Zo houd je de kosten van je AI-automatisering laag

De verborgen rekening van je AI

Je hebt een AI-automatisering draaien die e-mails sorteert, offertes voorbereidt of klantvragen afhandelt. Handig, tot de eerste factuur binnenkomt en je je afvraagt: waar betaal ik dit nu eigenlijk voor? Anders dan een vast abonnement loopt de rekening op met hoe vaak en hoe zwaar je de AI laat werken. Voor veel ondernemers is dat een blinde vlek: het werkt, dus je kijkt niet naar wat het per maand kost.

Het goede nieuws is dat die rekening structureel de goede kant op beweegt. Hieronder leggen we uit hoe die kosten in elkaar zitten, wat je zelf kunt doen om ze laag te houden, en hoe je tegenwoordig een harde bovengrens zet zodat een uitschieter je niet meer kan verrassen.

De rekening zit in "tokens", niet in een abonnement

De meeste AI-automatiseringen rekenen af per token. Een token is een stukje tekst, ruwweg een paar letters of een kort woord. Alles wat je automatisering het model instuurt (de vraag, de context, het klantbericht) kost tokens, en alles wat het model teruggeeft (het antwoord, de gegenereerde tekst) kost ook tokens. Meestal is dat teruggeef-gedeelte, de output, het duurst.

Het gevolg: twee automatiseringen die "hetzelfde" lijken te doen, kunnen totaal verschillend uitpakken op de rekening. Een agent die netjes een kort antwoord teruggeeft is goedkoop. Een agent die per klus eindeloos heen en weer redeneert, tussenstappen zet en lange lappen tekst produceert, verstookt veel meer. Je betaalt dus niet voor "een taak", maar voor hoeveel tekst er onder de motorkap heen en weer gaat.

Goed nieuws: die rekening wordt goedkoper

De trend werkt in jouw voordeel. De prijzen per token dalen al maanden, en modellen worden slimmer in hoe weinig werk ze nodig hebben. Een concreet voorbeeld van eind augustus 2026: een aangekondigde prijsverhoging voor een veelgebruikt werkpaard-model, die de prijs met de helft omhoog zou brengen, werd op het laatste moment teruggedraaid. De lage introprijs bleef gewoon de standaardprijs. Wie die verhoging al had ingecalculeerd, hield geld over. Dat is precies het soort verandering dat je mist als niemand de kosten in de gaten houdt.

Je ziet het breder gebeuren. Kort daarna kwam er zelfs een topmodel bij dat van de ene op de andere week de helft goedkoper werd dan de duurste variant, met een instelknop waarmee je per taak kiest hoe zwaar de AI werkt. Er zijn inmiddels meerdere sterke modellen die op of net onder topniveau presteren voor een fractie van de prijs van het duurste model. Voor jou als ondernemer betekent dat: het "dure model voor alles"-tijdperk is voorbij. Voor het meeste dagelijkse werk is een goedkoper model ruim voldoende. Wil je hier dieper induiken, lees dan ook onze post over een goedkoop AI-model kiezen zonder je data uit handen te geven.

Denk in kosten per klus, niet per miljoen tokens

De prijzen worden altijd genoemd per miljoen tokens, en dat zegt een ondernemer niets. Reken het daarom om naar iets waar je wél gevoel bij hebt: de kosten per klus.

Een voorbeeld. Stel je hebt een automatisering die inkomende klantmails leest en een concept-antwoord opstelt. Eén zo'n mail plus antwoord kost misschien een paar duizend tokens. Bij de huidige prijzen praat je dan al snel over een fractie van een cent tot een paar cent per mail. Verwerk je er 500 per maand, dan zit je op een paar euro tot enkele tientjes, afhankelijk van welk model je kiest. Dat is een heel ander gesprek dan "$7,50 per miljoen output-tokens".

Die omrekening is de belangrijkste stap. Zodra je weet wat één klus kost, kun je twee dingen: inschatten wat de automatisering per maand kost bij jouw volume, en zien of de tijdwinst het waard is. Bespaart een agent je vijf uur per week en kost hij twintig euro per maand, dan is de rekensom snel gemaakt. De kostenkant is hiermee rond; hoe je de opbrengstkant uitrekent (bespaarde tijd, minder fouten, snellere reactie) lees je in wat een AI-automatisering echt oplevert.

Zet routinewerk op een goedkoop model, uitzonderingen op een duur

De grootste besparing zit niet in onderhandelen over prijzen, maar in de juiste taak op het juiste model zetten. Dit noemen we tiering, en het is simpeler dan het klinkt:

1. Routinewerk op een goedkoop model. Mails sorteren, korte samenvattingen maken, standaardvragen beantwoorden, gegevens uit een formulier halen. Dit soort werk heeft geen topmodel nodig. Een goedkoop, zuinig werkpaard doet het prima.
2. Uitzonderingen op een duur model. De ingewikkelde offerte, de juridisch gevoelige tekst, de klantvraag die echt maatwerk vraagt. Laat je automatisering die gevallen doorsturen naar een krachtiger (en duurder) model.

In de praktijk draait dan 80 tot 90 procent van je volume op het goedkope model, en gaat alleen de moeilijke rest naar het dure. Je maandrekening zakt flink, terwijl de kwaliteit op de plekken die ertoe doen overeind blijft. Tools als n8n, Make en Zapier kunnen die routering prima aan: een simpele "als dit ingewikkeld is, stuur naar model B"-stap is genoeg.

Meet wat je verbruikt

Je kunt pas sturen op kosten als je ze ziet. Toch draaien veel automatiseringen blind: ze doen hun werk, maar niemand kijkt naar het verbruik tot de factuur tegenvalt. Bouw daarom vanaf het begin een simpele meting in.

• Zet in je automatisering een teller die bijhoudt hoeveel klussen er per dag langskomen.
• Noteer welk model welk deel afhandelt, zodat je ziet waar de kosten zitten.
• Kijk één keer per maand naar het dashboard van je AI-leverancier: bijna allemaal laten ze het verbruik per dag zien.

Zo betrap je uitschieters op tijd. Een automatisering die plotseling drie keer zoveel verstookt, wijst vaak op een fout (een lus die blijft hangen, een agent die te veel context meesleept) en niet op groei. Dat wil je merken vóór de factuur, niet erna.

Zet een harde bovengrens op wat een klus mag kosten

Meten en tieren houden je gemiddelde rekening laag, maar ze beschermen je niet tegen de uitschieter: de nacht waarin een agent vastloopt in een lus en in één keer meer verstookt dan in de hele maand ervoor. Voor automatiseringen die zelfstandig doorwerken is dat de kostenpost waar ondernemers echt van wakker liggen.

Sinds kort kun je daar een echte grens tegen zetten. In plaats van alleen een waarschuwing achteraf kun je een AI-agent een maximumbedrag per klus meegeven. Bereikt hij dat bedrag, dan stopt hij en meldt hij waarom, in plaats van door te blijven werken. Het verschil met een verbruiksmelding is wie er moet handelen: bij een melding moet jij op tijd reageren, bij een plafond doet het systeem dat zelf. Hoe je zo'n grens fatsoenlijk bepaalt en waarom hij in elke oplevering hoort, hebben we uitgewerkt in geef je AI-agent een maximumbedrag voordat hij aan het werk gaat.

Bouw zo dat je kunt overstappen

Er is nog een reden om niet aan één model vast te klitten: de goedkoopste van vandaag is over twee maanden niet meer de goedkoopste. Er komt bijna wekelijks een nieuw model bij, vaak sneller en goedkoper dan het vorige. Als je automatisering zo is gebouwd dat je met één instelling van model kunt wisselen, profiteer je automatisch mee van elke prijsdaling. Zit je vastgeklonken aan één aanbieder, dan kijk je ernaar en betaal je door.

Precies daarom bouwen we bij NOVAITEC automatiseringen bewust model-onafhankelijk. Het maakt je flexibel bij prijsveranderingen én het beschermt je als een model er onverwacht uit ligt. Meer daarover lees je in nieuwe AI-modellen komen constant, zorg dat je er niet aan vastzit.

Klein beginnen, dan optimaliseren

De valkuil is om hier een groot project van te maken voordat je iets draaiend hebt. Doe het andersom. Begin met één automatisering op een prima model, meet wat het per klus kost, en optimaliseer daarna: schuif het routinewerk naar een goedkoper model en houd het dure model voor de uitzonderingen. Zo weet je precies waar elke euro naartoe gaat, en groeit je AI-inzet mee zonder dat de rekening je verrast.

Benieuwd wat een AI-automatisering voor jouw bedrijf zou kosten, en waar de winst zit? We rekenen het graag samen met je door.