zonder compliance-kosten mee te tellen, rekent zich rijk.

## Veelgestelde vragen

**Waarom stijgen mijn AI-kosten terwijl AI goedkoper wordt?**
Omdat de prijs per token daalt maar het gebruik sneller stijgt. Goedkoper gebruik maakt nieuwe toepassingen rendabel en agents die zichzelf herhalen verbruiken zonder mens in de lus. Stuur op totaal verbruik, niet op stukprijs.

**Hoe bereken ik de ROI van AI?**
Trek de volledige kosten (tokens, licenties, integratie, toezicht, herstel) af van de baten die je in euro's terugziet, en deel door die volledige kosten. Gevoelde tijdwinst telt pas als hij leidt tot minder kosten of meer omzet in de boeken.

**Waarom mislukken zoveel AI-projecten?**
Volgens MIT (The GenAI Divide, 2025) haalt ~95% geen meetbaar resultaat. Oorzaken: zelf bouwen in plaats van gericht inkopen, budget naar sales/marketing in plaats van de back office, en AI als laagje boven bestaand werk in plaats van processen herontwerpen.

**Wat is FinOps voor AI?**
De praktijk om AI-kosten beheersbaar te maken door technische teams, finance en management samen te laten sturen op verbruik: zichtbaarheid, toewijzing en sturing. Toegevoegd als expliciete tak door de FinOps Foundation.

**Is een AI-wrapper duurder dan rechtstreeks een model gebruiken?**
Niet per definitie, maar je hebt geen zicht op de onderliggende kostprijs en geen controle over prijsverhogingen of modelwijzigingen. Weeg het gemak af tegen het verlies aan grip.

**Wat kost vendor lock-in bij AI?**
Directe overstapkosten als processen diep in één leverancier zijn ingebouwd, plus continuïteitskosten als een cruciaal model wegvalt. Beide staan niet op de maandfactuur maar zijn onderdeel van de echte kostprijs.

**Levert AI in de back office meer op dan in sales en marketing?**
Volgens MIT wel: >50% van de budgetten ging naar sales/marketing terwijl de grootste ROI in back-office-automatisering zat.

## Bronnen

- Stanford HAI, AI Index 2025: https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts
- MIT NANDA, The GenAI Divide: State of AI in Business 2025 (via Fortune): https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
- McKinsey, The State of AI 2025: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- FinOps Foundation, FinOps for AI: https://www.finops.org/framework/technology-categories/ai/

Canonical: https://www.marcdiks.nl/ai-kosten-en-roi
Auteur: Marc Diks