AI-onderhoudskosten berekenen: voorkom dat een goedkope pilot duur wordt in productie
Bereken AI-onderhoudskosten over de volledige lifecycle: model- en API-gebruik, hosting, data- en bronbeheer, integraties, evaluatie, monitoring, security, privacy, support, incidenten, wijzigingen en leveranciersbeheer. Gebruik volume- en prijsscenario’s en waardeer interne uren. Deel totale kosten door bruikbare procesuitkomsten, niet alleen door API-calls. Herbereken na elke grote wijziging of opschaling.
Definitie en afbakening
AI-onderhoud omvat alle terugkerende activiteiten waarmee een toepassing betrouwbaar, veilig, actueel en bruikbaar blijft. Total cost of ownership voegt eenmalige bouw, migratie en exit toe. Generatieve AI kan variabele kosten hebben door tokens, context, tools en volumes. De grootste post kan echter menselijke controle of bronbeheer zijn, waardoor alleen cloudfacturen een onvolledig beeld geven.
Het herkenbare bedrijfsprobleem
Een pilotraming gebruikt honderd testvragen en één engineer. Na livegang ontstaan support, autorisaties, kwaliteitsreviews, bronupdates en incidenten. Volumes groeien en langere context verhoogt modelkosten. Omdat interne uren verspreid over teams worden geboekt, lijkt de oplossing goedkoop terwijl de totale onderhoudslast stijgt.
Technische waarde ontstaat in een keten
Een technisch gemiddelde is niet genoeg. De activiteit ‘maak een lifecyclebegroting’ kan sterk scoren terwijl het risico ‘variabele kosten worden met pilotvolume geraamd’ de keten toch onbetrouwbaar maakt.
Stappenplan voor het berekenen van AI-onderhoudskosten
1. Maak een lifecyclebegroting
Scheid ontwerp, bouw, overgang, run, verbetering en exit. Test tijdens de stap ‘maak een lifecyclebegroting’ gewone gevallen, uitzonderingen en foutieve invoer.
2. Meet variabele eenheden
Volg taken, tokens, opslag, retrieval, toolcalls, gebruikers en piekvolume. Koppel de stap ‘meet variabele eenheden’ aan meetbare kwaliteit, kosten en een herstelroute.
3. Waardeer menselijke arbeid
Neem review, correctie, support, data, security en leveranciersbeheer mee. Controleer voor de stap ‘waardeer menselijke arbeid’ ook toegang, verwijdering en toekomstige wijzigingen.
4. Bouw drie scenario’s
Varieer volume, modelprijs, correctieratio, groei, incidenten en wisselkoers waar relevant. Laat de stap ‘bouw drie scenario’s’ eindigen in een expliciet besluit over scope, investering en beheer.
5. Koppel kosten aan bruikbare uitkomst
Bereken kosten per correct afgehandelde taak of gerealiseerde proceswaarde. Benoem bij de stap ‘koppel kosten aan bruikbare uitkomst’ de eigenaar, het bewijs en de grens voor doorgaan.
6. Herijk en optimaliseer
Verwijder onnodige context of componenten zonder kwaliteit en controle te schaden. Leg voor de stap ‘herijk en optimaliseer’ vast welke data en technische afhankelijkheid de uitkomst bepalen.
Beslismodel
| Beslispunt | Centrale vraag | Gewenst bewijs | Handelingsregel | |---|---|---|---| | Maak een lifecyclebegroting | Scheid ontwerp, bouw, overgang, run, verbetering en exit. | Testdata, eigenaar en meetrapport | Doorgaan bij gehaalde grens | | Meet variabele eenheden | Volg taken, tokens, opslag, retrieval, toolcalls, gebruikers en piekvolume. | Architectuur-, risico- en kostenbewijs | Beperkt testen bij onzekerheid | | Waardeer menselijke arbeid | Neem review, correctie, support, data, security en leveranciersbeheer mee. | Testdata, eigenaar en meetrapport | Herontwerpen of stoppen | | Bouw drie scenario’s | Varieer volume, modelprijs, correctieratio, groei, incidenten en wisselkoers waar relevant. | Architectuur-, risico- en kostenbewijs | Doorgaan bij gehaalde grens | | Koppel kosten aan bruikbare uitkomst | Bereken kosten per correct afgehandelde taak of gerealiseerde proceswaarde. | Testdata, eigenaar en meetrapport | Beperkt testen bij onzekerheid | | Herijk en optimaliseer | Verwijder onnodige context of componenten zonder kwaliteit en controle te schaden. | Architectuur-, risico- en kostenbewijs | Herontwerpen of stoppen |
Praktijkvoorbeeld met invoer, berekening en uitkomst
Situatie
Een AI-assistent verwerkt 100.000 taken per jaar.
Invoer
Model en hosting €0,18 per taak, support 320 uur à €62, kwaliteitscontrole 600 uur à €58, bronbeheer €24.000 en monitoring €16.000.
Berekening
Techniek kost €18.000. Support €19.840, controle €34.800, bronbeheer €24.000 en monitoring €16.000. Totaal onderhoud is €112.640, oftewel €1,13 per taak.
Uitkomst
Alleen €0,18 modelkosten rapporteren onderschat de werkelijke onderhoudskosten met €0,95 per taak. De ROI wordt op totale kosten en bruikbare uitkomsten gebaseerd.
Verbinding met de vijf lagen van de ROI-scan
Het risico ‘interne beheeruren verdwijnen uit het budget’ kan daarom een andere oorzaak hebben dan de eerste technische diagnose suggereert.
Lees ook Wat kost AI-implementatie?, AI-monitoring na livegang, AI-architectuur bedrijf.
Scenario’s en opties
| Scenario | Wanneer passend | Investering | Vereist bewijs | |---|---|---:|---| | Eerst meten | Scheid ontwerp, bouw, overgang, run, verbetering en exit. | Laag | Nulmeting en afgebakende testset | | Beperkte technische proef | Volg taken, tokens, opslag, retrieval, toolcalls, gebruikers en piekvolume. | Middel | Kwaliteit, rechten, kosten en foutgedrag | | Gefaseerd naar productie | Neem review, correctie, support, data, security en leveranciersbeheer mee. | Middel tot hoog | Gehaalde grens, monitoring en beheerbudget | | Niet bouwen of terugschalen | Variabele kosten worden met pilotvolume geraamd | Beperkt verlies | Vastgelegd besluit en eenvoudiger alternatief |
Risico’s en beheersmaatregelen
1. Variabele kosten worden met pilotvolume geraamd
Maak het risico ‘variabele kosten worden met pilotvolume geraamd’ zichtbaar met een vroeg signaal in data, systeem of workflow. Koppel de controle aan de stap ‘waardeer menselijke arbeid’, wijs een bevoegde eigenaar aan en bepaal welke overschrijding tot beperking of herstel leidt.
2. Interne beheeruren verdwijnen uit het budget
Maak het risico ‘interne beheeruren verdwijnen uit het budget’ zichtbaar met een vroeg signaal in data, systeem of workflow. Koppel de controle aan de stap ‘bouw drie scenario’s’, wijs een bevoegde eigenaar aan en bepaal welke overschrijding tot beperking of herstel leidt.
3. Optimalisatie verlaagt kosten maar ook kwaliteit
Maak het risico ‘optimalisatie verlaagt kosten maar ook kwaliteit’ zichtbaar met een vroeg signaal in data, systeem of workflow. Koppel de controle aan de stap ‘koppel kosten aan bruikbare uitkomst’, wijs een bevoegde eigenaar aan en bepaal welke overschrijding tot beperking of herstel leidt.
4. Exit- en migratiekosten blijven buiten de TCO
Maak het risico ‘exit- en migratiekosten blijven buiten de tco’ zichtbaar met een vroeg signaal in data, systeem of workflow. Koppel de controle aan de stap ‘herijk en optimaliseer’, wijs een bevoegde eigenaar aan en bepaal welke overschrijding tot beperking of herstel leidt.
Veelgestelde vragen
Wat valt onder AI-onderhoud?
Gebruikskosten, hosting, data, integraties, evaluatie, monitoring, security, privacy, support, incidenten, wijzigingen en leveranciersbeheer waar relevant.
Hoeveel procent van de bouwkosten is onderhoud?
Een algemene vaste ratio is onbetrouwbaar. Reken op basis van architectuur, volumes, risico, servicelevel en feitelijke beheeractiviteiten.
Hoe bereken je kosten per taak?
Deel alle relevante terugkerende kosten door het aantal bruikbare, correct afgehandelde taken in dezelfde periode.
Kunnen modelkosten dalen terwijl TCO stijgt?
Ja. Meer volume, langere context, extra controle, support of integratiebeheer kan de totale kosten verhogen.
Wanneer herbereken je TCO?
Bij opschaling, prijs- of modelwijziging, nieuwe bron, andere workflow, incident, servicelevelwijziging en periodiek tijdens beheer.
Bronnen en officiële documentatie
- NIST AI Risk Management Framework
- NIST AI 600-1, Generative AI Profile
- ISO/IEC 42001, AI-managementsystemen
- OWASP Top 10 for LLM Applications
Verder lezen
- AI data readiness beoordelen: is je organisatie klaar voor een betrouwbare implementatie?
- Datakwaliteit voor AI-implementatie: meet wat de use-case werkelijk nodig heeft
- Data governance voor AI: eigenaarschap, toegang en kwaliteit bestuurbaar maken
- Databronnen voor AI inventariseren: van verspreide bestanden naar een beslisbaar overzicht
- Kennisbank voor AI voorbereiden: bronnen opschonen zonder eindeloos dataproject