AI energieverbruik is lange tijd een onderwerp voor datacenterbouwers en netbeheerders geweest. Sinds 2025 staat het ook op de rekening van gewone bedrijven, via de licenties en de tokentarieven die aanbieders doorberekenen. Voor een directeur ligt de relevante vraag dichter bij huis: waar zit het verbruik in zijn eigen organisatie, en wat kan hij eraan sturen.
Dit artikel laat zien waar het verbruik vandaan komt, wat er feitelijk gemeten is, hoe je het verbruik van je eigen team in kaart brengt en welke keuzes je rekening structureel verlagen.
#Waar AI energieverbruik vandaan komt
Er zijn twee fasen waarin een AI-systeem energie gebruikt, en ze gedragen zich heel verschillend.
De eerste is training. Een groot model wordt maandenlang op duizenden chips getraind. Dat is een enorme piek, maar wel een eenmalige: zodra het model af is, stopt die belasting. De tweede fase is het gebruik, ook wel inference genoemd. Elke keer dat jij een vraag stelt, wordt het model aan het werk gezet. Dat is per keer klein en loopt op met het aantal gebruikers, het aantal vragen en de lengte van de antwoorden.
Voor een gebruiker is de tweede fase de relevante. Het verbruik van jouw organisatie wordt bepaald door hoeveel taken je uitvoert en hoe zwaar het model is dat je daarvoor aanroept.
Die getallen zeggen iets over de infrastructuur, weinig over jouw bedrijf. Een MKB-bedrijf met dertig medewerkers zit op een fractie van dat verbruik. De rekening die jij betaalt, komt via twee routes binnen: de licentie per gebruiker en het tarief per verwerkte tekst.
#Wat het betekent voor je rekening
De prijs van AI bestaat in de praktijk uit drie componenten. Ze staan zelden op één factuur en daarom wordt er zelden op gestuurd.
| Component | Waar je het ziet | Groeit mee met |
|---|---|---|
| Licentie per gebruiker | Maandfactuur van de tool | Het aantal medewerkers dat de tool gebruikt |
| Tokentarief | Factuur van de API of het verbruiksoverzicht | Het aantal taken en de lengte van de teksten |
| Beheer en inrichting | Uren van je eigen mensen | Het aantal losse tools dat je laat bestaan |
De licentie is voorspelbaar. Het tokentarief is dat niet, en juist daar loopt het op: gebruik dat begint als een experiment van twee mensen groeit vaak binnen een jaar uit naar het hele team, met taken die zwaarder worden.
De conclusie uit dat voorbeeld is niet dat je alles op een klein model moet zetten. De conclusie is dat je per taak moet bepalen welk model nodig is.
#Duurzame AI: waar je echt kunt sturen
Er zijn zes knoppen waar je aan kunt draaien. Ze zijn geordend van de grootste besparing naar de kleinste, en ze kosten allemaal meer afstemming dan geld.
- Routeer naar het lichtste model dat de taak aankan. Samenvatten, classificeren en formuleren kan bijna altijd op een klein model. Alleen complexe analyse vraagt om het zwaarste model.
- Beperk de lengte van wat je verstuurt. Een volledig document meesturen voor een vraag over één alinea kost veel meer dan de betreffende passage sturen. Goede prompts zijn korte prompts.
- Hergebruik antwoorden. Dezelfde vraag komt vaak terug. Een cache op veelgestelde vragen scheelt verbruik en wachttijd.
- Bundel kleine taken. Twintig losse aanroepen kosten meer dan één aanroep met twintig regels erin.
- Kies bewust tussen cloud en eigen hardware. Voor constant, voorspelbaar gebruik kan een eigen opstelling met een open model goedkoper en zuiniger uitpakken. Voor pieken is huren verstandiger.
- Leg het energiecontract naast je groeiplan. Als je verbruik de komende drie jaar verdubbelt door AI, is dat een punt in de onderhandeling met je energieleverancier.
#AI energieverbruik meten in je eigen organisatie
Meten begint bij je administratie, niet bij een energiemeter. De vraag is welke taken je uitvoert, met welk model en tegen welk tarief.
Bij de meeste bedrijven levert stap 4 binnen een maand een zichtbaar verschil op, omdat het grootste deel van het gebruik routinematig is en op een klein model kan.
#Conclusie
AI energieverbruik is voor het MKB vooral een kosten- en groeivraag geworden. Het verbruik van datacenters verdubbelt richting 2030 volgens de IEA, en dat sijpelt door in de tarieven die jij betaalt. De sturing zit in de keuze per taak: welk model, welke lengte en hoeveel herhaling. Leg de drie kostenposten naast elkaar, verschuif één routinetaak naar een kleiner model en meet wat er gebeurt. Zo groeit je AI-gebruik zonder dat de rekening harder groeit dan de opbrengst.
Wil je een strategie-sessie waarin we je AI-gebruik en de kosten per taak in kaart brengen? Plan een sessie en we rekenen het door.