Een AI-model voor een fractie van de prijs — maar let op waar je data heen gaat

Je AI-rekening kan flink omlaag — als je weet wat je doet

Steeds meer ondernemers zetten AI in voor het echte werk: code laten schrijven, documenten samenvatten, mails afhandelen, klantvragen beantwoorden. En dan komt de eerste factuur. Want de beste AI-modellen rekenen per gebruik af, en wie ze de hele dag laat draaien, ziet die kosten oplopen.

Deze week kwam er een opvallende ontwikkeling die dat plaatje verandert. Er is nu een open AI-model beschikbaar dat op coding-werk vrijwel net zo goed presteert als het duurste model van de bekende aanbieders — maar dat je voor ongeveer een zesde van de prijs gebruikt, of zelfs helemaal zelf kunt draaien. Dat klinkt als een no-brainer. En tot op zekere hoogte is het dat ook. Maar er zit een addertje onder het gras dat juist voor het MKB belangrijk is: waar gaat je data naartoe?

Wat er precies veranderd is

Het gaat om een zogeheten "open weights"-model. Simpel gezegd: de maker heeft het complete model openbaar gemaakt, zodat iedereen het mag downloaden, gebruiken en zelfs op zijn eigen server kan draaien. Geen abonnement nodig, geen vendor die de stekker eruit kan trekken.

Het bijzondere is hoe góéd dit model is. Op onafhankelijke tests voor langlopend programmeerwerk zit het op ongeveer één procentpunt van het allerduurste commerciële model. Voor het overgrote deel van het dagelijkse werk — niet de meest complexe uitzonderingen, maar het gewone werk dat je de hele dag door doet — merk je het verschil nauwelijks. Het kost alleen een fractie.

Je kunt zo'n model op twee manieren inzetten. Via een API van de aanbieder (je stuurt je verzoek naar hun servers, betaalt per gebruik, fors goedkoper dan de premium-modellen). Of je draait het zelf, op je eigen server of bij een hostingpartij naar keuze. Die tweede optie is waar het voor veel Nederlandse bedrijven interessant wordt.

De verleiding: alles goedkoper

De aantrekkingskracht is duidelijk. Als je vandaag een AI-coding-tool of automatisering gebruikt die op het duurste model draait, kun je de meeste taken overzetten naar dit goedkopere model en je rekening flink zien dalen. Tools zoals de bekende coding-assistenten laten je zelfs per project kiezen welk model je inzet.

De slimme aanpak is geen alles-of-niets. Je laat het goedkope model het routinewerk doen — het gros van je taken — en je houdt het dure, krachtigere model achter de hand voor de paar gevallen waar het er echt op aankomt. Zo betaal je topprijs alleen waar het loont. Wij noemen dat een kosten-tier: niet één model voor alles, maar het juiste model voor de juiste taak.

Voor het MKB is dit precies het soort optimalisatie dat het verschil maakt tussen "AI is leuk maar te duur" en "AI verdient zichzelf terug". Maar voordat je overstapt, is er die ene vraag die je niet mag overslaan.

Het addertje: waar gaat je data heen?

Als je de goedkope route via de API kiest, stuur je je verzoeken — en dus je data — naar de servers van de aanbieder. In dit geval staan die servers in China. En dat is voor veel bedrijfsdata een serieus aandachtspunt.

Denk aan wat er door zo'n model heen gaat als je het echt inzet: klantgegevens, contracten, interne code, financiële cijfers, e-mails. Voor een blogtekst of een stukje wegwerp-code maakt het weinig uit. Maar zodra er persoonsgegevens of vertrouwelijke bedrijfsinformatie bij komt kijken, krijg je te maken met de AVG en met de simpele bestuurlijke vraag: wil ik dat deze informatie naar een server buiten de EU gaat?

Dit is geen reden om het goedkope model links te laten liggen. Het is een reden om bewust te kiezen welke route je neemt:

• Niet-gevoelig werk (algemene code, openbare content, experimenten): de goedkope API is prima.
• Gevoelig werk (klantdata, persoonsgegevens, vertrouwelijke documenten): draai het model zelf, op een server binnen de EU, zodat je data je eigen omgeving nooit verlaat.

Dat zelf-draaien klinkt technischer dan het is. Het is precies dezelfde gedachte die we eerder beschreven bij self-hosted automatisering met n8n: je houdt de regie omdat de data op jouw eigen infrastructuur blijft, in plaats van bij een derde partij in de keten.

Waarom dit meer is dan een kostenkwestie

Er speelt nog iets mee dat dit extra actueel maakt. Diezelfde week zijn de twee krachtigste modellen van een grote Amerikaanse aanbieder plotseling wereldwijd offline gegaan door een exportbevel van de Amerikaanse overheid — al ruim een week, zonder duidelijke einddatum. Bedrijven die volledig op één model leunden, stonden van de ene op de andere dag met lege handen.

Open modellen die je zelf kunt draaien, zijn precies de verzekering tegen dat soort verrassingen. Niemand kan een model bij je weghalen dat op jouw eigen server staat. We schreven eerder al waarom je niet afhankelijk wil zijn van één AI-model, en deze week onderstreepte dat nog eens. Een goedkoop, open, zelf-draaibaar model maakt die fallback ineens veel makkelijker te realiseren — én goedkoper.

Hoe je dit praktisch aanpakt

Je hoeft hier niet meteen je hele AI-opzet voor om te gooien. Een verstandige eerste stap ziet er zo uit:

1. Inventariseer welk werk gevoelig is en welk niet. Dat bepaalt voor elke taak welke route mag.
2. Zet routinewerk over naar een goedkoper model en houd het dure model voor de uitzonderingen. Dit alleen al kan je AI-kosten zichtbaar verlagen.
3. Draai gevoelig werk op een eigen of EU-server, zodat je nooit in de knel komt met de AVG.
4. Bouw model-onafhankelijk, zodat je makkelijk kunt wisselen als een model duurder, beter of plotseling onbeschikbaar wordt.

Het mooie is dat deze vier stappen elkaar versterken: je betaalt minder, je houdt je data in eigen hand én je bent minder kwetsbaar als er iets verandert in de markt — en dat verandert tegenwoordig om de paar weken.

De keerzijde is dat het goed opzetten ervan kennis vraagt: welk model voor welke taak, hoe je het veilig zelf draait, en hoe je de boel zo bouwt dat je later zonder gedoe kunt wisselen. Dat is precies het werk dat het verschil maakt tussen een AI-experiment en een AI-opzet waar je bedrijf jarenlang op kan bouwen.

Benieuwd wat dit voor jouw bedrijf betekent? We kijken het graag samen met je door.