EY verwijst naar de wereldwijde organisatie en kan verwijzen naar een of meer van de lidfirma's van Ernst & Young Global Limited, die elk een afzonderlijke juridische entiteit zijn. Ernst & Young Global Limited, een Britse vennootschap met beperkte aansprakelijkheid, verleent geen diensten aan cliënten.
Hoe EY kan helpen
-
Ervaar AI-innovatie in het EY.ai Lab! Werk samen met multidisciplinaire teams om op maat gemaakte oplossingen te ontwikkelen die inspelen op jouw unieke bedrijfsbehoeften.
Lees meer
Dit vraagstuk wordt steeds belangrijker omdat tokenprijzen uiteindelijk zijn gekoppeld aan een fysieke keten met beperkte capaciteit: chips, energie, datacenters, cloudinfrastructuur en de rekenkracht van modelaanbieders. Organisaties merken die schaarste mogelijk via oplopende tokenkosten, gebruikslimieten, snelheidsbeperkingen, beperkingen in de toegang tot modellen of onverwachte prijsverhogingen. Voor veel bedrijven die AI op grote schaal invoeren, zijn de afgelopen maanden dan ook een wake-upcall geweest voor het budget.
De huidige prijsniveaus geven bovendien mogelijk geen volledig beeld van de economische realiteit van agentic AI op de lange termijn. Een deel van de rekenkosten kan vandaag de dag nog worden geabsorbeerd, gesubsidieerd of strategisch geprijsd door aanbieders hoger in de waardeketen. Naarmate agentic toepassingen waardevoller én rekenintensiever worden, is het onwaarschijnlijk dat die kosten onzichtbaar blijven. Uiteindelijk moet iemand betalen voor de rekenkracht die AI-agents verbruiken. Veel aanbieders stappen daarom al over van abonnementsmodellen naar verbruiksgebaseerde prijsmodellen, waarmee het tijdperk van door leveranciers gesubsidieerde AI-kosten langzaam ten einde komt.
Hoewel tokenkosten momenteel veel aandacht krijgen, wordt de werkelijke economische impact van grootschalige agentic workflows door veel meer factoren bepaald. Denk aan infrastructuur, operationeel beheer, personeelskosten, risicobeheersing en de vaak verborgen kosten van het compenseren voor beperkingen van AI-systemen.
Tokenkosten optimaliseren zonder inzicht in de totale eigendomskosten is vergelijkbaar met het aansturen van een fabriek op basis van uitsluitend de energierekening. Dat levert hooguit een deel van het verhaal op en zegt weinig over de werkelijke prestaties, kosten en waardecreatie van de onderneming.
Het verhaal dat eerder aan veel bestuurders werd voorgelegd, was overzichtelijk: een dure maar voorspelbare kostenpost voor menselijke arbeid werd vervangen door een goedkopere en voorspelbare softwareoplossing. Maar een AI-agent is geen softwarelicentie.
Een agent functioneert binnen een complete operationele keten van rekenkracht, AI-modellen, datapijplijnen, governance, toezicht en procesherontwerp. De kosten van al deze onderdelen kunnen snel oplopen en elkaar versterken. Daardoor worden de tokens die AI verbruikt, en die fungeren als meetbare indicator voor een groot deel van deze operationele keten, een sterk variabele operationele kostenpost.
Neem bijvoorbeeld een AI-assistent voor klantenservice die twee jaar geleden werd ontwikkeld om productvragen te beantwoorden. Een gesprek dat destijds ongeveer € 0,04 kostte, kan tegenwoordig retrieval-functionaliteit, planningsstappen en meerdere gespecialiseerde subagents omvatten, waardoor dezelfde interactie uitgroeit tot een orkestratieproces van € 1,20.
Daar komen nog aanvullende kosten bij die niet terug te vinden zijn op de factuur van de modelaanbieder, maar wel door de organisatie worden gedragen. Denk aan het actualiseren van kennisbanken, het testen en evalueren van agents, het inrichten van governanceprocessen en het ontwerpen van effectieve samenwerking tussen mens en AI.
Deze kosten zijn minder zichtbaar, maar maken wel degelijk deel uit van de werkelijke economische impact van agentic AI binnen de organisatie.