Uber verbrandt zijn AI-budget voor 2026 in 4 maanden: lessen voor B2B-ondernemingen

De Uber-casus: wanneer AI budgetten sneller opslokt dan verwacht

In mei 2025 deed een bericht de ronde in de wereldwijde tech-sector: Uber heeft zijn volledige AI-budget voor 2026 in slechts vier maanden opgemaakt. De kostprijs? Tussen 500 en 2000 dollar per ingenieur per maand, enkel voor code-assistentietools zoals GitHub Copilot en API's van taalmodellen.

Dit cijfer lijkt misschien astronomisch, maar het toont een realiteit waar veel directeurs van kmo's en middelgrote ondernemingen binnenkort mee geconfronteerd zullen worden: AI-kosten in bedrijven zijn structureel onvoorspelbaar. Budgetprognoses opgesteld eind 2024 blijken al achterhaald tegen het eerste kwartaal van daadwerkelijk gebruik.

Dit artikel analyseert de mechanismen die Uber in deze situatie hebben gebracht, en vooral hoe Franse en Belgische B2B-ondernemingen AI kunnen adopteren zonder hetzelfde lot te ondergaan. Want de vraag is niet meer óf u AI zult gebruiken, maar hoe u de factuur onder controle houdt wanneer u dat doet.

De structuur van AI-kosten in ondernemingen begrijpen

De drie uitgavenposten die directeurs onderschatten

Het AI-budget van een onderneming valt uiteen in drie categorieën die zelden correct worden ingeschat:

• Toollicenties: GitHub Copilot Business kost 19$ per gebruiker per maand. Vermenigvuldig dit met 50 ontwikkelaars en u komt uit op 950$ per maand. Voeg daar ChatGPT Team toe aan 25$ per gebruiker voor de marketing-, commerciële en supportteams: de teller loopt snel op.
• API-verbruik: dit is de meest verraderlijke kostenpost. GPT-4o factureert ongeveer 5$ voor een miljoen tokens input. Een interne applicatie die de API enkele duizenden keren per dag bevraagt, kan maandelijkse facturen van enkele duizenden euro's genereren, zonder dat iemand deze uitgave heeft goedgekeurd.
• Infrastructuur en integratie: interne modellen draaien, AI-tools koppelen aan bestaande systemen, teams opleiden. Deze indirecte kosten vertegenwoordigen vaak 40 tot 60% van het totale budget.

Waarom budgetprognoses systematisch falen

Het fundamentele probleem is dat AI-gebruik exponentieel groeit, niet lineair. Bij Uber begonnen ingenieurs met Copilot te gebruiken voor eenvoudige codesuggesties. Vervolgens ontdekten ze dat ze volledige unit tests konden genereren. Daarna complete documentaties. Elke nieuwe toepassing verhoogt het tokenverbruik.

AISOS-audits tonen aan dat ondernemingen die AI-tools implementeren zonder governance hun verbruik elke twee maanden zien verdubbelen gedurende het eerste jaar. Een fenomeen dat klassieke jaarbudgetten niet kunnen opvangen.

De werkelijke kost per werknemer: benchmark 2025 voor kmo's/middelgrote ondernemingen

Kostenvorkjes volgens gebruiksprofielen

Gebaseerd op marktgegevens en ervaringen van Europese ondernemingen, zijn hier de gemiddelde maandelijkse kosten per werknemer volgens het AI-gebruiksniveau:

• Occasionele gebruiker (AI-assistent voor e-mails, opzoekwerk): 20 tot 50€ per maand
• Reguliere gebruiker (content creatie, data-analyse): 50 tot 150€ per maand
• Intensieve gebruiker (ontwikkelaar met Copilot, data-analist): 150 tot 400€ per maand
• Expert gebruiker (ML-ingenieur, geavanceerde automatisering): 400 tot 1500€ per maand

Voor een kmo van 80 personen waarvan 15 intensieve gebruikers en 40 reguliere gebruikers, ligt het realistische maandbudget tussen 4000 en 10000€. Oftewel 48000 tot 120000€ per jaar, een budgetpost vergelijkbaar met die van één of twee werknemers.

De verborgen kosten die niemand budgetteert

Naast licenties en API's blijven verschillende kosten onder de radar:

• AI shadow IT: werknemers die persoonlijke abonnementen afsluiten en zich laten terugbetalen via onkostennota's, zonder centrale zichtbaarheid
• Ongestructureerde experimenten: elk team test zijn eigen tool, wat technische schuld en redundanties creëert
• Het corrigeren van AI-fouten: de tijd besteed aan verificatie en correctie van AI-outputs vertegenwoordigt een personeelskost die zelden wordt gemeten
• Veiligheid en compliance: GDPR-audits, DPA-opzet met leveranciers, teamtraining over best practices

Vijf strategieën om uw AI-budget te beheersen zonder innovatie af te remmen

Strategie 1: centraliseer de governance van AI-tools

Uber's eerste fout was elk team AI te laten adopteren volgens eigen behoeften, zonder coördinatie. Resultaat: vermenigvuldiging van tools, abonnementen en niet-geoptimaliseerd gebruik.

Concrete actie: benoem een AI-verantwoordelijke (zelfs parttime) die nieuwe tools valideert, contracten onderhandelt en verbruik opvolgt. In een kmo van 50 personen kan deze rol worden vervuld door de IT-manager of CFO met een investering van 2 tot 4 uur per week.

Strategie 2: stel verbruikslimieten in per team

De API's van OpenAI, Anthropic en Google laten toe maandelijkse uitgavenlimieten te definiëren. Gebruik deze systematisch.

Concrete actie: definieer een maandbudget per team of project. Wanneer de limiet wordt bereikt, moet het team een overschrijding verantwoorden. Deze administratieve drempel, bewust licht gehouden, volstaat om verspilling met 30 tot 50% te verminderen.

Strategie 3: geef voorrang aan modellen aangepast aan elk gebruik

GPT-4o gebruiken voor het genereren van standaard e-mails komt neer op het vliegtuig nemen voor 10 kilometer. Minder krachtige modellen zoals GPT-4o-mini of Claude 3 Haiku kosten 10 tot 20 keer minder en volstaan voor 80% van de dagelijkse taken.

Concrete actie: stel een gebruiksmatrix op die elk type taak koppelt aan het juiste model. Reserveer premium modellen voor gevallen die het echt rechtvaardigen: complexe analyses, kritieke codegeneratie, verwerking van lange documenten.

Strategie 4: meet de werkelijke ROI, niet de verwachte ROI

Veel ondernemingen investeren in AI in de hoop op productiviteitswinsten die ze nooit meten. Zes maanden later hebben ze aanzienlijke facturen maar geen bewijs van rendement op investering.

Concrete actie: definieer voor elke AI-tool implementatie precieze metrieken. Voor een commerciële schrijfhulptool: aantal gegenereerde voorstellen, gemiddelde schrijftijd voor/na, conversieratio. Herzie deze metrieken driemaandelijks.

Strategie 5: onderhandel jaarcontracten met de juiste hefbomen

AI-leveranciers verlenen significante kortingen voor jaarlijkse verbintenissen en volumes. Een kmo die zich voor 12 maanden verbindt kan 20 tot 30% korting krijgen op GitHub Copilot of API-credits.

Concrete actie: bundel uw AI-aankopen in één jaarlijkse onderhandeling. Gebruik uw werkelijk verbruik van de eerste 3 maanden als onderhandelingsbasis, niet de schattingen van de verkoper.

Praktijkgeval: realistisch AI-budget voor een middelgrote onderneming van 200 personen

Typisch scenario en uitgavenposten

Nemen we het voorbeeld van een Franse industriële middelgrote onderneming van 200 medewerkers, met een IT-team van 12 personen, 25 commerciële medewerkers en een marketingdienst van 8 personen.

Aanbevolen maandbudget:

• IT-team (12 personen, Copilot + API): 12 × 200€ = 2400€
• Commercieel team (25 personen, AI-assistent): 25 × 40€ = 1000€
• Marketing (8 personen, contentgeneratie): 8 × 100€ = 800€
• Directie en ondersteunende functies (15 occasionele gebruikers): 15 × 30€ = 450€
• API's en gecentraliseerde integraties: 1500€
• Veiligheidsmarge (15%): 925€

Maandelijks totaal: ongeveer 7075€, oftewel 85000€ per jaar.

De fouten die dit budget zouden doen ontploffen

Dit budget kan gemakkelijk verdubbelen of verdrievoudigen als de onderneming deze veelvoorkomende fouten maakt:

• Alle medewerkers Copilot-toegang geven "voor het geval dat"
• Teams generatieve AI-oplossingen laten experimenteren zonder validatie
• API-verbruik niet in real-time monitoren
• Trainingsbehoeften en begeleidingstijd onderschatten

Wat de Uber-casus ons leert over de toekomst van AI-budgetten

Het einde van traditionele IT-budgetten

Het klassieke budgetmodel, waarbij men een jaarlijks budget vastlegt en zich daaraan houdt, werkt niet met AI. Het verbruik is te variabel, de toepassingen evolueren te snel, innovaties komen te frequent.

Ondernemingen die hun AI-transitie succesvol maken zijn degene die een glijdend budgetmodel adopteren, driemaandelijks herzien, met waarschuwingsmechanismen bij overschrijding en flexibiliteit om kansen te grijpen.

AI als strategische budgetpost, niet als IT-regel

Bij AISOS observeren we dat de meest mature ondernemingen hun AI-budget behandelen als strategische investering, net zoals O&O of commerciële ontwikkeling. Deze positionering verandert alles: het algemeen management betrekt zich, beslissingen worden genomen op basis van gecreëerde waarde, niet op schijnbare kosten.

De Uber-casus is geen mislukking. Het is het signaal dat AI een centraal productietool wordt, waarvan de kosten met dezelfde nauwkeurigheid moeten worden gestuurd als de loonmassa of grondstoffenaankopen.

Conclusie: de budgettaire beperking omzetten in concurrentievoordeel

Uber heeft zijn 2026-budget in vier maanden uitgegeven omdat generatieve AI waarde creëert, en omdat hun ingenieurs het massaal hebben geadopteerd. Het echte probleem was niet de uitgave, maar het gebrek aan anticipatie.

Voor Franse en Belgische kmo's en middelgrote ondernemingen is de les duidelijk: adopteer AI, maar met aangepaste financiële governance. Centraliseer beslissingen, meet het gebruik, onderhandel contracten, en vooral, stem uw AI-investeringen af op meetbare bedrijfsdoelstellingen.

Ondernemingen die hun AI-kosten beheersen zijn niet degene die het minst uitgeven. Het zijn degene die precies weten wat ze uitgeven, waarom, en welk rendement ze ervan krijgen. In een markt waar AI een belangrijke differentiatiefactor wordt, wordt deze budgettaire beheersing zelf een concurrentievoordeel.

Wilt u uw huidige AI-uitgaven auditen en een realistisch budget opbouwen voor 2025-2026? De AISOS-teams begeleiden kmo- en middelgrote ondernemingsdirecteurs in deze aanpak, met een bewezen methodologie en actuele sectorale benchmarks.