De tokeneconomie: hoe je elke token omzet in meetbare waarde

In bijna elk kantoorgebouw in Nederland draait nu ergens wel een AI-systeem mee op de achtergrond. Het beantwoordt vragen, vat documenten samen, schrijft rapportages. Niemand ziet een meter lopen of een lampje branden. Er is geen magazijn dat leegloopt. Toch stijgen de kosten gestaag, onzichtbaar en soms exponentieel. De factuur komt pas aan het einde van de maand en dan schrikt menig financieel verantwoordelijke: hoe kan dit bedrag zo hoog zijn, en waar komt het vandaan? 

Dit is de ‘tokeneconomie’. Als je AI inzet zonder te begrijpen hoe die economie werkt, betaal je voor iets dat je niet kunt meten, niet kunt sturen en niet kunt verantwoorden. Niet omdat de technologie slecht is, maar omdat de economie erachter fundamenteel anders werkt dan alles wat we kennen uit traditionele software en zelfs uit de cloud.

Eerst het fundament: wat is een token?

Een token is de kleinste eenheid waarmee een AI-taalmodel informatie verwerkt: een woord, een deel van een woord, een cijfer of een symbool. Elke vraag die je stelt, wordt opgebroken in tokens. Elk antwoord bestaat eveneens uit tokens. AI-aanbieders rekenen af op basis van wat je verbruikt, bij invoer én uitvoer. Klanten noemen ze soms 'credits', 'punten' of zelfs 'floeppies'. Die verwarring over de term zegt genoeg: dit kostenmodel is voor veel organisaties nog volslagen nieuw.

Je kunt het vergelijken met je abonnement voor mobiele data. Je kiest een kleiner of groter pakket en de prijs per eenheid daalt naarmate je meer afneemt. Maar omdat je behoefte structureel groeit, betaal je per saldo tóch steeds meer. De cruciale vraag is dan ook niet hoeveel je verbruikt, maar of je verbruikt wat je nodig hebt en het voor de juiste dingen inzet. 

Met ‘onbeperkte’ abonnementen is sturen onmogelijk

Daar begint het te schuren. Veel organisaties werken met een 'all-you-can-eatmodel': onbeperkte toegang via één groot cloudcontract, zonder zicht op wat ze werkelijk verbruiken. Dat voelt comfortabel, maar sturen wordt onmogelijk: het is niet onbeperkt, alleen voor de een te veel en voor de ander te weinig. 

Dat ‘flatfee-gevoel’ houdt sowieso niet lang meer stand. Veel ‘onbeperkte’ AI-abonnementen zijn tot nu toe deels gesubsidieerd door de aanbieder, als groeistrategie om marktaandeel te veroveren. Nu de sector meer en meer overstapt op zuivere verbruiksprijzing per token, valt die subsidie weg. Voor ontwikkelaars is dat al voelbaar: sinds april 2026 is de ‘flatrate-periode’ voor AI-tools goeddeels aan het verdwijnen, en verschuift de vraag van ‘hoeveel geven we uit aan AI’ naar ‘levert die uitgave ook meetbare output op’. Voor sommige gebruikers loopt de factuur daardoor op tot een veelvoud van de oorspronkelijke prijs per gebruiker (de zogeheten ‘seat price’), precies het risico dat je met een ongemeten ‘all-you-can-eatcontract' over het hoofd ziet. 

De reactie die het verkeerde probleem oplost 

De AI-kosten lopen dus op en dan proberen we ze te beheersen. Het makkelijkst is om een limiet te stellen. Die reactie is begrijpelijk, maar lost het verkeerde probleem op. 

Veel organisaties zien de tokeneconomie als een kostenbeheersingsprobleem. Wij zien een sturingsprobleem. Het gaat niet om hoeveel je uitgeeft aan AI, maar om de vraag of je weet wat elke token oplevert. Als je dat onderscheid mist en meteen naar een plafond grijpt, bespaar je op de korte termijn en vernietig je waarde op de lange termijn. Kostenbeheersing is een plafond instellen en afdwingen. Sturing is begrijpen wat elke euro oplevert en op basis daarvan kiezen waar je meer of minder investeert.  

Twee organisaties, hetzelfde probleem

Neem een grote, snel bewegende multinational, die koploper is in AI-adoptie. De cultuur is ondernemend: experimenteer, handel snel, rem innovatie niet af met bureaucratie. In de praktijk betekent dat: medewerkers sluiten met de bedrijfscreditcard zelf cloudabonnementen af en schaffen AI-tools aan, zonder centrale goedkeuring. 

Het gevolg? Finance ziet de kosten maand na maand verder oplopen, zonder dat iemand kan herleiden waar ze vandaan komen, wie ze veroorzaakt en wat ze opleveren. Dat zorgt voor een winst-en-verliesrekening zonder sturing.

Aan de andere kant van het spectrum: een publieke instelling. Hier is geen sprake van ongeremde groei, maar van het omgekeerde probleem. De instelling moet het budget voor volgend jaar al plannen met tokenconsumptie als variabele, terwijl de onderbouwing ontbreekt. Hoeveel tokens verbruikt de geautomatiseerde afhandeling van aangiften? Wat kost fraudeanalyse per dossier? Nu is dat nattevingerwerk.

De ene organisatie geeft ongecontroleerd uit, de andere kan niet vooruitplannen. Toch is het dezelfde diagnose: geen van beide kan sturen, omdat geen van beide het verbruik aan waarde koppelt. Dit is geen kostenprobleem. Het is een sturingsprobleem. 

Waarom het plafond je geld kost

Op dit punt zegt die pragmatische collega: modellen worden razendsnel goedkoper, dus waarom investeren in dure governance? Stel een plafond in en ga door. Twee dingen kloppen daar niet. Ten eerste daalt de prijs per token wel, maar stijgt het verbruik per taak explosief zodra agents werkprocessen overnemen. Ten tweede: die ‘cap’ is niet gratis. 

Een voorbeeld: een organisatie stelt een limiet in van twintig procent per gebruiker per maand. Voor de meeste gebruikers blijft hun budget grotendeels ongebruikt: pure verspilling. Voor de zware gebruikers ontstaat een stroom uitzonderingsaanvragen; zij zitten aan hun plafond en dienen verzoeken in die iemand moet beoordelen en verwerken. Tien medewerkers zijn dan wekelijks een half uur kwijt aan het afhandelen daarvan. De tokenkosten dalen, maar een deel van de besparing verdwijnt in coördinatietijd, terwijl zowel onder- als overgebruik waarde blijft kosten. 

Slecht ontworpen governance creëert zijn eigen inefficiëntie. Sterker nog: een uniforme ‘cap’ is een paniekmaatregel. Voor de ene rol betekent hij verspilling; het budget wordt toch niet opgemaakt. Voor de andere een productiviteitsrem; het budget is op, terwijl de waardecreatie doorloopt. Je beperkt iedereen gelijk en stuurt niemand goed.

Stuur op waarde, niet op een plafond 

De aanpak die bij voorlopers werkt, is gedifferentieerd. Ongeveer tachtig procent van de gebruikers wordt automatisch via routering naar het meest geschikte model geleid. Zij kiezen niets; het systeem bepaalt op basis van de taak welk model het meest kosteneffectief is. Een simpele classificatie gaat naar een klein, goedkoop model; een complexe analyse naar een zwaarder. Voor deze groep is governance onzichtbaar en frictieloos. 

De resterende twintig procent (de grootverbruikers) krijgt vrije modelkeuze, met een eigen raamwerk en meer eigen verantwoordelijkheid. De budgetten zijn profielgebaseerd, niet uniform: gekoppeld aan de waarde die AI toevoegt aan een rol. Een analist die dagelijks financiële modellen genereert, rechtvaardigt een hoger budget dan iemand die AI sporadisch gebruikt. 

Zo verschuif je van beheersen naar sturen. Je legt geen plat plafond op, maar investeert bewust waar de waarde zit. 

Voor de CIO: waarom modelkeuze een architectuurvraag is 

Waar de CFO stuurt op waarde, stuurt de CIO op de architectuur die dat mogelijk maakt. Modelroutering (de juiste taak naar het juiste model) werkt alleen als je architectuur het toelaat. Daar zit een valkuil: een zorgvuldig ingeregelde combinatie van modellen en routeringsregels kan binnen maanden achterhaald zijn. Nieuwe modellen komen beschikbaar, met andere prijzen, een andere manier van aansturen en andere afwegingen. 

De kernvraag voor de CIO is daarom niet 'welk model is nu het beste?', maar: kunnen we van model of aanbieder wisselen zonder de hele oplossing te herbouwen? Hebben we een multimodelstrategie? Zien we tokenverbruik per model, per werkproces en per businessunit? Als je je architectuur ontwerpt voor keuzeruimte in plaats van voor de specificaties van één aanbieder, kun je meebewegen met de markt zonder vast te lopen in kostbare afhankelijkheden. 

Waarom je hiermee nú moet beginnen

De eerste golf AI was mensgestuurd: één prompt, één antwoord. Zichtbaar, te overzien. Agentic AI verandert dat. Agents plannen, redeneren, halen data op, roepen tools aan en triggeren werkprocessen, met weinig menselijke tussenkomst. 

Eén simpel verzoek - 'maak een leveranciersrisicorapport' - laat één of meerdere agents inkoopdata doorzoeken, contracten ophalen, marktsignalen analyseren en een rapport opstellen. Elke stap verbruikt tokens. AI-kosten zijn dan geen 'kosten per prompt' meer, maar kosten per autonome taak, per werkproces, per voltooide uitkomst. Het verbruik verdwijnt uit het zicht en nestelt zich in je processen. 

Dat vraagt om governance op werkprocessen in plaats van op prompts: welke taken mag een agent uitvoeren, welke data benaderen, hoeveel aanroepen doen voordat een mens ingrijpt, wat is de maximale kostprijs per taak? En het vraagt om grenzen tegen zogenoemde 'runaway agents', die blijven zoeken zonder beter resultaat. Elk AI-systeem heeft een licentie om te handelen nodig, met expliciete grenzen. 

Begin niet met een plafond voor tokengebruik 

Tokenconsumptie is geen technisch detail meer dat bij IT hoort. Het is een bestuursvraagstuk dat CFO en CIO samen oppakken: de CFO koppelt verbruik aan waarde, de CIO bouwt de architectuur die dat mogelijk maakt. 

De eerste stap is klein en concreet: laat CFO en CIO gezamenlijk in kaart brengen hoeveel tokens er worden verbruikt per model, proces en businessunit, gekoppeld aan de belangrijkste use cases. Die basismeting laat direct zien waar budget wordt verspild en waar extra investering juist loont. 

Maar de kern blijft simpel: het gaat niet om hoeveel je uitgeeft, maar om wat je terugkrijgt per token. Als je meteen naar een plafond grijpt, kies je voor de paniekmaatregel. Als je kiest voor transparantie, profielgebaseerde budgetten en een duidelijke koppeling met waarde, verander je AI van een oplopende kostenpost in een stuurbare hefboom. 

De winnaars in ‘enterprise AI’ zijn niet degenen met de krachtigste modellen. Het zijn degenen die elke token omzetten in meetbare waarde. Begin dus niet met de vraag 'hoe beperken we dit?' Begin met: weten we eigenlijk wat elke token ons oplevert?