Van tokenmaxxing naar rantsoenering: De AI-kostencrisis in het bedrijfsleven
De aanvankelijke razernij van "tokenmaxxing"—waarbij ondernemingen onbeperkt AI-gebruik aanmoedigden om adoptie te stimuleren—botst nu snel met de harde realiteit van operationele kosten. Nu bedrijven de overstap maken van experimenteren naar opschalen, ontstaat er een nieuwe strijd: hoe voorkom je dat enorme AI-budgetten worden uitgeput door laagwaardige, triviale taken?
De opkomst van token-rantsoenering
Begin dit jaar lag de focus in de zakenwereld nog op het maximaliseren van AI-integratie. Sommige organisaties voerden zelfs interne leaderboards in om het AI-gebruik van werknemers te gamificeren en te belonen. Dit ongebreidelde enthousiasme heeft echter geleid tot een fenomeen waarbij onvoorspelbare uitgaven de winstmarges uithollen.
We bevinden ons nu in het tijdperk van "token-rantsoenering". In plaats van werknemers aan te moedigen Large Language Models (LLM's) voor elke mogelijke taak te gebruiken, begint het management strikte controles in te voeren. Het doel is om te verschuiven van breed, onbeheerd gebruik naar een gedisciplineerd model waarbij AI alleen wordt toegepast op workflows met een hoge impact en hoge waarde.
De casus Accenture: Hoge inzet en kleine taken
Een prominent voorbeeld van deze verschuiving is te zien bij de wereldwijde consultancygigant Accenture. Volgens gelekte audio van een interne vergadering onder leiding van Justice Kwak, de lead van Accenture's agentic AI-strategie, werkt het bedrijf er actief aan om te voorkomen dat werknemers de tokenreserves uitputten aan basisadministratieve taken.
Het rapport belicht een opvallende tegenstrijdigheid: terwijl Accenture eerder signaleerde dat werknemers het "risico liepen promoties mis te lopen" als ze AI niet zouden adopteren, sturen ze nu bij om het gebruik in te perken. Concreet probeert het bedrijf te voorkomen dat werknemers dure AI-rekenkracht gebruiken voor kleine taken, zoals het omzetten van PDF's naar presentatieslides.
Kwak merkte op dat AI een "kantelpunt" bereikt waarop het een materiële component van de bedrijfsactiviteiten en kostenstructuur wordt. Nu de uitgaven steeds onvoorspelbaarder worden, eisen CFO's, COO's en CIO's duidelijk bewijs van Return on Investment (ROI) voordat ze verdere uitgaven goedkeuren.
Waarde bewijzen in het tijdperk na de hype
Deze verschuiving weerspiegelt een bredere trend in de AI-industrie, die vaak de "AI selloff" wordt genoemd. De markt is niet langer tevreden met de nieuwheid van generatieve mogelijkheden; er wordt gevraagd om tastbare productiviteitswinsten die de enorme kosten van rekenkracht en tokenverbruik rechtvaardigen.
Deze economische druk heeft vooral invloed op AI-afhankelijke sectoren, waaronder fabrikanten van geheugenchips, nu de industrie zich beweegt van pure hype naar financiële verantwoording. Om het AI-businessmodel duurzaam te houden, moet de focus verschuiven van hoeveel AI er wordt gebruikt naar hoe effectief die tokens worden ingezet om complexe problemen op te lossen.
Kernpunten
- Verschuiving in strategie: Bedrijven bewegen van "tokenmaxxing" (onbeperkt gebruik) naar "token-rantsoenering" om onvoorspelbare operationele kosten te beheersen.
- Het ROI-mandaat: Directieteams, waaronder CFO's en CIO's, eisen bewijs van waarde en gaan voorbij aan de aanvankelijke opwinding over AI-adoptie.
- Kosten vs. nut: Er ontstaat een groot wrijvingspunt waarbij dure LLM-tokens worden verspild aan laagwaardige taken zoals PDF-opmaak, in plaats van aan agentic workflows met een hoge impact.