De belofte van AI-tools klinkt aantrekkelijk: meer output, minder handwerk, lagere kosten. Maar in de eerste helft van 2026 onthulden drie grote namen de keerzijde. Uber verbrandde zijn volledige jaarbudget voor AI-coding tools in vier maanden. Microsoft schrapte duizenden Claude Code-licenties. En GitHub Copilot-gebruikers zien hun maandkosten met een factor 10 tot 50 exploderen. Welkom in het tijdperk van meter shock.
Uber: heel het AI-budget op in vier maanden
In april 2026 onthulde Uber-CTO dat het bedrijf zijn volledige jaarbudget voor AI-coding tools al had opgebrand. De boosdoener: enthousiaste adoptie van Claude Code en Cursor, gestimuleerd door een intern leaderboard dat teams rangschikte op AI-gebruik. Het werkte — 95% van de engineers gebruikte de tools maandelijks en 70% van de gecommitte code kwam van AI — maar de kosten liepen op tot 500 tot 2.000 dollar per engineer per maand.
Uber's COO Andrew Macdonald was vervolgens opvallend kritisch: het verband tussen stijgend AI-gebruik en daadwerkelijk betere producten voor de consument was er simpelweg niet. "That link is not there yet," zei hij. Meer tokens betekende niet automatisch meer waarde.
Sinds 2 juni 2026 hanteert Uber een limiet van 1.500 dollar per maand per tool per medewerker. Een noodrem die illustreert hoe snel AI-kosten kunnen escaleren als je ze niet vanaf dag één monitort.
Microsoft: Claude Code-licenties geschrapt
Microsoft, zelf grootaandeelhouder in OpenAI, opende begin 2026 de deuren voor Claude Code — Anthropic's AI-coding tool — voor duizenden medewerkers: engineers, projectmanagers en designers. Zes maanden later schrapte het bedrijf het overgrote deel van die licenties en duwde medewerkers terug naar het eigen GitHub Copilot CLI.
De reden was niet de kwaliteit van de tool, maar de kosten. Microsoft's eigen data liet zien dat de totale prijs van AI-tooling — licenties, compute, API-gebruik en integratie — hoger uitviel dan de equivalente menselijke arbeid. Nvidia-VP Bryan Catanzaro bevestigde het patroon vanuit zijn eigen team: de rekenkosten van AI overtreffen inmiddels de personeelskosten.
De individuele tokenprijs daalt, maar het totale verbruik groeit sneller. Het netto-effect: hogere rekeningen, niet lagere.
GitHub Copilot: van vast tarief naar meter shock
Op 1 juni 2026 schakelde GitHub Copilot over van een systeem met premium requests naar volledig usage-based billing via AI Credits. Eén AI Credit is 0,01 dollar, en het verbruik wordt berekend op basis van tokens — input, output en cached tokens, vermenigvuldigd met het tarief van het gekozen model.
De basisprijzen bleven nominaal gelijk: Copilot Pro+ kost 39 dollar per maand, inclusief 39 dollar aan credits. Maar zodra je de gratis basisautocomplete overstijgt — en zeker bij agentic workflows waar Copilot zelfstandig iteratief code schrijft — lopen de kosten exponentieel op. Developers rapporteerden sprongen van 29 naar 750 dollar per maand, van 50 naar 3.000 dollar, en bij intensief agentic gebruik nog hoger.
Het patroon is herkenbaar uit de cloudwereld: lage instapkosten lokken adoptie uit, waarna het werkelijke verbruik pas zichtbaar wordt bij de eerste echte factuur.
Waarom dit patroon universeel is
Wat bij Uber, Microsoft en GitHub Copilot gebeurt, is geen incident. Het is een structureel verschijnsel dat elke organisatie treft die AI-tools op schaal inzet:
- Flat-rate stimuleert adoptie. Een vast maandbedrag verlaagt de drempel. Teams experimenteren, vinden waarde en maken de tool onderdeel van hun workflow.
- Adoptie drijft verbruik op. Naarmate meer medewerkers de tool intensiever gebruiken, groeit het tokenverbruik exponentieel — precies het gedrag dat je als organisatie wilt zien.
- Usage-based onthult de werkelijke kosten. Zodra de prijsstructuur verschuift naar verbruik, wordt zichtbaar wat het enthousiasme werkelijk kost. Volgens Zylo's 2026 SaaS Management Index stegen de jaarlijkse SaaS-uitgaven met 8%, terwijl het aantal applicaties gelijk bleef — AI-add-ons en consumption-based pricing zijn de drijfveer.
- De factuur komt als verrassing. Zonder vooraf ingestelde limieten en monitoring is het eerste signaal vaak een factuur die twee tot vijftig keer hoger is dan verwacht.
Het MKB-perspectief: kleiner budget, grotere impact
Bij een organisatie als Uber is een budgetoverschrijding vervelend maar absorbeerbaar. Bij een MKB-bedrijf met vijf tot twintig developers kan dezelfde dynamiek direct het jaarbudget voor tooling of zelfs voor een nieuw project opeten.
Reken mee: vijf developers die elk 500 euro per maand aan AI-tokens verbruiken, kosten je 30.000 euro per jaar. Dat is meer dan een extra junior developer. En in tegenstelling tot een medewerker, geeft een tokenbudget geen signaal af als het bijna op is — tenzij je dat bewust inricht.
Het risico is niet dat AI-tools geen waarde leveren. Het risico is dat je de waarde niet meet en de kosten niet begrenst. Uber's COO verwoordde het kernprobleem: er is geen aantoonbaar verband tussen meer AI-gebruik en betere producten. Zonder die meting is elke AI-investering een kostenpost zonder rendement.
Praktische stappen: AI-kosten beheersbaar houden
1. Stel spending caps in vóór de uitrol
Definieer per medewerker en per tool een maximaal maandbudget. Uber deed dit achteraf; jij kunt het vooraf doen. De meeste AI-platforms (OpenAI, Anthropic, GitHub) bieden ingebouwde budgetlimieten en alerting.
2. Kies bewust je prijsmodel
Niet elke AI-tool hoeft op tokenbasis. Voor voorspelbare workloads — een vaste set classificaties, een gestandaardiseerde chatbot — zijn vaste-prijs licenties of bundels vaak goedkoper en beter budgetteerbaar dan puur usage-based modellen.
3. Meet ROI, niet tokens
Het aantal AI-interacties is geen KPI. Meet wat de tool oplevert: doorlooptijdverkorting, foutreductie, klanttevredenheid. Als die metrics niet verbeteren terwijl de kosten stijgen, gebruik je de tool verkeerd — of de tool is niet geschikt voor je use case.
4. Start klein en schaal bewust op
Begin met een pilotgroep, meet het verbruik en de output gedurende een kwartaal, en schaal pas op als de resultaten het rechtvaardigen. Voorkom de Uber-situatie: een leaderboard dat gebruik stimuleert zonder te meten of dat gebruik waarde oplevert.
5. Reken ook verborgen kosten mee
De toollicentie is het topje van de ijsberg. Tel ook de tijd voor integratie, het onderhoud van prompts en workflows, de monitoring van output-kwaliteit, en de training van medewerkers. Die kosten zijn minder zichtbaar maar vaak substantieel.
Conclusie: AI-tools zijn waardevol, maar niet gratis
De verschuiving naar usage-based pricing bij AI-tools is niet per definitie slecht — het zorgt ervoor dat je betaalt voor wat je daadwerkelijk gebruikt. Maar het vereist een ander type kostenbeheer dan het traditionele SaaS-model met een vast bedrag per stoel per maand.
De les van Uber, Microsoft en GitHub Copilot is helder: adoptie zonder monitoring leidt tot meter shock. De oplossing is niet minder AI gebruiken, maar bewuster AI inzetten — met limieten, metingen en een helder antwoord op de vraag of de investering zich terugverdient.
