Bedrijven die volop inzetten op AI-agents moeten rekening houden met fors hogere kosten. Onderzoeksbureau Gartner voorspelt dat de rekenkosten per “agentic workflow” tot 2028 meer dan vervijfvoudigen — ook al worden AI-modellen zelf juist goedkoper.
Dat klinkt tegenstrijdig, en dat is het ook. Gartner noemt het fenomeen de Inference Paradox: hoe efficiënter en goedkoper AI-modellen per token worden, hoe meer die besparing wordt opgeslokt door steeds complexere toepassingen. Het resultaat is dat de totale AI-rekening voor bedrijven blijft stijgen, terwijl de opbrengst daarvan allesbehalve gegarandeerd is.
Van chatbot naar zelfstandig handelende agent
Het onderscheid zit in wat AI tegenwoordig moet doen. Een eenvoudige chatbot leest een vraag en geeft daar direct een waarschijnlijk antwoord op. Een AI-agent doet veel meer: die redeneert, stelt zichzelf bij, overlegt met andere systemen en voert meerdere stappen achter elkaar uit voordat een taak is afgerond.
“Waar een simpele chatbot een vraag moet lezen en interpreteren om snel een waarschijnlijk antwoord te geven, moet een AI-agent voortdurend redeneren, onderhandelen en zichzelf bevragen,” aldus senior analist Will Sommer van Gartner. Al die extra stappen kosten geld: het inzetten van een redenerende AI-agent is volgens Gartner minstens vijf keer duurder dan een simpele chatbotinteractie — en vaak nog veel meer naarmate een taak complexer wordt.
Drie krachten die de kosten opdrijven
Gartner wijst op drie trends die samen de paradox veroorzaken. Allereerst verbetert de kosteneconomie van AI-modellen snel: tokens worden per stuk goedkoper. Diezelfde efficiëntieslag maakt het echter juist aantrekkelijk om over te stappen op krachtigere, duurdere modellen. En om het geheel af te maken, verbruiken geavanceerde AI-workflows veel meer tokens dan een simpel chatgesprek, wat de totale rekening alsnog opdrijft.
Kortom: de innovatie in AI-mogelijkheden gaat sneller dan de dalende kostencurve van tokens kan compenseren.
Geen quick fix
Volgens Gartner is er geen simpele, goedkope oplossing die voor alle toepassingen werkt. Bedrijven die AI-producten competitief willen houden, ontkomen er niet aan om complexe ecosystemen van meerdere modellen te bouwen en te onderhouden.
Sommer waarschuwt vooral tegen kritiekloos gebruik van AI-agents: “Standaard kiezen voor generieke autonome intelligentie leidt tot ongebreidelde kosten, ordes van grootte hoger dan bij geoptimaliseerde productecosystemen.”
Wat kunnen bedrijven doen?
Om grip te houden op de kosten, adviseert Gartner productleiders in te zetten op inference-tiering: het bewust routeren en orkestreren van taken naar het meest kosteneffectieve model dat een klus aankan, in plaats van reflexmatig de duurste, krachtigste AI in te zetten voor elke taak. Dat vraagt wel om aanzienlijke inspanning doorheen complexe workflows — een makkelijke uitweg is er niet.
