Ken je dat moment? Je begint met Ai te experimenteren, het werkt verrassend goed, je bouwt er steeds meer op, en drie maanden later kijk je naar een factuur waar je even stil van wordt. Niet omdat Ai duur hoeft te zijn, maar omdat de rekening stilletjes oploopt terwijl niemand erop let. Elke samenvatting, elke classificatie, elke automatische check: allemaal naar hetzelfde dure topmodel, omdat dat nu eenmaal de standaardinstelling was.

Ik heb die fout zelf gemaakt. Ik draai op mijn homeserver een flinke verzameling Ai-automatiseringen naast al het andere werk in mijn bedrijven, en op het hoogtepunt stond mijn maandbudget rond de €1.700 aan API-kosten. Een fors deel daarvan bleek achteraf vermijdbaar. Niet door minder Ai te gebruiken, maar door de juiste vraag aan het juiste model te stellen. En soms door helemaal geen Ai te gebruiken.

De prijsverschillen zijn niet klein, ze zijn absurd#

Even concreet, want hier begint het besef. Het topmodel van Claude kost op dit moment grofweg €14 per miljoen input-tokens en €69 per miljoen output-tokens. Let op: Anthropic rekent zelf in dollars af, dus deze eurobedragen zijn omgerekend tegen de koers van het moment en schommelen mee. Dat klinkt abstract, dus laten we het terugbrengen naar één taak: een samenvatting maken van een document van zo’n 10.000 tokens (pakweg 15 A4’tjes) met een kort antwoord terug.

  • Via het topmodel: ongeveer €0,17 per keer.
  • Via Gemini Flash: ongeveer €0,0008 per keer, dat is 222 keer goedkoper.
  • Via DeepSeek: 153 keer goedkoper dan het topmodel.
  • Via Ollama, lokaal op je eigen machine: vrijwel gratis in gebruik. Je betaalt in hardware, stroom en wat kwaliteit.

Eén samenvatting van 17 cent klinkt onschuldig. Maar automatisering betekent per definitie herhaling. Draai je die taak vijftig keer per dag (logregels samenvatten, e-mails classificeren, documenten labelen), dan praat je over honderden euro’s per maand voor werk dat een goedkoop model net zo goed doet.

En dat is precies de vraag die bijna niemand stelt: doet het goedkope model het net zo goed? Dat wilde ik niet op gevoel beslissen. Dus heb ik het gemeten.

Mijn benchmark: 87% versus 91%, voor 18 keer minder geld#

Ik heb 18 echte taken uit mijn eigen security- en beheerswerk in een testset gestopt: meldingen beoordelen, kwetsbaarheden inschatten, alarmen routeren, logbestanden analyseren en risico’s prioriteren. Elke taak kreeg een vooraf vastgelegd juist antwoord en een beoordelingsrubriek. Vervolgens liet ik zowel het duurste als het goedkoopste model alle taken doen, en liet ik de antwoorden objectief scoren.

De uitkomst:

  • Het duurste model scoorde 91%.
  • Het goedkoopste model scoorde 87%.
  • Kosten voor 100 van dit soort taken: €2,20 tegenover €0,12 op basis van de catalogusprijzen, grofweg een factor 18.

Vier procentpunt verschil. Op de meeste categorieën (meldingen triëren, logbestanden analyseren, alarmen routeren) deed het budget-model het praktisch gelijkwaardig, soms zelfs foutloos.

Maar nu de uitzondering, en die is belangrijk. Op één categorie scoorde het goedkope model duidelijk lager: risico-prioritering. Als de vraag was “hier zijn tien problemen, welke drie pak je eerst aan en waarom?”, zakte het budget-model naar 44%, waar het topmodel op 78% bleef. Rangschikken, afwegen, belangen tegen elkaar wegzetten: dát is waar je voor het dure model betaalt.

Eerlijkheidshalve: 18 taken is een kleine steekproef, en het beoordelende model kwam uit dezelfde familie als het dure model, dus een lichte voorkeur voor de eigen soort valt niet uit te sluiten. Maar de richting van de conclusie staat als een huis, en die zie ik dagelijks terug in de praktijk: goedkope modellen zijn goed genoeg voor routinewerk, duurdere modellen verdienen zichzelf terug op oordeelsvorming.

De gratis poortwachter: eerst beslissen óf Ai nodig is#

De grootste besparing kwam echter niet van goedkopere modellen, maar van een stap dáárvoor: een simpel script dat beslist of er überhaupt een Ai-vraag gesteld moet worden.

Voorbeeld uit mijn eigen praktijk. Ik had een beheer-automatisering die vijftien keer per dag het dure model aanriep om te controleren of alles nog goed draaide. Klinkt verstandig, totdat je beseft dat er in verreweg de meeste runs niets aan de hand was. Het model kreeg steeds de vraag “is er iets mis?” en antwoordde vrijwel altijd braaf “nee”. Betaald werk, nul waarde.

De oplossing was een gratis voorcontrole: een kaal shellscript dat in een fractie van een seconde de harde signalen checkt: is er een proces gestopt, staat er een foutmelding in de log, wijkt een meetwaarde af? Alleen als dat script iets vindt, wordt het Ai-model wakker gemaakt. Resultaat: van vijftien dure runs per dag naar 1 à 8, met dezelfde dekking voor alle signalen die we vooraf hadden benoemd. Let wel: zo’n script mist wat je níet als signaal hebt gedefinieerd, dus die lijst onderhoud je actief. De detectie zelf was nooit Ai-werk; dat is patroonherkenning die een script gratis doet.

Hetzelfde principe pas ik toe op security: gratis open-source scanners draaien wekelijks, en alleen bij een kritieke bevinding komt er een dure Ai-analyse overheen. De taakverdeling is steeds dezelfde: tools detecteren, Ai interpreteert. Een grep-commando of scanner vindt feilloos élke verdachte regel; het Ai-model beantwoordt daarna de vraag die tools niet kunnen beantwoorden: “is dit een echt gelekt wachtwoord of een placeholder?” en “welke drie van deze vijftig meldingen zijn urgent?”

Praktische beslisregels voor een MKB’er#

Je hoeft hiervoor geen Ai-specialist in dienst te hebben. Dit zijn de regels die ik zelf hanteer, vertaald naar elk bedrijf:

1. Begin bij “geen Ai”. Kan een simpel script, een filter of een bestaande tool de vraag beantwoorden? Dan is het antwoord gratis en nog betrouwbaarder ook. Ai is voor interpretatie, niet voor detectie.

2. Routinewerk naar het budget-model. Samenvatten, classificeren, labelen, korte teksten opstellen, logregels duiden: dit kan naar een goedkoop model (of gratis lokaal via Ollama, als snelheid niet kritiek is). In mijn praktijk is dit veruit het grootste deel van het Ai-volume.

3. Oordeelsvorming naar het topmodel. Prioriteren, strategische afwegingen, complexe analyses, alles waar een fout écht geld kost: hier is het dure model zijn prijs waard. Mijn benchmark laat precies zien waarom: 44% versus 78% op prioritering is geen besparing, dat is kwaliteitsverlies.

4. Meet het, geloof het niet. Pak 15 à 20 échte taken uit je eigen werk, leg vast wat een goed antwoord is, en laat een goedkoop en een duur model ze allebei doen. Een middag werk, en je beslist voortaan op cijfers in plaats van op onderbuik of marketingclaims.

5. Maak de goedkope route de standaard. Dit heb ik hard geleerd: ik had een werkende kostenbesparende opzet die vervolgens níet gebruikt werd, omdat het dure model overal de standaardinstelling bleef. Een besparingstool die niemand gebruikt, bespaart niets. Leg per proces expliciet vast welk model het gebruikt, anders wint de dure default altijd.

6. Geef klantgerichte Ai een kosten-envelop. Voor een Ai-functie richting klanten stel ik vooraf een hard budget per interactie in, bijvoorbeeld maximaal €0,50 per gesprek. Simpele stappen doet een goedkoop model, alleen de nuance gaat naar een zwaarder model. Zo weet je vooraf wat een feature per transactie mag kosten en kom je nooit voor verrassingen te staan.

Wat betekent dit voor jouw bedrijf?#

Als je Ai gebruikt of overweegt, is de kans groot dat je nu in één van twee valkuilen zit. Óf je stuurt alles naar het duurste model “voor de zekerheid” en betaalt structureel tientallen tot honderden keren te veel voor routinewerk. Óf je bent geschrokken van de kosten en gebruikt Ai daarom minder dan zinvol zou zijn, terwijl het echte probleem niet de prijs van Ai is, maar het ontbreken van routering.

De oplossing is geen abonnement en geen consultant-buzzword. Het is een taakverdeling: script → goedkoop model → duur model, waarbij elke laag alleen doorschuift wat hij zelf niet aankan. In mijn geval sneed dat fors in een budget van €1.700 per maand, zonder merkbaar kwaliteitsverlies op de taken die ertoe doen.

En het mooiste: de eerste stap kost je niets. Kijk deze week eens welke Ai-taken bij jou op herhaling staan, en stel per taak die ene vraag: heeft dit reasoning nodig, of alleen verwerking?

Verder aan de slag? Download gratis de Ai-kostenwijzer voor het mkb, met precies de beslisregels uit dit artikel: welk model wanneer, wat het kost en waar je geld weglekt. Wil je liever samen kijken waar in jouw bedrijf de snelle winst zit? Lees op de consulting-pagina hoe ik werk: nuchter advies, geen verkooppraatje.