AI wordt niet alleen gekocht. Het wordt steeds vaker automatisch meebetaald.

Voor veel CIO’s begint AI-investering met een bewuste beslissing.

Een organisatie koopt een AI-platform, start een Copilot-programma, implementeert AI-agents of investeert in een specifieke use case.

Maar een steeds groter deel van de AI-uitgaven ontstaat op een andere manier.

AI wordt ingebouwd in software die organisaties al gebruiken.

CRM-platforms krijgen AI-functionaliteit. Collaborationsoftware wordt uitgebreid met copilots. Securityplatforms gebruiken AI voor detectie en analyse. IT-managementsoftware wordt agentic. Cloudplatforms voegen AI-diensten toe. Enterprise softwareleveranciers verwerken generatieve AI en agents steeds dieper in hun bestaande producten.

De organisatie heeft dan niet noodzakelijk besloten om méér AI te kopen.

Maar de softwarefactuur kan wel veranderen.

Dat is een ontwikkeling waar CIO’s, procurementteams en software asset managers onvoldoende aandacht voor hebben.

De volgende uitdaging in enterprise software is daarom niet alleen AI-adoptie. Het is AI-kostenbeheersing.

AI kan een kostenpost worden zonder een apart budget

De wereldwijde uitgaven aan AI groeien explosief. Volgens recente marktanalyses wordt een belangrijk deel daarvan veroorzaakt door infrastructuur: gespecialiseerde chips, servers, datacenters, energie, koeling en cloudcapaciteit.

Maar voor CIO’s ontstaat daarnaast een tweede kostenlaag.

De softwarelaag.

Softwareleveranciers verwerken AI steeds vaker in producten die al onderdeel zijn van de enterprise IT-omgeving.

Daarmee verandert het klassieke inkoopmodel.

Voorheen was de redenering relatief eenvoudig:

We hebben software X nodig → hoeveel gebruikers hebben we → welke licentie kopen we?

Bij AI wordt dat complexer:

Welke AI-functionaliteit zit al in onze software → welke gebruikers krijgen toegang → hoeveel wordt die functionaliteit gebruikt → wordt gebruik apart afgerekend → welke agents ontstaan → welke infrastructuur is daarvoor nodig?

Dat zijn wezenlijk andere vragen.

De CIO heeft niet altijd meer volledige controle over AI-spending

Een van de interessante observaties uit de recente marktontwikkeling is dat AI-uitgaven niet altijd het gevolg zijn van een expliciet AI-project.

AI wordt onderdeel van bestaande producten.

Daarmee verschuift ook de verantwoordelijkheid.

Een CIO kan een AI-investering uitstellen omdat de businesscase onvoldoende overtuigend is.

Maar als AI-functionaliteit onderdeel wordt van bestaande softwarecontracten, is volledige uitstel soms niet meer mogelijk.

De organisatie krijgt AI als onderdeel van een bredere productontwikkeling.

Dat creëert een nieuw governancevraagstuk:

Hoe beheers je technologie die je niet afzonderlijk hebt ingekocht?

Dat is een andere vraag dan:

Hoeveel budget geven we aan ons AI-programma?

Van zichtbare AI-kosten naar verborgen AI-kosten

Voor procurement ontstaat hierdoor een belangrijk onderscheid.

Zichtbare AI-kosten

Dit zijn uitgaven waarvoor meestal expliciet budget wordt aangevraagd.

Denk aan:

• een AI-platform;
• een AI-model;
• een Copilot;
• AI-agentplatform;
• GPU-infrastructuur;
• externe AI-consultancy;
• specifieke AI-applicaties.

Deze kosten zijn relatief eenvoudig te identificeren.

Verborgen AI-kosten

Dit zijn kosten die ontstaan doordat bestaande software steeds meer AI-functionaliteit bevat.

Denk bijvoorbeeld aan:

• hogere licentieprijzen;
• AI-add-ons;
• nieuwe premium tiers;
• usage-based pricing;
• AI credits;
• agent-based pricing;
• API-verbruik;
• extra cloudconsumptie;
• hogere storage- of compute-eisen;
• nieuwe security- en governancefunctionaliteit.

Deze kosten zijn veel moeilijker zichtbaar.

En juist daar ontstaat een probleem voor enterprise procurement.

Het traditionele per-user-model komt onder druk

Enterprise software is jarenlang grotendeels gebaseerd geweest op een eenvoudig uitgangspunt:

één gebruiker = één licentie.

AI maakt dat model minder vanzelfsprekend.

Een gebruiker kan inmiddels worden ondersteund door meerdere AI-agents.

Een agent kan zelfstandig taken uitvoeren.

Een workflow kan automatisch honderden processen starten.

Een API kan continu AI-functionaliteit aanroepen.

Daarmee wordt gebruik niet meer uitsluitend bepaald door het aantal mensen achter een scherm.

De relevante eenheid kan steeds vaker worden:

• gebruiker;
• agent;
• transactie;
• workflow;
• API-call;
• token;
• compute;
• opslag;
• of AI-consumptie.

Voor procurement betekent dit dat een ogenschijnlijk eenvoudige licentieverlenging steeds meer kan veranderen in een consumptiemodel.

AI verandert daarmee ook de betekenis van een softwarecontract

Een contract waarin tien jaar geleden vooral werd onderhandeld over gebruikersaantallen en licentieprijzen, kan in de toekomst ook bepalingen bevatten over AI-gebruik.

Dat vraagt om een andere contractanalyse.

Bij een renewal zouden organisaties bijvoorbeeld moeten onderzoeken:

Welke AI-functionaliteit is inbegrepen?

Welke functionaliteit wordt apart afgerekend?

Zijn er usage limits?

Wat gebeurt er wanneer die limieten worden overschreden?

Zijn AI-agents afzonderlijk gelicenseerd?

Kunnen gebruikers zelf agents activeren?

Welke governancefunctionaliteit is inbegrepen?

Welke data wordt gebruikt?

Welke aanvullende cloudkosten kunnen ontstaan?

Hoe voorspelbaar zijn de toekomstige kosten?

Dit zijn geen uitsluitend technische vragen.

Het zijn contractuele en financiële vragen.

Microsoft laat zien waar deze ontwikkeling naartoe kan gaan

Microsoft 365 E7 is een interessant voorbeeld van deze ontwikkeling.

Microsoft positioneert E7 als een enterprise suite waarin onder meer Microsoft 365 Copilot, Agent 365, identity, security en compliance samenkomen.

Daarmee verschuift de discussie van uitsluitend gebruikerslicenties naar het beheer van een omgeving waarin mensen én AI-agents opereren.

Voor organisaties betekent dit dat licensing en governance steeds meer met elkaar verbonden raken.

Een organisatie moet niet alleen weten:

Welke medewerkers hebben een licentie?

maar ook:

Welke AI-functionaliteit is beschikbaar, wie mag deze gebruiken en welke kosten ontstaan wanneer het gebruik toeneemt?

Dat is een fundamentele verandering.

AI-agents maken software asset management complexer

Traditioneel software asset management draait grotendeels om menselijke gebruikers.

Wie gebruikt welke software?

Welke licenties zijn toegewezen?

Welke licenties worden daadwerkelijk gebruikt?

Bij AI-agents ontstaat een nieuwe categorie asset.

Een agent kan:

• zelfstandig processen uitvoeren;
• toegang krijgen tot bedrijfsdata;
• API’s gebruiken;
• andere systemen aanroepen;
• transacties starten;
• en mogelijk andere agents activeren.

Daarmee ontstaat een nieuw governanceprobleem.

Wie is eigenaar van een AI-agent?

Welke rechten heeft deze agent?

Welke software mag hij gebruiken?

Welke kosten mag hij veroorzaken?

Hoe wordt zijn gebruik geregistreerd?

En misschien de belangrijkste vraag:

Hoe voorkom je dat honderden agents ongemerkt nieuwe software- en cloudkosten veroorzaken?

De echte uitdaging is niet AI-adoptie, maar AI-governance

Het debat over AI focust vaak op adoptie.

Welke processen kunnen we automatiseren?

Welke medewerkers kunnen productiever worden?

Welke taken kunnen agents uitvoeren?

Maar vanuit software procurement ontstaat een andere vraag:

Hoe voorkomen we dat AI-adoptie leidt tot ongecontroleerde vendor spend?

Daarvoor is een combinatie nodig van:

Licensing governance

Welke AI-functionaliteit is gelicenseerd?

FinOps

Welke cloud- en consumptiekosten ontstaan?

Software Asset Management

Welke gebruikers, agents en workloads gebruiken welke diensten?

Contract governance

Welke commerciële voorwaarden gelden?

Security governance

Welke identiteiten, rechten en data worden gebruikt?

Zonder deze disciplines afzonderlijk én gezamenlijk te organiseren, ontstaat het risico dat AI-kosten verspreid raken over verschillende budgetten.

De AI-factuur kan daardoor versnipperd raken

Een organisatie kan bijvoorbeeld tegelijk betalen voor:

• Microsoft AI-functionaliteit;
• Azure AI-consumptie;
• Salesforce AI;
• SAP AI;
• security AI;
• cloud GPU-capaciteit;
• externe AI-platforms;
• API-gebruik;
• AI-agentdiensten.

Afzonderlijk lijken deze bedragen misschien beheersbaar.

Het probleem ontstaat wanneer niemand het totale AI-verbruik over de verschillende leveranciers heen bewaakt.

De CFO ziet verschillende software- en cloudfacturen.

De CIO ziet verschillende technologieprojecten.

Procurement ziet afzonderlijke contracten.

FinOps ziet cloudconsumptie.

Security ziet AI-risico’s.

Maar niemand ziet noodzakelijkerwijs de totale economische footprint van AI.

Dat is een governanceprobleem.

Waarom procurement nu al anders moet gaan onderhandelen

Voor procurement verandert AI de onderhandelingsagenda.

Een contract moet niet alleen worden beoordeeld op de huidige prijs.

Ook de toekomstige kostenstructuur moet worden onderzocht.

Bijvoorbeeld:

Prijsontwikkeling

Hoe kunnen AI-functionaliteiten de prijs van het platform beïnvloeden?

Usage-based pricing

Welke kosten ontstaan wanneer gebruik toeneemt?

Credits

Worden AI-credits vooraf ingekocht?

Vervallen ongebruikte credits?

Agents

Worden agents afzonderlijk gelicenseerd?

Limieten

Wat gebeurt er bij overschrijding?

Bundling

Welke AI-functionaliteit zit in de bundel en welke niet?

Contractuele flexibiliteit

Kan de organisatie AI-functionaliteit verminderen wanneer gebruik tegenvalt?

Transparantie

Kan het gebruik voldoende worden gemeten en gecontroleerd?

Dit soort vragen hoort steeds vaker thuis aan de onderhandelingstafel.

De goedkoopste AI-oplossing is niet noodzakelijk de goedkoopste softwarestrategie

Dit is een belangrijk onderscheid.

Een vendor kan een AI-functionaliteit goedkoop of zelfs gratis toevoegen aan een bestaand product.

Dat betekent niet automatisch dat de totale kosten laag blijven.

Een AI-feature kan bijvoorbeeld leiden tot:

meer gebruikers → meer AI-consumptie → meer cloudgebruik → meer opslag → meer governance → meer security → hogere totale kosten.

Daarom moet procurement verder kijken dan de prijs van de AI-feature zelf.

De relevante KPI is:

Total Cost of Ownership van AI-functionaliteit.

Wat CIO’s nu zouden moeten doen

Organisaties hoeven niet te wachten tot AI-kosten volledig uit de hand lopen.

Er zijn nu al praktische maatregelen mogelijk.

1. Maak AI-spending zichtbaar

Breng alle AI-gerelateerde kosten samen.

Niet alleen expliciete AI-contracten, maar ook AI-componenten binnen bestaande software- en cloudcontracten.

2. Analyseer bestaande contracten

Onderzoek welke leveranciers AI-functionaliteit inmiddels hebben toegevoegd.

Kijk daarbij naar pricing, credits, usage limits en toekomstige prijsmechanismen.

3. Introduceer AI in renewalprocessen

AI moet een standaard onderdeel worden van software-renewal reviews.

Niet pas wanneer de leverancier een nieuwe AI-module aanbiedt.

4. Meet gebruik

Zonder gebruiksdata is het onmogelijk om te beoordelen of een AI-functionaliteit daadwerkelijk waarde levert.

5. Bereid scenario’s voor

Bereken niet alleen het huidige gebruik.

Bereken ook wat er gebeurt bij 2x, 5x of 10x groei van AI-gebruik.

6. Leg governance vast

Bepaal wie AI-agents mag creëren, welke rechten ze krijgen en welke kosten ze mogen veroorzaken.

De nieuwe vraag voor software asset management

Software Asset Management heeft jarenlang geprobeerd één fundamentele vraag te beantwoorden:

Hebben we de juiste licenties voor onze gebruikers?

In een AI-gedreven enterprise wordt die vraag:

Hebben we controle over alle softwareconsumptie die door mensen én machines wordt veroorzaakt?

Dat is een veel bredere opdracht.

En het betekent dat SAM, FinOps en contractmanagement steeds dichter naar elkaar toe zullen bewegen.

AI creëert ook nieuwe onderhandelingskansen

De ontwikkeling is niet uitsluitend een kostenrisico.

AI kan ook nieuwe leverage creëren.

Wanneer leveranciers hun producten uitbreiden met AI, ontstaat er meer ruimte om opnieuw te onderhandelen over bestaande contracten.

Organisaties kunnen bijvoorbeeld vragen:

• Welke functionaliteit is daadwerkelijk inbegrepen?
• Welke bestaande functionaliteit overlapt met nieuwe AI-functionaliteit?
• Kunnen bestaande licenties worden vervangen?
• Welke producten worden door AI minder relevant?
• Welke modules zijn door automatisering overbodig geworden?
• Welke bundels kunnen worden aangepast?

AI kan daarmee niet alleen nieuwe kosten veroorzaken.

Het kan ook bestaande softwareportefeuilles rationaliseren.

Dat is een kans die procurement vaak onderschat.

Niet iedere AI-investering is een goede investering

De stijgende AI-uitgaven maken één ding duidelijk: technologie wordt sneller beschikbaar dan organisaties waarde kunnen aantonen.

Dat creëert een bekende enterprise-valkuil.

Omdat een AI-functionaliteit beschikbaar is, wordt deze onderdeel van de softwarestrategie.

Maar beschikbaarheid is geen businesscase.

Een organisatie moet daarom steeds onderscheid maken tussen:

AI die waarde creëert

en

AI die vooral de softwareprijs verhoogt.

Dat onderscheid wordt de komende jaren steeds belangrijker.

De CIO moet daarom naar de totale software-economie kijken

AI verandert niet alleen technologie.

Het verandert de economische structuur van enterprise software.

De vraag verschuift van:

Hoeveel gebruikers hebben we?

naar:

Hoeveel waarde, gebruik en automatisering krijgen we voor onze totale software-investering?

Dat betekent dat CIO’s en procurementteams niet langer alleen licenties moeten optimaliseren.

Ze moeten de volledige keten beoordelen:

licentie → AI-functionaliteit → gebruik → cloudconsumptie → governance → security → contract → totale kosten.

Daar zit de werkelijke impact van AI op enterprise software.

Conclusie: AI-spending wordt deels een procurementvraagstuk

De komende jaren zal AI ongetwijfeld leiden tot enorme investeringen in infrastructuur, software en dienstverlening.

Maar voor enterprise organisaties zit het grootste risico misschien niet in de AI-investeringen die bewust worden gedaan.

Het zit in de AI-kosten die meekomen met software die toch al wordt gebruikt.

Wanneer AI onderdeel wordt van Microsoft, SAP, Salesforce, VMware, Oracle en andere enterprise platforms, wordt het steeds moeilijker om AI-spending als een afzonderlijk IT-budget te behandelen.

CIO’s hebben daarom niet alleen een AI-strategie nodig.

Ze hebben ook een AI licensing- en contractstrategie nodig.

Dat betekent inzicht in gebruik, duidelijke governance, scenarioanalyse en contractuele flexibiliteit.

Want wanneer AI steeds vaker standaard onderdeel wordt van enterprise software, is de vraag niet langer:

“Willen we AI kopen?”

De vraag wordt:

“Hoe zorgen we dat we alleen betalen voor AI die daadwerkelijk waarde creëert?”

Daar ligt de nieuwe uitdaging voor CIO’s, procurementteams, software asset managers en FinOps.

FAQ

Wat zijn verborgen AI-kosten?

Verborgen AI-kosten zijn kosten die ontstaan doordat AI-functionaliteit wordt toegevoegd aan bestaande software, cloudplatforms of diensten zonder dat de organisatie daarvoor noodzakelijk een afzonderlijk AI-project heeft gestart.

Waarom worden AI-kosten steeds moeilijker te beheersen?

Omdat AI steeds vaker onderdeel wordt van bestaande softwarelicenties en consumptiemodellen. Kosten kunnen daardoor ontstaan via licenties, AI-credits, usage-based pricing, agents, API’s en cloudconsumptie.

Wat betekent AI voor software licensing?

AI kan leiden tot nieuwe licentiemodellen waarin niet alleen gebruikers maar ook agents, transacties, workflows, API-calls of daadwerkelijk gebruik bepalend worden voor de prijs.

Wat moeten CIO’s doen om AI-kosten te beheersen?

Breng AI-kosten over alle leveranciers heen in kaart, analyseer bestaande contracten, meet daadwerkelijk gebruik, modelleer groeiscenario’s en zorg dat AI-functionaliteit onderdeel wordt van reguliere procurement- en renewalprocessen.

Waarom moeten FinOps en Software Asset Management samenwerken?

Omdat AI zowel software- als cloudkosten kan veroorzaken. Alleen door licensing, softwaregebruik en cloudconsumptie gezamenlijk te bekijken ontstaat inzicht in de totale kosten.

Kan AI ook softwarekosten verlagen?

Ja. AI kan bestaande softwarefunctionaliteit deels vervangen of processen automatiseren waardoor bepaalde licenties minder nodig zijn. Dat vereist wel een actieve review van de bestaande softwareportefeuille.