Artificial intelligence is verkocht gedurende twee jaar met één heel eenvoudige belofte: meer doen met minder. Minder personeel, minder repetitieve taken, minder stilstand en meer productiviteit. Maar de zakelijke realiteit begint steeds minder schoon te worden. Sommige technologieleiders erkennen ongemakkelijke waarheden: bij geavanceerd gebruik is AI niet per se goedkoper dan menselijke arbeid. Soms zelfs veel duurder.
De uitspraak die het debat heeft aangewakkerd komt van Bryan Catanzaro, vicevoorzitter Applied Deep Learning bij NVIDIA. Volgens diverse Amerikaanse media verklaarde Catanzaro dat de kosten voor AI-berekeningen in zijn team “voorbij” de kosten van werknemers gaan. Hij had het niet over een eenvoudige chatbot-abonnement, maar over geavanceerde systemen, agenten, modellen met grote contextvensters, intensieve inferentie en tools die miljoenen tokens verbruiken voor code-review, taakuitvoering of volledige repositories analyseren.
Dit cijfer botst met de narratief van ontslagen. Als AI zo duur is, waarom blijven zoveel bedrijven personeel afbouwen en dit deels rechtvaardigen met automatisering? Het antwoord is niet dat bedrijven een goedkope machine hebben gevonden die perfect menselijke werknemers vervangt. Het is ongemakkelijker: veel bedrijven ontslaan op basis van verwachtingen, financiële druk, interne herstructurering en strategische keuzes, niet omdat AI al bewezen heeft in alle functies efficiënter te zijn.
De verborgen kosten van tokens
Voor een particulier lijkt AI goedkoop. Een maandabonnement kost soms minder dan een lunch op een werkdag. Die prijs schept een misleidend beeld wanneer het wordt vertaald naar het bedrijfsleven. In een organisatie beperkt het gebruik van AI zich niet tot het stellen van vragen in een chat. Het omvat duizenden aanroepen, lange documenten, agenten die denkkronkels doorlopen, code-review, repository-indexering, automatische tests, logs, verbonden tools en voortdurend verbruik van tokens voor invoer, uitvoer en context.
Daar wordt de rekening anders. Een programmeeragent antwoordt niet slechts één keer. Het kan bestanden lezen, veranderingen genereren, fouten corrigeren, opnieuw testen, afhankelijkheden analyseren en de cyclus herhalen. Elke stap verbruikt tokens. Gebruik je bovendien high-level modellen, dan loopt de rekening snel op. Het verschil tussen “AI gebruiken” en “een vloot van agenten inzetten” lijkt op het onderscheid tussen het openen van een spreadsheet en het onderhouden van een cloud-infrastructuur.
Het geval van Swan AI is een van de meest geciteerde voorbeelden. CEO Amos Bar-Joseph meldde dat een bedrijf met vier medewerkers een maandrekening van 113.421,87 dollar had opgebouwd bij Anthropic. Hij presenteerde dat niet als een mislukking, maar als een trotspunt: hun strategie is om een bedrijf te bouwen met veel automatisering en weinig personeel. Maar dit cijfer toont duidelijk dat de kosten voor AI in het bedrijfsleven makkelijk boven de verwachtingen uit kunnen stijgen.
Uber erkende ook vergelijkbare spanningen. CTO Praveen Neppalli Naga legde uit dat het gebruik van AI-tools voor ontwikkeling het geplande budget veel sneller had opgebruikt. Tegelijkertijd zou rond 11% van de backend-updates in productie al door AI-agenten geschreven worden. Technologie stopt dus niet bij simpele resultaten, maar de kosten zijn niet langer bijna nul zoals sommige hadden gedacht.
| Visibele kosten | Veel onderschatte kosten |
|---|---|
| Maandabonnement voor een tool | Eigenlijk tokens verbruik per gebruiker, agent of taak |
| Licentie per gebruiker | Inference van geavanceerde modellen in lange workflows |
| “Een taak automatiseren” | Integratie, toezicht, beveiliging en foutcorrectie |
| Uren menselijke arbeid besparen | Berekening, audit en afhankelijkheid van leverancier |
| Minder personeel | Meer cloud-uitgaven, meer tools, meer operationele controle |
Dus, waarom ontslaan ze dan?
De eerste reden is financieel. Arbeidskosten zijn zichtbaar, terugkerend en makkelijk te besparen in de winst- en verliesrekening. Salarissen, sociale premies, voordelen, kantoren, managementlagen en volledige structuren worden als vaste kosten beschouwd. AI wordt daarentegen vaak gepresenteerd als strategische investering, innovatiebudget of variabele kosten die op termijn kunnen dalen. Hoewel AI nu nog duur is, geloven veel bestuursraden dat de kosten per eenheid omlaag zullen gaan en dat toekomstige productiviteit dat zal compenseren.
De tweede reden is marktdruk. Sinds 2023 worden bedrijven die efficiëntie, automatisering en AI beloven beloond door investeerders. In dat klimaat sturen aankondigingen van ontslagen en herinvesteringen in AI een signaal: het bedrijf past zich aan. Dit betekent niet altijd dat er direct mensen worden vervangen door een agent; soms wordt juist het afbouwen van ‘verzadigde’ afdelingen gefinancierd door investeringen in datacenters, licenties, modellen, chips of AI-teams.
De derde reden is organisatorisch. AI vervangt niet overal evenveel functies. Het kan de vraag naar juniorprofielen, support taken, basale documentatie, routinematige QA, initiële analyse, first-level support of laagwaardige contentproductie verminderen. Tegelijkertijd groeit de behoefte aan senior profielen, architecten, dataspécialisten, beveiligingsexperts, infrastructuurspecialisten, AI-governance en menselijke review. Het resultaat is niet altijd “minder werk,” maar een herverdeling van werkzaamheden.
De vierde reden is dat veel bedrijven anticiperen. Harvard Business Review noemt dit “AI-driven layoffs”: ontslagen die niet zozeer voortkomen uit bewezen betere prestaties van AI, maar uit strategische keuzes om nu te snoeien, in afwachting dat tools snel volwassen worden. Het is een gok: in zeer gerichte taken misschien succesvol, maar in werk dat vereist dat context en menselijke relatie een rol blijven spelen, riskant.
En een minder elegante reden: de zogenaamde “AI-washing” van ontslagen. Sommige bedrijven gebruiken AI als smetteloze verklaring voor reorganisaties die ook te maken hebben met overstart, economische vertraging, margedruk, strategiewijzigingen of kostenbesparingen. Het toeschrijven van ontslagen aan AI klinkt moderner dan het erkennen van slechte personeelsplanning.
Het vergissen ligt in het vergelijken van mens en hulpmiddel
De vraag “Is AI goedkoper dan een werknemer?” is verkeerd gesteld als het in abstracto wordt bekeken. Het hangt af van de taak, het volume, het model, de supervisie en de mogelijke schade bij fouten. Voor eenvoudige interne e-mails kan het voordeliger zijn. Maar om een team te vervangen dat kritieke systemen onderhoudt, code controleert of complexe klanten bedient, wordt de rekening anders.
Bovendien moet de vergelijking gebaseerd zijn op de totale kosten. Het is niet genoeg enkel naar tokens te kijken; je moet integratie, beveiliging, training, toegangsbeheer, audit, fouten, hallucinaties, afhankelijkheid van leveranciers, compliance en menselijke review meerekenen. Bij veel bedrijven kan het eerste jaar van AI-implementatie zelfs duurder zijn omdat je twee keer betaalt: voor het personeel dat blijft en voor de infrastructuur. Pas daarna kunnen er besparingen ontstaan, en die gebeuren niet altijd waar men verwacht.
Dit verklaart waarom sommige managers zeggen dat AI duurder is dan personeel en toch blijven investeren. Ze investeren niet alleen in directe besparingen, maar zien AI als een strategische optie: leren vóór de concurrentie, processen herontwerpen, data verzamelen, toekomstige afhankelijkheid verkleinen en anticiperen op minder kosten bij inferentie.
De paradox is dat deze race tot ontslagen kan leiden voordat er duidelijke rendementen op de investering worden gerealiseerd. Bedrijven reorganiseren zich niet afwachtend tot AI perfect functioneert, maar proberen de organisatie aan te passen. Soms leidt dit tot efficiëntere bedrijven, in andere gevallen tot kleinere, meer onder druk staande teams met AI-rekeningen die de verlies van interne kennis niet compenseren.
Het echte debat moet niet gaan over of AI “banen wegneemt” of “banen schept” in abstracto. Het verandert de arbeidsmarkt al. De kernvraag is: welke taken verdwijnen, welke vaardigheden verbeteren, welke verborgen kosten ontstaan en wie het risico draagt wanneer een bedrijf kiest voor het vervangen van menselijke expertise door nog onvolwassen automatisering.
Het wordt steeds duidelijker dat AI geen magische kostenbesparingsknop is. Het is een krachtige technologie, duur bij intensief gebruik, en moeilijk te kwantificeren binnen echte bedrijfsprocessen. Bedrijven die AI zien als louter personeelsreductie riskeren teleurstelling. Organisaties die het begrijpen als een strategische investering die vraagt om herontwerp, kostenbeheer en menselijke supervisie, maken meer kans om echte productiviteitswinst te behalen.
Veelgestelde vragen
Kan AI duurder zijn dan een werknemer?
Ja, vooral bij intensief gebruik met agenten, geavanceerde modellen, grote tokens-volumes, code-review of taken die veel inferentierondes vergen. Het gebeurt niet in alle gevallen, maar sommige bedrijven zien het al.
Waarom ontslaan bedrijven nog, als AI nog kostenverhogend is?
Omdat ze vaste kosten willen verminderen, budget verschuiven naar AI, reageren op investeerdersdruk en anticiperen op een toekomstige hogere productiviteit die nog niet allemaal bewezen is.
Is de kosten van AI alleen de maandelijkse abonnementskosten?
Nee. Bedrijven moeten ook tokens, integratie, cloud-infrastructuur, beveiliging, toezicht, audits, fouten, training, afhankelijkheid van leveranciers en compliance meerekenen.
Welke banen zijn het kwetsbaarst?
Repetitieve taken, documentatie, basisondersteuning, routinematige QA, initieel analysewerk of contentproductie van lage waarde. Functies met beoordeling, verantwoordelijkheid, context en menselijke interactie blijven moeilijk volledig te automatiseren.
via: elchapuzasinformatico