---
title: "Grip op AI-kosten begint met één getal dat bijna niemand heeft"
author: Marc Diks
date: 2026-07-16
modified: 2026-07-16
category: AI & Strategie
reading_time: 6 min
url: https://www.marcdiks.nl/blog/finops-voor-ai-in-de-praktijk
canonical: https://www.marcdiks.nl/blog/finops-voor-ai-in-de-praktijk
language: nl
---

# Grip op AI-kosten begint met één getal dat bijna niemand heeft
Vorige week vroeg een directeur me wat zijn organisatie per maand aan AI uitgeeft. Hij dacht dat het 1 getal was. Het waren er 14, verspreid over facturen van ChatGPT, Claude en twaalf andere tools. Ik snapte zijn verbazing.

Dat is geen boekhoudkundig detail. Dat is waar elk kostenprobleem met AI begint.

Want je kunt niet sturen op iets wat je niet ziet. En bij AI ziet bijna niemand het totaal. Het verbruik zit verstopt in losse abonnementen, in SaaS-tools met een AI-knop erin, in API-sleutels die een team ooit aanvroeg. Bij elkaar opgeteld is het vaak een fors bedrag. Maar niemand telt het bij elkaar op, dus niemand stuurt erop.

## Wat FinOps is, en waarom AI het opnieuw nodig maakt

FinOps is een vakgebied dat de afgelopen jaren ontstond rond cloudkosten. Het idee: cloudverbruik is onvoorspelbaar, want je betaalt per gebruik, en dat gebruik verandert continu. De oplossing is niet één keer een budget vaststellen, maar technische teams, finance en management samen laten sturen op wat er verbruikt wordt. Zichtbaarheid, toewijzing, sturing. In die volgorde.

AI heeft precies hetzelfde probleem, alleen scherper. Je betaalt per token, het verbruik schaalt met elk gebruik, en de prijzen bewegen. De [FinOps Foundation](https://www.finops.org/framework/technology-categories/ai/) heeft daarom een expliciete tak toegevoegd voor AI. Niet omdat AI-kosten fundamenteel anders zijn dan cloudkosten, maar omdat ze nog minder voorspelbaar zijn en nog meer verstopt zitten.

De kern is dat AI-kosten pas beheersbaar worden als drie dingen op orde zijn. Ik loop ze langs zoals ik ze in de praktijk aanpak.

## Stap één: zichtbaarheid, oftewel dat ene getal

Voordat je iets kunt beheersen, moet je het kunnen zien. Dat klinkt logisch en wordt toch bijna altijd overgeslagen.

Zichtbaarheid betekent: je weet hoeveel je organisatie deze maand aan AI uitgaf, in één getal. Niet per tool, niet per team, gewoon het totaal. In de praktijk is dat getal er niet, omdat de uitgaven verspreid zitten over verschillende facturen, verschillende afdelingen en verschillende contracten. De AI van je klantenservicesoftware, het ChatGPT-abonnement van marketing, de API-sleutel van dat ene project: het staat nergens bij elkaar.

De eerste opdracht is dus saai en cruciaal. Verzamel alle AI-uitgaven van de afgelopen drie maanden op één plek. Neem de SaaS-tools met een AI-component mee, want daar zit vaak meer verstopt dan in je directe API-kosten. Als je dat getal voor het eerst ziet, schrik je meestal. Dat is goed. Schrik is het begin van sturing.

## Stap twee: toewijzing, oftewel waar komt het vandaan

Eén totaalgetal is een begin, geen eindpunt. Zodra je het totaal ziet, wil je weten waar het vandaan komt.

Toewijzing betekent dat je de kosten kunt koppelen aan een team, een toepassing of een klant. Welk project verbruikt het meest? Welke afdeling? Welke toepassing draait op de achtergrond door zonder dat iemand er nog naar kijkt? Dit is het punt waarop AI-kosten van een mysterie in een stuurbaar geheel veranderen.

Hier komt een oncomfortabele bevinding om de hoek. Uit onderzoek van het [MIT NANDA-initiatief](https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/) blijkt dat meer dan de helft van de generatieve AI-budgetten naar sales- en marketingtools ging, terwijl de grootste ROI juist in de back office zat. Het geld ging naar de zichtbare, aantrekkelijke toepassingen; het rendement zat in de saaie processen. Zonder toewijzing zie je dat niet. Met toewijzing zie je precies waar je veel uitgeeft en weinig terugkrijgt.

## Stap drie: sturing, oftewel grenzen die je durft te stellen

Zichtbaarheid en toewijzing zijn diagnose. Sturing is behandeling.

Sturing betekent dat je op basis van wat je ziet grenzen stelt. Quota per gebruiker. Limieten per toepassing. Een bewuste keuze welk model waar draait, want je hebt niet overal het duurste model nodig. En, misschien wel het belangrijkste, een verantwoordelijke die eindverantwoordelijk is voor het AI-budget. Eén persoon, geen commissie.

Die modelkeuze verdient een aparte opmerking, want daar zit vaak snelle winst. Niet elke taak heeft het krachtigste, duurste model nodig. Een simpele samenvatting kan op een goedkoper model, terwijl je het topmodel bewaart voor het werk waar het echt telt. Wie overal standaard het zwaarste model inzet, betaalt voor capaciteit die de meeste taken niet gebruiken. Dat is dezelfde logica als niet met een vrachtwagen naar de supermarkt rijden. Sturing is voor een groot deel: het juiste model op de juiste plek.

Ik zeg er meteen bij wat sturing níet is. Het is niet AI verbieden. Blokkeren zonder zicht drijft het gebruik naar de schaduw, en dan heb je én geen grip op de kosten én een governance-probleem erbij. Sturing is het tegenovergestelde: je maakt het gebruik zichtbaar en zet er grenzen omheen, zodat mensen kunnen blijven werken terwijl jij weet wat het kost.

## De valkuil die ik het vaakst zie

Er is één fout die zo vaak terugkomt dat ik hem apart wil benoemen. Organisaties reageren op onzichtbare AI-kosten door de toegang dicht te draaien. Geen ChatGPT meer, geen losse tools, alles via één centraal kanaal. Kostenprobleem opgelost, denkt men.

Het tegendeel gebeurt. Als je AI blokkeert zonder een goed alternatief, verdwijnt het gebruik niet, het verdwijnt uit het zicht. Mensen pakken hun privé-account, hun telefoon, een tool die niemand heeft goedgekeurd. Je rekening wordt lager, maar alleen omdat je hem niet meer ziet. En tegelijk krijg je er een governance-probleem bij, want nu gaat er data naar plekken die je niet kent.

Sturing en blokkeren zijn niet hetzelfde. Sturing maakt gebruik zichtbaar en zet er grenzen omheen. Blokkeren maakt gebruik onzichtbaar en zet er een muur omheen waar mensen omheen lopen. De eerste geeft je grip. De tweede geeft je een cijfer dat mooier lijkt dan de werkelijkheid. Wie op kosten wil sturen, moet dus juist zorgen dat mensen goede, betaalde tools hebben, want dat is wat het gebruik in het zicht houdt.

## De volgorde is niet vrijblijvend

Deze drie stappen zijn een volgorde, geen menu. Ik zie organisaties die bij stap drie beginnen: ze stellen limieten in voordat ze weten wat er verbruikt wordt. Dat is sturen met je ogen dicht. Je knijpt willekeurig ergens af en hoopt dat het de juiste plek was.

De juiste volgorde is meten, toewijzen, dan pas sturen. Eerst zien wat er is, dan begrijpen waar het vandaan komt, dan pas ingrijpen. En daarna herhalen, want AI-verbruik is geen foto maar een film. Wat vorig kwartaal klopte, klopt dit kwartaal niet meer, omdat er tools bij komen, gebruik groeit en prijzen bewegen.

## Waarom dit nu urgent is

Je zou kunnen denken: mijn AI-rekening is nog klein, dit kan wachten. Dat is precies de denkfout.

De adoptie groeit hard. Volgens de [Stanford AI Index 2025](https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts) gebruikte 78% van de organisaties in 2024 AI, tegen 55% een jaar eerder, en meer dan verdubbelde het gebruik van generatieve AI. Je rekening is nu misschien klein, maar hij groeit met je gebruik mee, en gebruik groeit sneller dan je denkt. FinOps invoeren als je rekening al uit de hand loopt, is dweilen. FinOps invoeren nu, terwijl het nog te overzien is, is het verschil tussen sturen en achteraf schrikken.

Dat verschil zag ik van dichtbij toen [AI-budgetten bij grote techbedrijven ontspoorden](/blog/grip-op-ai-kosten). Niet omdat AI faalde, maar omdat het verbruik door programmeurs veel hoger uitviel dan begroot, en niemand het op tijd zag. De les was niet "gebruik minder AI". De les was "maak het zichtbaar voordat het groot wordt".

## FinOps is geen tool, het is een gewoonte

Er bestaan tools die AI-verbruik meten en dashboards die je kosten uitsplitsen, en die helpen. Maar ik wil één misverstand wegnemen: FinOps is geen software die je koopt en aanzet. Het is een gewoonte die je invoert.

De gewoonte is dat kosten een vast onderdeel worden van hoe je over AI praat. Dat er bij elke nieuwe toepassing iemand vraagt wat hij gaat verbruiken. Dat het AI-budget net zo vanzelfsprekend in de planning- en controlcyclus zit als elk ander budget. Dat iemand elk kwartaal kijkt of het verbruik nog klopt met de waarde. Een dashboard zonder die gewoonte is een mooi scherm waar niemand naar kijkt. De gewoonte zonder dashboard werkt nog steeds, alleen wat trager.

Begin daarom niet met een tool kiezen. Begin met dat ene getal, en met de afspraak dat iemand er verantwoordelijk voor is. De tool komt later, als je weet wat je wilt meten. Andersom werkt zelden.

## De zelfcheck die je vandaag kunt doen

Je hoeft geen FinOps-afdeling op te tuigen om te weten waar je staat. Loop deze vragen langs.

- Weet je wat je organisatie deze maand aan AI uitgaf, in één getal?
- Kun je dat getal uitsplitsen naar team of toepassing?
- Is er één iemand eindverantwoordelijk voor het AI-budget?
- Zijn er quota of limieten per gebruiker of per toepassing?
- Weet je welke toepassing het meeste verbruikt, en of die ook het meeste oplevert?
- Heb je een scenario voor het geval een leverancier zijn prijs verdubbelt?

Kun je meer dan twee van deze vragen niet beantwoorden, dan stuur je op onderbuik. Dat is geen ramp, en het is ook geen schande. Maar het is wel het eerste wat je repareert voordat je meer AI uitrolt.

De directeur uit mijn openingsanekdote had veertien facturen en geen totaal. Een maand later had hij één getal, een verantwoordelijke, en een lijst van drie toepassingen die veel kostten en weinig deden. Hij gaf niet minder uit aan AI. Hij gaf het bewuster uit. Dat is het hele punt van FinOps voor AI, en het is een stuk minder ingewikkeld dan het woord doet vermoeden.

Het bredere kader, van de volledige kostenberekening tot het meten van rendement, staat in mijn gids over [AI-kosten en ROI](/ai-kosten-en-roi).

## Bronnen

* FinOps voor AI als officiële tak van het FinOps-raamwerk: [finops.org](https://www.finops.org/framework/technology-categories/ai/)
* Budgetten naar sales/marketing terwijl de ROI in de back office zat (MIT NANDA, via Fortune): [fortune.com](https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/)
* Groei van AI-adoptie onder organisaties (Stanford AI Index 2025): [hai.stanford.edu](https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts)