Accenture zet AI-tokens op rantsoen: de tokenmaxxing-fase is voorbij

Een paar maanden geleden was de boodschap bij grote werkgevers nog simpel: gebruik AI, of blijf achter. Bij Accenture liepen senior medewerkers volgens uitgelekte audio zelfs hun promotie mis als ze de tools links lieten liggen. Nu draait dat beeld om. In een intern overleg waarvan 404 Media de audio in handen kreeg, zoekt het concern juist naar manieren om diezelfde medewerkers af te remmen, omdat het tokenverbruik de pan uit rijst. Welkom in wat de techpers nu het tijdperk van token rationing noemt.

Van tokenmaxxen naar rantsoeneren

De ommekeer is opvallend. Waar bedrijven een jaar lang gebruik aanjoegen, soms met interne ranglijsten, slaat de slinger nu de andere kant op. "We zitten op een omslagpunt waarop AI een materieel onderdeel van onze kostenstructuur wordt", zegt Justice Kwak, verantwoordelijk voor de agentic AI-strategie bij Accenture, in de uitgelekte opname die 404 Media publiceerde.

Het verrassende inzicht uit de interne data: niet de engineers stoken de meeste tokens, maar juist de niet-technische medewerkers. Veel verbruik zit in alledaagse klusjes, zoals het omzetten van een PDF naar presentatieslides. Accenture spreekt intern van "soaring token spend" in de hele sector. TechCrunch vat de kanteling bondig samen: de korte tokenmaxxing-fase maakt plaats voor token rationing.

Het is geen Accenture-probleem

De spanning speelt breder. GitHub stapte over van een vast abonnement naar afrekenen per token, en Uber zette een rem op het gebruik van tools als Claude Code en Cursor nadat het zijn complete AI-budget in vier maanden had opgebrand. Het patroon is steeds hetzelfde: de prijs per token daalt, maar de rekening stijgt omdat het verbruik harder groeit.

Dat is precies de paradox dat ondanks dalende tokenprijzen de AI-rekening juist oploopt doordat agenten steeds meer tokens verstoken, die eerder al zichtbaar werd bij namen als Uber en Meta. De Accenture-audio laat zien wat er gebeurt als een organisatie daar geen antwoord op heeft: paniekvoetbal in de vorm van een noodrem.

Waarom dichtdraaien het verkeerde antwoord is

Verplicht gebruik afdwingen met promotiedreigementen was een slecht idee. Maar het tegenovergestelde, AI breed dichtdraaien, is net zo bot. Wie de kraan helemaal sluit, ruilt de ene blinde vlek (ongeremd uitgeven) in voor de andere (AI uitzetten waar het wel rendeert).

Het voorbeeld van de PDF naar slides verraadt het echte probleem: een simpele taak werd naar een duur frontier-model gestuurd terwijl een goedkoper model of een vaste conversie volstond. De oplossing zit dus in proces, niet in een verbod. Meet eerst wie wat verbruikt, en stel harde budgetlimieten per gebruiker en agent in en route taken naar het juiste model. Dat OpenAI inmiddels ChatGPT Enterprise uitgavencontroles en verbruiksanalytics gaf, bewijst dat zelfs de leveranciers erkennen dat grip op verbruik onmisbaar is geworden.

Wat betekent dit voor jou

De echte vraag is niet of je team te veel AI gebruikt, maar of iemand kan zien wat elke euro oplevert. Een klein bedrijf voelt een ontspoord AI-abonnement net zo hard als een multinational, alleen zonder de buffer om het op te vangen. Koppel verbruik aan waarde, kies per taak bewust een model, en zet een limiet voordat de rekening je verrast. Dan hoef je niet te rantsoeneren, want dan weet je gewoon waar je geld heen gaat.