Het budget dat succes opblies

Ubers chief technology officer, Praveen Neppalli Naga, gaf The Information het getal dat elke ondernemer midden in een zin zou moeten stoppen: het bedrijf had zijn hele geplande AI-codeerbudget 2026 in vier maanden verbrand. Uber had de tool in december 2025 uitgerold naar zo'n 5.000 ingenieurs, en de adoptie steeg van 32 procent van de ingenieurs in februari naar 84 procent geclassificeerd als zware agentische gebruikers in maart 2026. Tegen de lente legde de berichtgeving de maandkosten per ingenieur gemiddeld tussen 150 en 250 dollar en tussen 500 en 2.000 dollar voor zware gebruikers. Er was niets misgegaan. De tool werkte, ingenieurs gebruikten hem, en hem gebruiken is wat het budget leegde.

Hetzelfde patroon dook op bij Microsoft. Meerdere berichten, aangevoerd door The Verge, beschrijven dat Microsoft het meeste interne Claude Code-toegang in zijn divisie Experiences and Devices schrapt - de groep achter Windows, Microsoft 365, Outlook, Teams en Surface - tegen 30 juni 2026, en ingenieurs verplaatst naar GitHub Copilot CLI. Het officiele kader is toolketen-eenmaking, maar de berichten zijn helder over de drijfveer: bij verbruiksprijs blaast zwaar gebruik van een agentische codeertool het jaarbudget op, want de tool wordt gemeten in verbruikte tokens, niet in bezette plaatsen. Hoe beter hij werkt, hoe meer hij wordt gebruikt, en hoe meer hij wordt gebruikt, hoe hoger de rekening.

Waarom het ertoe doet: dit is een basispercentagefout, geen toolprobleem

Waarom het ertoe doet: de fout is niet de verkeerde tool kiezen. Het is een nieuwe tool begroten op het oude basispercentage. Bedrijven prijsden AI-codering alsof het goedkope autocompletie was - een kleine kost per plaats die nauwelijks meebeweegt met gebruik. Agentische tools breken die aanname omdat ze continue redeneercycli draaien, en ze zijn ervoor geprijsd: de kosten schalen met hoeveel werk de tool doet, dus met hoe succesvol de uitrol is. Wie de pilot begroot - een handvol nieuwsgierige ingenieurs met lichte queries - modelleert het verkeerde basispercentage voor een tool wiens hele waardepropositie is dat iedereen hem constant zal gebruiken.

Ja, maar: dit is geen argument dat agentische AI te duur is om te gebruiken. Uber zet hem nog steeds in, en de productiviteit is echt - tegen de lente kwam ongeveer 70 procent van Ubers vastgelegde code van AI-tools. Het punt is smaller: verbruiksprijs maakt van adoptie een kostencurve, en het succesgeval, niet de pilot, is degene die betaalbaar moet zijn. Microsofts antwoord, overstappen naar een andere tool, is een oplossing; meten en begrenzen per gebruiker vanaf dag een is een andere, en meestal de goedkopere.

De kern: begroot het geval van volledige adoptie en meet vanaf dag een

De kern: voordat je een AI-tool met verbruiksprijs koopt, model de kosten van het scenario waarin hij werkt. Neem de kosten per gebruiker van je zwaarst verwachte gebruiker, vermenigvuldig met het aantal mensen naar wie je echt wilt uitrollen, en controleer of dat getal in het jaarbudget past. Doet het dat niet, dan is de tool onbetaalbaar in het succesgeval hoe goedkoop de pilot er ook uitzag, en de gedisciplineerde zet is per gebruiker begrenzen en meten vanaf dag een in plaats van het plafond in de vierde maand te ontdekken zoals Uber deed.

Het bredere beslissingsprincipe overleeft deze ene productcategorie. Wanneer een leverancier per eenheid rekent van precies het gedrag waarvan je de toename betaalt, betekent de pilotkost niets en is de succeskost alles. Model de uitkomst waarop je hoopt, niet de proef die je draait, en kun je de perfect werkende tool niet betalen, koop dan niet de tool die je meer rekent voor werken.

Lees hierna: Wie 145 miljard uitgeeft zegt dat het nog niet werkt  |  Google: 9% overhead, stroomverbruik plus 37%