Wat is er gebeurd
TechCrunch schrijft dat de AI-sector in een nieuwe fase komt: de tokenrekening wordt zichtbaar. Bedrijven die snel zijn opgeschaald met coding assistants en agentic tools merken dat lagere prijzen per token niet automatisch leiden tot lagere AI-kosten. Het gebruik groeit sneller dan de eenheidsprijs daalt.
Het artikel noemt meerdere voorbeelden. Uber zou het volledige AI-codingbudget voor 2026 al in april hebben verbruikt. Microsoft trok bepaalde Claude Code-toegang voor ontwikkelaars terug. Een medewerker van Priceline vertelde TechCrunch dat een Cursor-verlenging meerdere keren duurder uitviel dan verwacht. De rode draad is niet dat AI-tools nutteloos zijn geworden. Het probleem is dat veel organisaties ze hebben ingevoerd voordat zichtbaarheid, beleid en kostensturing goed geregeld waren.
De Linux Foundation reageert met plannen voor een Tokenomics Foundation, bedoeld om FinOps-achtige discipline naar AI-tokengebruik te brengen. Het doel is een gedeelde taal voor verbruik, facturatie en efficiëntie. Dat is nodig omdat agents veel calls kunnen stapelen: planning, retrieval, toolgebruik, validatie en retries, vaak binnen workflows die finance en IT niet eenvoudig kunnen doorzien.
Waarom dit ertoe doet
Voor zakelijke AI betekent dit de stap van experiment naar operatie. In een pilot vraagt een team of een model goed genoeg is. In productie vraagt een organisatie wie het gebruikte, welke data bewoog, welk model welke stap uitvoerde, wat het kostte, welke waarde terugkwam en of de uitkomst controleerbaar is. Dat zijn runtimevragen, geen promptvragen.
Agentic AI maakt dit extra belangrijk. Een chatgesprek is relatief makkelijk te tellen. Een productie-agent kan documenten lezen, tools aanroepen, zoeken in een vector database, samenvatten, classificeren, werk routeren, een sterker model gebruiken voor redenering, output laten controleren door een ander model en daarna terugschrijven naar een bedrijfssysteem. Elke stap kan tokens, latency, risico en kosten toevoegen.
Daarom schaalt onbeperkte toegang niet netjes. Het kan nuttig zijn voor ontdekking, maar verbergt de operationele mechanismen die bedrijven uiteindelijk nodig hebben. Zonder modelrouting, limieten, logging, rechten en kostenallocatie wordt AI-uitgave al snel de volgende vorm van onbeheerde SaaS-sprawl.
Laava-perspectief
Laava ziet de oplossing niet als rem op nuttig AI-gebruik. De oplossing is AI onderbrengen in een managed runtime, met dezelfde ernst die bedrijven al verwachten van cloud-, integratie- en securityarchitectuur. Als een agent echt werk doet in SharePoint, e-mail, CRM, ERP of ticketing, dan horen observability en controle vanaf dag één mee te draaien.
Daar wordt model-agnostisch werken praktisch in plaats van ideologisch. Sommige taken vragen om een frontier model. Veel taken niet. Classificatie, extractie, documentroutering en herhaalbare controles kunnen vaak op kleinere of goedkopere modellen draaien, inclusief modellen dichter bij de klant wanneer soevereiniteit, latency of voorspelbare kosten belangrijk zijn. De runtime moet die keuze bewust maken, niet iedere medewerker of workflow zijn eigen tool laten kiezen.
Dit is de juiste framing voor Laava Sovereign Runtime binnen Laava Agents en Custom Solutions. De waarde zit niet in een losse hardwarebox. De klant koopt managed runtime, agents, integraties, logging, monitoring en doorlopende verbetering. Lokale of klantgestuurde deployment is één vorm van die runtime wanneer dataresidentie, auditability of kostenbeheersing belangrijk zijn.
Wat je kunt doen
Begin met één echte workflow, niet met alle AI-tools in de organisatie tegelijk. Breng in kaart waar tokens ontstaan: document retrieval, redenering, tool calls, validatie en terugschrijven. Bepaal daarna welke stappen het sterkste model nodig hebben, welke met een kleiner model kunnen en welke in een gecontroleerde omgeving dicht bij de data moeten draaien.
Als je agents al richting productie brengt, voeg runtimecontrole toe voordat het gebruik onzichtbaar wordt. Meet kosten per workflow, log modelkeuzes, dwing rechten af en maak de zakelijke uitkomst meetbaar. De winnaars met AI-agents zijn niet de organisaties die de meeste tokens verstoken. Het zijn de organisaties die tokens omzetten in gecontroleerd operationeel werk.