AI wordt al maanden gepromoot als een hefboom om kosten te verlagen, taken te automatiseren en teams efficiënter te maken. De realiteit die zich binnen sommige technologiebedrijven begint af te tekenen is echter minder rooskleurig: het gebruik van geavanceerde AI kan ook zeer duur uitpakken. Niet alleen door abonnementskosten voor modellen, maar ook door de kosten voor computing, tokens, geheugen, datacenters en de volledige infrastructuur die nodig is om agents, copilots en inference-lading op grote schaal te ondersteunen.
De zin die deze verandering het beste samenvat, werd uitgesproken door Bryan Catanzaro, VP voor Deep Learning Applied bij NVIDIA, in een verklaring die Axios overnam: “Voor mijn team ligt de computatiekost veel hoger dan de loonkosten.” Het nuanceert. Het betekent niet dat elk AI-systeem altijd duurder is dan een werknemer, of dat automatisering economisch onhaalbaar is. Het suggereert dat, bij grensbedrijven die intensief gebruik maken van modellen, GPU’s en infrastructuur, de technische kostenposten de voorheen als zwaar beschouwde uitgaven zoals lonen, beginnen te overstijgen.
AI is niet gratis: iemand betaalt voor tokens, GPU’s en energie
In de eerste fase van adoptie van generatieve AI richtte veel bedrijven zich vooral op de potentiële besparingen. Minder tijd besteden aan coding, minder uren aan documentatie, snellere klantenservice, sneller datagedreven analyses en automatisering van repetitieve taken. Maar zodra AI een dagelijks proces wordt in plaats van een experiment, kunnen onverwachte kostenposten zich aandienen.
Tokens kosten geld. Inferentie kost. Agents die meerdere calls maken, repositories lezen, tools aanroepen, plannen genereren en bij fouten opnieuw proberen, verbruiken veel meer dan een incidentele chatbot. Voeg daar geavanceerd redeneren, lange contexten, multimodale modellen of private deployments aan toe, dan groeit de rekening nog verder.
Axios wijst op andere voorbeelden uit de sector: volgens The Information zou de CTO van Uber al zijn AI-budget voor 2026 hebben uitgeput door token-kosten, en andere bedrijven beginnen te shinen of zich zorgen te maken over oplopende facturen door intensief gebruik van modellen. De kernboodschap is duidelijk: AI vervangt niet de arbeidskosten, maar verschuift ze deels naar infrastructuur, modelproviders en rekenverbruik.
Dat betekent niet dat AI geen waarde biedt. Het kan veel opleveren. Maar het dwingt tot een andere meetmethode. Een bedrijf kan niet langer volstaan met te zeggen dat werknemers AI gebruiken. Het moet kunnen aantonen of dat gebruik daadwerkelijk de doorlooptijd verkort, de kwaliteit verbetert, inkomsten genereert of meer werk mogelijk maakt zonder de personeelsomvang te vergroten. Als de uitgaven voor rekenkracht sneller stijgen dan de productiviteit, wordt de beloofde efficiëntie een financiële druk.
Gartner verhoogt de prognose: datacenters leiden de uitgaven
De gegevens van Gartner tonen de omvang van het fenomeen. De adviesorganisatie voorspelt dat de wereldwijde IT-uitgaven in 2026 zullen uitkomen op 6,31 biljoen dollar, een stijging van 13,5% ten opzichte van 2025. De grootste groei wordt niet genoteerd bij apparaten of communicatiediensten, maar bij datacenter-systemen, die worden aangedreven door AI-infrastructuur, geavanceerd geheugen en de toenemende vraag naar high-performance computing.
| Categorie | Uitgaven 2025 | Groei 2025 | Uitgaven 2026 | Groei 2026 |
|---|---|---|---|---|
| Datacenter-systemen | 505.634 Mio $ | 51,6 % | 787.990 Mio $ | 55,8 % |
| Apparaten | 791.663 Mio $ | 9,7 % | 856.189 Mio $ | 8,2 % |
| Software | 1.254.449 Mio $ | 12,8 % | 1.443.621 Mio $ | 15,1 % |
| IT-diensten | 1.715.650 Mio $ | 6,2 % | 1.870.197 Mio $ | 9,0 % |
| Communicatiediensten | 1.296.409 Mio $ | 3,3 % | 1.358.553 Mio $ | 4,8 % |
| Totale IT-uitgaven | 5.563.805 Mio $ | 10,5 % | 6.316.550 Mio $ | 13,5 % |
De conclusies zijn duidelijk. De uitgaven voor datacenters zouden van 505,6 miljard dollar in 2025 naar 788 miljard dollar in 2026 stijgen, een toename van maar liefst 55,8% in één jaar. Gartner wijst deze sprong toe aan de groei van AI-infrastructuur, toegenomen workloads en duurdere componenten, zoals breedbandgeheugen.
Het contrast met andere segmenten is ook illustratief. Apparaten groeien met 8,2%, communicatiediensten met 4,8%, en IT-diensten met 9%. Software groeit met 15,1%, mede door generatieve AI en nieuwe enterprise-platformen. Maar geen enkele categorie bereikt het tempo van datacenters.
NVIDIA boekt winst, maar betaalt ook de rekening
NVIDIA profiteert het meest van deze cyclus. Haar GPU’s, netwerkproducten, systemen en software vormen de basis van een groot deel van de moderne AI-infrastructuur. Het bedrijf is van vooral gekend voor gaming-GPU’s en professionele stations naar een centrale positie in datacenters, modeltraining, inferentie, robotica, simulaties en agents bemoderniseerd.
Toch toont de uitspraak van Catanzaro dat zelfs de leider op hardwaregebied voor AI geconfronteerd wordt met de andere kant van de medaille. NVIDIA verkoopt de infrastructuur die iedereen wil kopen, maar gebruikt zelf ook intensieve AI in haar eigen systemen. En wanneer je aan de grens werkt, kan de interne rekenrekening makkelijk hoger uitvallen dan traditionele kosten.
De paradox is boeiend: AI belooft menselijk werk te besparen, maar vereist enorme machines om te functioneren: GPU’s, clusters, hoge-snelheidsnetwerken, opslag, energie, koeling, software, onderhoud en gespecialiseerd personeel. Soms verdwijnen de kosten niet, ze verschuiven slechts in de winst- en verliesrekening.
Dat verklaart waarom bedrijven meer over ROI gaan nadenken. Het is niet langer genoeg om te vragen hoeveel werknemers AI gebruiken. De cruciale vraag wordt: hoeveel kost elke geautomatiseerde flow, hoeveel calls benut een agent, welk model ligt er aan elke taak ten grondslag, wat kan worden uitgevoerd met kleinere modellen, welk context is echt nodig en welke processen leveren meetbare waarde op?
De volgende strijd: efficiëntie
Het enthousiasme voor AI zal niet snel afnemen. Grote techbedrijven blijven investeren in datacenters, accelerators, netwerken en energie. Cloud-giganten wedden op capaciteit, stroom, chips en leveringscontracten. Bedrijven willen interne assistenten, ontwikkelingsagents, documentautomatisering, semantische zoekfuncties en betere supportsystemen inzetten.
Maar de vrije markt ondergaat een overgang. Net als bij cloud, zullen bedrijven ontdekken dat snel opschalen zonder controle het lastig maakt om de kosten te managen. Toepassingen zoals FinOps voor cloudkostenbeheer zullen nodig zijn, en in AI wordt dat nog veel crucialer: tokenregulatie, dynamische modelkeuze, caches, kwantisatie, inferentie lokaal of privé, contextlimieten, use-case monitoring en continue ROI-evaluatie.
Efficiëntie wordt niet enkel een technische detail, maar een strategisch voordeel. Bedrijven die AI effectief gebruiken met passende modellen, compacte prompts, goed ontworpen agents en rationele architecturen, kunnen productiviteit verhogen zonder de kosten uit de pan te laten rijzen. Wie AI als modebeeld adopteert zonder kosten en resultaten zorgvuldig te meten, loopt het risico om te automatiseren tegen een hogere prijs dan de verwachte besparingen.
De uitspraak van NVIDIA onderstreept dat AI geen magisch besparingsmiddel is. Het is een volwassen technologie. AI kan een van de belangrijkste technologieën van deze decennium worden, maar het is zeker geen goedkope truc. Achter elke reactie zit infrastructuur. Achter elke agent schuilen calls, geheugen en rekenkracht. En achter elke belofte van productiviteitswinst ligt een fundamentele vraag die moeilijk te ontwijken wordt: hoeveel kost het echt om AI te laten werken?
Veelgestelde vragen
Heeft NVIDIA gezegd dat AI duurder is dan werknemers?
Bryan Catanzaro, VP voor Deep Learning Applied bij NVIDIA, vertelde aan Axios dat in zijn team de kosten voor computationeel verbruik zeer hoog liggen in vergelijking met de loonkosten van werknemers. Dit hoeft niet te gelden voor alle bedrijven.
Waarom stijgen de datacenterkosten zo snel?
Door de toenemende vraag naar AI-infrastructuur, GPU’s, geavanceerd geheugen, high-performance netwerken, opslag en cloud-capaciteiten voor het trainen en uitvoeren van modellen.
Hoeveel zal de wereldwijde IT-uitgave groeien in 2026?
Volgens Gartner zal deze dan 6,31 biljoen dollar bedragen, een stijging van 13,5% ten opzichte van 2025.
Blijft AI betaalbaar voor bedrijven?
Dat hangt af van de use case. AI kan veel waarde opleveren, maar bedrijven moeten kosten voor tokens, computing, licenties, infrastructuur en daadwerkelijke productiviteit nauwkeurig meten om de investering te rechtvaardigen.
vía: wccftech