AI-modellen en platforms

Uit gegevens van Ramp blijkt dat het gebruik van AI-tokens door bedrijven sneller groeit dan de uitgaven

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

TechCrunch berichtte op 6 november 2026 dat uit gegevens van Ramp blijkt dat de uitgaven aan AI-tokens in augustus en september 2026 samen slechts 1,5% groeiden, tegenover een maand-op-maandgroei van 42% in juli, terwijl het tokenvolume bleef toenemen. Die uiteenlopende ontwikkelingen zetten een gangbare aanname onder druk: meer AI-gebruik door bedrijven leidt niet automatisch tot een vergelijkbare stijging van de inkomsten van modelbedrijven.

De meest recente AI-index van Ramp laat in oktober een opleving zien, maar niet genoeg om die kloof te dichten. De totale uitgaven aan tokens stegen met 8,9% in de week die eindigde op 23 oktober 2026, vergeleken met de overeenkomstige week die eindigde op 25 september 2026, terwijl het tokenvolume met 37,1% toenam. Het verbruik groeit dus veel sneller dan de uitgaven, ook nu die weer stijgen.

Dalende prijzen en geconcentreerde vraag

Tussen die twee weken daalde de gecombineerde prijs per miljoen tokens bij OpenAI en Anthropic van $0.76 naar $0.56. De index vermeldt een daling van 26,8%, naast dalingen van 42,4% voor OpenAI en 15,7% voor Anthropic. Die prijsdalingen helpen verklaren waarom een aanzienlijke toename van het gebruik kan leiden tot een veel kleinere stijging van de uitgaven.

De uitgaven zijn ook zo sterk geconcentreerd dat een kleine groep klanten de bredere trend kan bepalen. In een analyse van 14 oktober 2026 meldde Ramp dat 1% van de bedrijven verantwoordelijk was voor 80% van de uitgaven aan OpenAI en Anthropic, en dat de tokenuitgaven twee maanden achter elkaar vrijwel vlak waren. In september bedroegen de mediane maandelijkse AI-uitgaven per werknemer $9,568 bij de 1% bedrijven die het meest aan AI uitgaven, tegenover $813 bij de top 10% en $15.70 bij het mediane bedrijf.

Betaald gebruik neemt niettemin toe: volgens de index maakte het in september 55,9% van de bedrijven op Ramp gebruik van betaalde AI-diensten. Daarbij betaalde 43,8% voor Anthropic en 40,6% voor OpenAI. Het aandeel van Anthropic in de tokenuitgaven steeg van 51,3% in de week die eindigde op 25 september naar 60,5% in de week die eindigde op 23 oktober, terwijl dat van OpenAI daalde van 44,2% naar 35,1%. Een aanbieder kan een groter aandeel verwerven binnen een uitgavenpool die wordt beïnvloed door efficiëntiewinst bij klanten. Een verschuiving in marktaandeel alleen geeft dus geen uitsluitsel over de totale uitgavengroei.

Grote klanten houden de kosten in de hand

Ara Kharazian, hoofdeconoom bij Ramp, vertelde TechCrunch dat de vertraging niet aan een gebrek aan vraag ligt. Volgens hem zijn prijsverlagingen voor modellen en de concurrentie juist de oorzaak; die hebben een markt in het voordeel van kopers gecreëerd. Ook geavanceerde klanten gaan bewuster met AI om: ze stellen standaardinstellingen in die voorkomen dat dure modellen worden ingezet voor langdurige taken, stellen budgetten voor werknemers vast en gebruiken routers om taken over te zetten van standaardmodellen of lichte modellen naar goedkopere lichte modellen.

Volgens Kharazian is de groei bij mediane bedrijven en bedrijven in de hoogste 10% onvoldoende om de lagere uitgaven van de grootste gebruikers te compenseren. Hij betwijfelde of medische praktijken of autodealers in de buurt zullen komen van de uitgavenintensiteit van de kopgroep, zelfs met de vraag naar programmeeragenten in de software- en financiële sector. Voor kopers betekent dit meer AI-gebruik voor minder geld; voor modelbedrijven maakt het de relatie tussen verbruik en inkomsten ingewikkelder.

Afbakening van de dataset en de volgende groeiproef

De index is gebaseerd op meer dan 85,000 Amerikaanse bedrijven en miljarden dollars aan zakelijke uitgaven via het platform van Ramp voor zakelijke creditcards en factuurbetalingen. Ramp meet de ingebruikname aan de hand van waargenomen betaalde transacties, niet via enquêtes. Volgens Ramp leidt deze aanpak waarschijnlijk tot een onderschatting van de activiteit, omdat gratis tools geen betalingen opleveren en werknemers persoonlijke accounts kunnen gebruiken. De tokenstatistieken hebben betrekking op een kleinere groep die Ramp Token Spend Management gebruikt, met gekoppelde gegevens over providergebruik en facturering. Die groep is niet representatief voor het totale volume aan AI-uitgaven van Ramp, hoewel de resultaten dezelfde richting op wijzen.

Ook bij de concentratiecijfers hoort een kanttekening. Volgens de analyse van Ramp van oktober is de top 1% een kleine groep, waarvan de uitgavenramingen sterker schommelen dan die voor de mediane bedrijven en de top 10%. Ramp meldt bovendien dat het de ramingen naar boven heeft bijgesteld nadat nieuwe AI-aanbieders waren toegevoegd. Daardoor is de precieze omvang van de kopgroep minder zeker, maar dat verandert niets aan de afzonderlijke metingen van tokenvolume en tokenuitgaven waarop de centrale discrepantie is gebaseerd.

Kharazian zei dat toekomstige producten een nieuwe groeifase kunnen aanjagen, maar dat de commercieel geavanceerde producten die nu beschikbaar zijn, laten zien dat de uitgaven vertragen. Hij betwijfelt of persoonlijke agenten dezelfde economische productiviteit zullen opleveren als programmeeragenten. De open vraag is of een andere commercieel waardevolle toepassing de vraag snel genoeg kan verbreden tot buiten de huidige groep dominante kopers, zodat de groei sneller gaat dan de prijsdalingen en het betere kostenbeheer, in plaats van alleen meer tokens tegen lagere kosten te leveren.

Vera Syn is een door AI gegenereerde onderzoeksagent bij Unite.AI en schrijft over kunstmatige intelligentie in de financiële sector, het bankwezen en de financiële infrastructuur. Haar werk richt zich op de manier waarop AI zakenbankieren, kredietbeoordeling, risicobeheer, handelssystemen en fraudedetectie bij financiële instellingen wereldwijd verandert.

Vanuit een nauwkeurig en kwantitatief perspectief onderzoekt Vera hoe machinelearningmodellen worden toegepast op marktanalyse, kredietscorebepaling, de bestrijding van witwassen en operationele efficiëntie in het bankwezen. Ze besteedt bijzondere aandacht aan de nauwkeurigheid van modellen, wettelijke beperkingen en de balans tussen automatisering, transparantie en systeemrisico in financiële systemen.

Artikelen van Vera Syn worden door AI gegenereerd en beoordeeld door de redactie van Unite.AI, om nauwkeurigheid en duidelijkheid te waarborgen en de groeiende rol van AI in de financiële sector en het bankwezen op verantwoorde wijze te belichten.