Als een klant vraagt wat een AI-integratie kost, bedoelt hij bijna altijd het model. Hoeveel per vraag? Per document? Per gebruiker? Begrijpelijke reflex — het model is het zichtbare, nieuwe, licht enge deel. Maar nadat we deze features voor de kost hebben gebouwd, kunnen we je vertellen: de tokenrekening is zelden de regel die je budget bepaalt. Meestal is het juist de regel waar je je het minst zorgen om hoeft te maken.

Dit stuk hakt de kosten in de echte onderdelen, plakt er actuele cijfers op, en laat de knoppen zien die het totaal bewegen. Verkoop je software, dan is dit het gesprek dat je met je klant voert voordat je offreert — niet nadat de eerste factuur voor verrassingen zorgt.

De regel die iedereen noemt: modeltokens

Taalmodellen rekenen per token — een stukje tekst van ongeveer driekwart woord. Je betaalt apart voor input (wat je stuurt) en output (wat het model terugschrijft), en output is de dure kant. Halverwege 2026 zien de gangbare tarieven per miljoen tokens er zo uit:

  • Flagship-tier — Claude Opus 4.8 op $5 in / $25 uit, voor het zwaarste redeneren.
  • Werkpaard-tier — Claude Sonnet 5 op $2 in / $10 uit (introprijs, stijgt in september 2026 naar $3 / $15); OpenAI's GPT-4o op $2,50 / $10. Hier hoort het meeste productieverkeer te draaien.
  • Goedkope tier — Claude Haiku 4.5 op $1 / $5, GPT-4o mini op $0,15 / $0,60, Mistral Large 3 rond $0,50 / $1,50. Voor routing, extractie en simpel werk in grote volumes.

Vertaal dat naar mensentaal. Anthropic's eigen voorbeeld draait 10.000 support-gesprekken door Haiku voor zo'n $37 — ruwweg een derde cent per stuk. Een middenklassemodel dat een paar duizend vragen per dag beantwoordt, komt uit op tientallen tot een paar honderd euro per maand. Voor een doorsnee zakelijke copilot is het model niet wat het budget breekt.

En deze regel gaat alleen maar omlaag. Elke generatie heeft de prijs van een bepaalde capaciteit verlaagd: werk dat vorig jaar de flagship nodig had, draait dit jaar op het werkpaard voor een fractie. Je businesscase bouwen op de aanname dat tokens goedkoper worden, is een van de veiligere weddenschappen in dit vak.

Het model is de goedkoopste, meest voorspelbare regel van het hele project. De kosten zitten in alles wat je eromheen bouwt.

De vijf dingen die de rekening écht opdrijven

1. Je data bij het model krijgen

Een model op zichzelf weet niets van het bedrijf van je klant. Zodra de feature moet antwoorden vanuit hun documenten, tickets of database, bouw je RAG: ingestion-pijplijnen, chunking, een vector-store, retrieval, reranking en een evaluatielus om te bewijzen dat het juiste stuk boven komt. Dat is echt backend-engineering, en meestal het grootste enkele stuk van de bouw. Het model is een middagje; het leidingwerk dat het model goede context voert, is weken.

2. Evaluatie — de onzichtbare regel

De demo werkt op de eerste vijf vragen. Vraag zes is zelfverzekerd fout, en nu wil je weten hoe vaak dat gebeurt vóórdat de klanten van je klant het ontdekken. Evaluatie — een testset met echte vragen en bekende goede antwoorden, gescoord bij elke wijziging — is wat een weekendprototype scheidt van iets waar je je naam onder zet. Het staat zelden op de eerste offerte en is niet onderhandelbaar. Overslaan haalt de kosten niet weg; het verschuift ze naar productie, waar je ze betaalt in supporttickets en verloren vertrouwen.

3. Retries, loops en context-bloat

Hier groeit de tokenrekening stilletjes na livegang. Drie boosdoeners, op volgorde van hoe vaak we ze zien:

  • Context-bloat — elke prompt sleept meer chathistorie en meer opgehaalde documenten mee. De input-tokens lopen op, en je betaalt om diezelfde context bij elke beurt opnieuw te sturen.
  • Agent-loops — een "agentische" feature die plant, tools aanroept en zijn eigen werk controleert, kan het model vijf of tien keer per handeling afvuren. Elke hop wordt gerekend.
  • Retries — een zwak model of een wankele prompt faalt, dus je probeert opnieuw, of een mens doet het werk over. Je betaalt dubbel en verliest de tijd.

De oplossing is architectuur, geen groter budget. Prompt caching leest herhaalde context — een lange system-prompt, een vast beleidsdocument — tegen zo'n 10% van de inputprijs. Batchverwerking draait niet-urgente klussen tegen ongeveer de helft. Op de juiste workloads halveren die twee knoppen de tokenkosten met gemak. De meeste teams laten ze uitstaan.

4. Guardrails, compliance en een mens in de lus

Alles wat klant-gericht is, heeft guardrails nodig: inputvalidatie, outputchecks, een manier om te vangen dat het model iets fouts of onveiligs zegt, en — waar de belangen dat rechtvaardigen — een persoon die nakijkt voordat het antwoord de deur uitgaat. Raakt de feature persoonsgegevens, dan draag je ook het AVG-werk: rechtsgrond, PII-verwerking, logging, en melden dat gebruikers met AI praten. Niets daarvan is modelkost. Alles ervan is projectkost, en het is het deel dat voorkomt dat een launch de week vóór livegang wordt teruggetrokken.

5. Onderhoud en model-churn

Een AI-feature is een levend systeem. Modellen worden volgens schema uitgefaseerd — dat waar je dit jaar op bouwde, wordt uitgezet, en de wissel moet opnieuw getest tegen je evaluatieset. Prompts driften als de data en toon van de klant veranderen. De retrieval-kwaliteit zakt weg naarmate documenten zich opstapelen. Een AI-integratie begroten als eenmalige oplevering is de meest gemaakte kostenfout die we zien. Het heeft een eigenaar en een run-rate, net als elk ander productiesysteem.

De ruwe vorm van het totaal

We noemen geen universeel bedrag — wie dat doet, gokt. Maar de vorm is consistent. Op een doorsnee copilot of automatisering van gemiddelde grootte zijn de modeltokens een minderheid van de maand-één-kosten en een klein deel van de bouw. Het engineeringwerk om het model heen — retrieval, evaluatie, guardrails, integratie in de bestaande systemen van de klant — is het leeuwendeel. En de run-rate na livegang wordt gedomineerd door onderhoud en menselijk toezicht, niet door de API-meter.

Goed nieuws voor hoe je het werk scopet. De dure delen zijn de delen die jij in de hand hebt: ze reageren op goede architectuur, eerlijke evaluatie en een duidelijke eigenaar. De tokenrekening zorgt grotendeels voor zichzelf, en wordt vanzelf goedkoper.

Hoe wij het totaal laag houden

  1. Kies het model op maat per taak. Een goedkoop model voor routing en extractie, het werkpaard voor de meeste antwoorden, de flagship alleen waar het redeneren het verdient. One size fits nothing.
  2. Zet caching en batching aan. Gratis geld op herhaalde context en niet-urgente klussen. Wij draden dit standaard in, niet als bijzaak.
  3. Meet tokens per request vanaf dag één. Log input- en output-tokens per call, zodat context-bloat en op hol geslagen loops op een grafiek verschijnen en niet op een factuur.
  4. Bouw de evaluatieset vóór de feature. Die zet de kwaliteitslat, vangt regressies bij elke modelwissel, en laat je met bewijs naar een goedkoper model zakken in plaats van op hoop.
  5. Offreer de run-rate, niet alleen de bouw. Benoem de doorlopende kosten — onderhoud, modelmigraties, toezicht — in het eerste gesprek. Klanten begroten voor wat je ze vertelt.

FAQ

Is de model-API-rekening echt het kleine deel?

Voor de meeste zakelijke copilots wel. Tegen de prijzen van 2026 draait een goed gebouwde support-assistent op tientallen tot een paar honderd euro per maand aan tokens. De bouw — retrieval, evaluatie, guardrails, integratie — is waar het echte geld heen gaat, en die schaalt niet mee omlaag als het rustig is.

Waarom kruipt mijn tokenrekening omhoog na livegang?

Meestal drie oorzaken: context-bloat (meer historie en documenten in elke prompt), retries en agent-loops die het model meerdere keren per handeling aanroepen, en een upgrade naar een duurdere tier. Log tokens per request vanaf dag één, dan zie je welke het is.

Moeten we gewoon het goedkoopste model pakken om te besparen?

Niet blind. Een goedkoop model dat antwoorden fout heeft, kost je in retries, menselijke correcties en verloren vertrouwen — en dat overtreft de tokenbesparing ruimschoots. Match het model aan de taak: klein voor routing en extractie, middenklasse voor de meeste antwoorden, flagship alleen waar het redeneren dat echt nodig heeft.

Welke kostenpost vergeet iedereen te begroten?

Onderhoud. Modellen worden uitgefaseerd, prompts driften, de data van de klant verandert en de evaluatieset moet opnieuw draaien. Begroot vanaf het begin voor doorlopend eigenaarschap — een AI-feature is een levend systeem, geen vaste oplevering die je één keer uitrolt.

Hoeveel schelen caching en batching echt?

Prompt caching leest herhaalde context tegen zo'n 10% van de inputprijs; batchverwerking draait niet-urgente klussen tegen ongeveer de helft. Op workloads met veel vaste context of asynchroon werk halveren die twee samen de tokenkosten met gemak.

Bronnen: Anthropic, Claude API-prijzen & het 10.000-tickets-rekenvoorbeeld · OpenAI, API-prijzen (GPT-4o / GPT-4o mini) · Mistral AI, modelprijzen. Prijzen geverifieerd juli 2026 en veranderen vaak — check de bron voordat je offreert.

Een AI-feature aan het scopen en wil je dat het getal standhoudt? Plan een call — we rekenen het met je door, white-label, voordat je de offerte verstuurt.