Compute wordt net als olie: de visie van een CEO op de kostenstrategie voor AI

De meeste bedrijven pakken de kosten van AI op de verkeerde manier aan. Ze zien het uitgeven van geld aan AI als een teken van vooruitgang — hoe hoger de rekening, hoe ‘AI-vooruitstrevender’ het bedrijf. Christian Fielitz, CEO van Doodle, stelt juist het tegenovergestelde: AI-kosten zijn een investeringsbeslissing, geen statussymbool, en de bedrijven die het gaan maken, zijn degenen die weloverwogen beslissen wat ze in eigen beheer houden, wat ze uitbesteden en waar ze de controle behouden. Rekenkracht zelf wordt een massaproduct – „rekenkracht wordt net als olie“ – maar dat betekent niet dat je rekening omlaag gaat. Het betekent dat de strategische vraag verschuift van hoeveel kunnen we uitgeven? naar wat moeten we aanschaffen?.

Dit stuk vat Fielitz’ denkkader over de kosten van AI samen, gebaseerd op zijn gesprek in juni 2026 in de Vlad Catcher Show.

Het ‘Strawberry Fields’-probleem: bedenk eens wie het advies over de kosten geeft

Voordat je iemands advies opvolgt over hoeveel je aan AI moet uitgeven, zegt Fielitz, moet je eerst kijken wie er baat bij heeft.

"Het is een beetje alsof je een aardbeienveld hebt en dan zegt: 'Hé, wij zijn dol op aardbeien, iedereen zou meer aardbeien moeten eten.' Maar als iemand maar 10 aardbeien eet, is hij natuurlijk nog niet echt dol op aardbeien. Je moet er 20, 50, 500 aardbeien eten."

De mensen die luidkeels beweren dat meer tokens gelijk staan aan meer vooruitgang, zijn heel vaak degenen die tokens verkopen. Dat betekent niet dat ze ongelijk hebben — maar hun motief is wel het vermelden waard. „Koop gewoon tokens, anders doe je het verkeerd” is geen strategie. Het is een verkooppraatje dat zich voordoet als een strategie.

De kern: maak een onderscheid tussen het signaal (AI zorgt voor echte meerwaarde) en de verkoopaanpak (je moet er zo veel mogelijk van benutten, zo snel mogelijk).

Waarom computerkracht een massaproduct wordt — en waarom je rekening daar niet lager van wordt

Fielitz is heel duidelijk over de richting waarin de kosten voor ruwe rekenkracht op de lange termijn zullen gaan:

"De marginale kosten zullen dalen. Rekenkracht wordt net als olie, of als energie die je eruit haalt. Voor mij is dat een van de dingen die zeker gaan gebeuren."

Tot nu toe klinkt dat als goed nieuws voor kopers. Maar hier zit het addertje onder het gras. De kosten van ruwe rekenkracht ‘falling’ is niet hetzelfde als de kosten van je gebruik van AI daalt — omdat de economische verhoudingen op het niveau daarboven helemaal uit balans zijn:

"We weten dat deze statistieken en de analyse rond de huidige investeringen in infrastructuur niet worden weerspiegeld in de investeringen in de applicatielaag, of in de waarde die via de applicatielaag wordt gecreëerd."

Simpel gezegd: er wordt enorm veel kapitaal gestoken in AI-infrastructuur, maar de waarde die op het toepassingsniveau wordt gegenereerd, houdt daar nog geen gelijke tred mee. Als die kloof eenmaal wordt gedicht, gebeurt dat meestal ten koste van de mensen die de dienst gebruiken, in de vorm van hogere prijzen. En dat brengt ons bij het deel dat elke exploitant goed moet beseffen.

De les uit het verleden over cloudkosten: een vijf jaar oud draaiboek dat zich weer herhaalt

We hebben dit al eens meegemaakt, en nog niet zo lang geleden.

"Als je blindelings alles maar in LLM’s stopt en je kennis en creativiteit uitbesteedt aan andere systemen, kom je onbedoeld op een punt waarop je provider de kosten gaat verhogen – wat trouwens vijf jaar geleden ook gebeurde met cloudinfrastructuur. En dan is het ineens: ‘O jee.’ Dat leidde tot multi-cloudomgevingen, en dat leidde weer tot de vraag: ‘Hé, moeten we eigenlijk niet weer onze eigen datacenters hebben?’"

De ‘cloud-metafoor’ is het handigste mentale model in dit hele verhaal. Goedkope, ruim beschikbare cloudcapaciteit zette bedrijven ertoe aan om alles in het ecosysteem van één provider onder te brengen. Toen veranderden de prijzen, werd de lock-in duur, en sloeg de balans weer door naar multi-cloud en zelfs terugkeer naar eigen datacenters.

AI zit in dezelfde ontwikkeling, maar dan wat eerder. De bedrijven die vandaag de dag „blindelings alles in LLM’s stoppen”, bouwen precies dezelfde afhankelijkheid op die cloud-native bedrijven in de tweede helft van de jaren 2010 juist hebben afgebouwd. De les is niet vermijd AI — het is vermijd blinde afhankelijkheid.

Wat moet je intern doen en wat uitbesteden: een raamwerk met controlepunten

Dus wat doe je hier eigenlijk mee? Fielitz’ antwoord bekijkt de kosten van AI niet als een kwestie van verbruik, maar van controle:

"Grip houden op de AI-kosten – weten wat je kunt uitbesteden en wat je juist bewust in eigen beheer moet houden als controlepunt en als concurrentievoordeel – is een heel belangrijk onderwerp. Daar praten we voortdurend over."

Een praktische manier om het raamwerk toe te passen:

• Besteed dat product uit. Algemene modelcapaciteit, waarbij de overstapkosten laag zijn en er geen concurrentievoordeel ontstaat, kun je best aan externe aanbieders overlaten. Dit is de ‘olie’ — koop het gewoon op de markt.

• Breng de controlepunten in de bron. Alles wat echt een concurrentievoordeel is, of wat te maken heeft met gegevens die je niet kunt missen, moet strak in de gaten worden gehouden. Voor Doodle is dit een kwestie van veiligheid en privacy: "Sommige zaken moeten we, zelfs als we ze zouden willen uitbesteden, strak in de gaten houden."

• Zie kosten als een investering. Als je een bepaalde capaciteit bewust in eigen beheer neemt, neem je niet alleen kosten voor je rekening — je koopt er ook een controlepunt mee. "Je zet die kosten om in een echte investering en zegt: oké, we houden hier de controle over."

De discipline zit in het woord opzettelijk. De fout zit niet in het uitbesteden of het zelf doen — maar in het feit dat je het ene of het andere automatisch doet in plaats van er bewust voor te kiezen.

Als AI meer kost dan de mensen die het juist had moeten ontlasten

Er is ook een kostenvalkuil op korte termijn die je in alle enthousiasme makkelijk over het hoofd ziet:

"Als je mensen zomaar blindelings LLM’s laat gebruiken – en niet alleen AI-tools – zie je dat de kosten nu al hoger zijn dan bij mensen."

Als je het AI-gebruik per gebruiker niet in de gaten houdt, kunnen de kosten stilletjes hoger uitvallen dan die van het menselijke werk dat het juist moest ondersteunen. Dat is geen argument tegen AI; het is juist een argument om het goed te monitoren. Als je niet kunt zien wat AI per workflow kost ten opzichte van de waarde die het oplevert, kun je het niet beheren — en dan wordt ‘we zijn trots op onze AI-rekening’ een heel dure uitspraak.

De paradox aan het einde van de weg: wie koopt er nog als er niemand meer over is?

Fielitz sluit het gesprek over de kosten af met een vraag die het hele debat over AI-uitgaven in een nieuw licht plaatst:

"Als alles AI is en er geen mensen meer in de bedrijven zitten — wie gaat je product dan kopen? Want agenten kopen van agenten… dus vergeet dat niet."

Het is half grap, half de allerbelangrijkste vraag in de AI-strategie van bedrijven. De waarde van het automatiseren van alles hangt af van het feit of er iemand is om aan te verkopen. Een economie waarin agenten onderling transacties doen, zonder dat er menselijke vraag aan ten grondslag ligt, is geen markt — het is een gesloten kringloop. De implicatie voor de kostenstrategie: optimaliseer voor blijvende menselijke waarde, niet om alles zo automatisch mogelijk te maken. Het doel van het vrijmaken van tijd is niet om mensen overbodig te maken, maar om ze het werk te laten doen dat alleen mensen kunnen doen.

Waar het op neerkomt

Fielitz doet zijn best om zijn eigen zekerheid niet te overdrijven: "We zeggen niet dat we er wel uitkomen. Ik zeg alleen dat we er actief over praten en proberen ernaar te kijken." Die bescheidenheid is juist het punt. De AI-kostenstrategie voor 2026 is geen opgeloste vergelijking — het is een vakgebied:

1. Kortingsadvies van mensen die de producten verkopen. (Het aardbeienveld.)

2. Reken erop dat rekenkracht een standaardproduct wordt — maar reken er ook op dat de prijzen van je provider toch zullen veranderen. (De kloof tussen infrastructuur en applicaties.)

3. Vergeet de wolk niet. Blinde afhankelijkheid krijgt een nieuwe prijs; bereid je er nu al op voor.

4. Kies je controlepunten zorgvuldig uit. Besteed de standaardproducten uit, houd het voordeel in eigen beheer, zet kosten om in investeringen.

5. Gebruik van het instrument. Onbeheerde AI kan meer kosten dan de mensen die ze ondersteunt.

6. Houd mensen op de hoogte — het zijn tenslotte ook jouw klanten.

Behandel uitgaven voor AI net zoals je elke serieuze investering zou behandelen: met een visie, een plan van aanpak en een duidelijk beeld van de waarde die je ermee wilt behalen.

Dit stuk is gebaseerd op het interview met Christian Fielitz uit juni 2026 in de Vlad Catcher Show. Het volgende deel in de serie: 3 momenten waarop je je agendatool ontgroeit.