De AI-budgetparadox: Waarom klassieke IT-budgettering faalt bij AI-budgettering

De adoptie van AI dwingt financiële directies tot een fundamentele koersverandering. Waar IT-budgetten decennialang bestonden uit voorspelbare vaste kosten, introduceert AI een ongekende volatiliteit. Nu leveranciers hun prijsmodellen verleggen van vaste licenties naar 'pay-as-you-go', maken vaste contracten plaats voor variabele uitgaven op basis van tokenverbruik. CFO's proberen deze onvoorspelbare factuurstromen momenteel te beteugelen, maar in de basis is dat slechts symptoombestrijding.

Deze defensieve reflex creëert een strategisch probleem: men berekent wel wat AI kost, maar niet wat het oplevert. Door AI exclusief als een kost te behandelen, ontwijkt je het werkelijke vraagstuk: hoe transformeren we deze nieuwe, variabele IT-uitgaven naar een structureel en meetbaar rendement op de winst- en verliesrekening?

Waarom CFO’s worstelen met de kostenkant van AI

De initiële focus van de CFO op kostenbeheersing is volkomen rationeel. Veel organisaties zijn de afgelopen twaalf maanden namelijk ten prooi gevallen aan de 'pilot-valstrik'. Binnen de afgeschermde AI testomgeving van een proof-of-concept ogen de kosten van AI verwaarloosbaar. Zodra zo'n model echter wordt geïntegreerd in kernprocessen en opschaalt naar (tien)duizenden interacties in productie, volgt de financiële ontnuchtering: de infrastructuurkosten exploderen.

Een kostenbeheersende strategie is een cruciale eerste stap. Zodra deze focus echter het enige doel wordt, ontstaat er een gevaarlijk risico. Door te sturen op het beheersen van AI-kosten, richt de organisatie zich uitsluitend op het drukken van facturen van deze technologieleveranciers. De organisatie verliest hierdoor het zicht op de daadwerkelijke waardecreatie die deze investeringen moeten aanjagen.

Het risico van een eenzijdige focus

Terwijl de CFO financiële vangrails plaatst, ontstaat er een blinde vlek voor de werkelijke waarde. Veel AI-businesscases leunen momenteel op de aanname dat 'tijd besparen' automatisch gelijkstaat aan 'geld verdienen'. Hoewel onderzoek van het National Bureau of Economic Research (NBER) aantoont dat AI, medewerkers sneller laat werken, vertaalt die snelheid zich in de praktijk nog niet door naar een lagere kosten of hogere omzet. De bespaarde uren worden vaak opgeslokt of simpelweg niet benut voor omzetgenererende activiteiten.

Sturen op waarde: de overstap naar AI ValueOps

AI wordt een structurele, vaste laag in onze IT-architectuur. De valkuil is dat deze kosten stijgen zonder dat er een harde businesscase tegenover staat. Om dit te corrigeren moeten we deze uitgaven niet als 'onvermijdelijke IT-last' zien, maar als kosten die hun waarde in operationele KPI’s en ROI moeten bewijzen.

Deze verschuiving van blinde kosten naar structureel waardemanagement (ValueOps) rust op drie pijlers:

• De meetlat: van 'tijdbesparing' naar harde euro's. 'Uren besparen' is geen resultaat, maar een activiteit. Een structurele AI-post op de begroting is pas gerechtvaardigd als deze direct leidt tot een kostenreductie of meer productiviteit elders.
• De eigenaar: de business betaalt, niet IT. De rekening voor AI-verbruik komt nu vaak nog bij IT terecht; dat is niet langer houdbaar. Managers die AI inzetten voor hun team, worden ook eigenaar van de kosten. Beschouw AI-gebruik als een operationele uitgave, net als personeelskosten horen deze uitgaven direct in de winst- en verliesrekening van de betreffende afdeling thuis.
• De feedbackloop: real-time sturen op KPI's. We hebben rapportages nodig die de kosten van AI direct afzetten tegen bedrijfsresultaten. Stijgen de AI-kosten voor een specifieke operatie, maar daalt de gemiddelde afhandeltijd of stijgt de output niet? Dan is er sprake van verspilling. Dat is voor de CFO het juiste moment om in te grijpen.

Vragen voor de bestuurskamer

Vooroplopende organisaties zullen zicht niet onderscheiden door enkel de kosten van AI te controleren, maar door het vermogen waarmee zij deze uitgaven direct laten vertalen naar meetbare bedrijfswaarde. De volgende strategische vragen bieden een startpunt voor de dialoog in de bestuurskamer:

• De rendementsvraag: Sturen we op feiten of op aannames? Is het succes van onze AI-investeringen direct afleesbaar in onze P&L-cijfers, of blijven we steken in de 'tijdbesparingsvalstrik' waarbij de geclaimde efficiëntie nergens terugkomt in de bedrijfsresultaten?
• De verantwoordelijkheidsvraag: Wie houdt de hand aan de kraan? Ligt de rekening voor AI-verbruik en de verantwoordelijkheid voor het rendement bij de business-units die de AI inzetten, of leggen we die collectief bij IT neer, waardoor de prikkel voor strikte rendementsbewaking in de operatie wegvalt?
• De groeivraag: Wat doen we met de vrijgespeelde ruimte? Borgen we dat de door AI vrijgemaakte capaciteit daadwerkelijk wordt ingezet voor nieuwe groei en omzetgenererende activiteiten, of laten we die winst stilletjes 'verdampen' in de bestaande operationele overhead?