VolgendeVolgende gids
Geld verdienen met AI-functies in een bestaand SaaS-product
Toepassingen
ToepassingenGIDS
De brutomarge van een AI-bedrijf is de omzet minus de directe kosten voor het leveren van het product, gedeeld door de omzet.
Luister naar deze gidsAI-verteld · ~3 min
Voor AI-software zijn de kosten inclusief gevolgtrekking: de rekenkracht die wordt besteed elke keer dat een model een verzoek beantwoordt. De inferentie groeit met het gebruik in plaats van voor elke extra gebruiker dicht bij nul te blijven, waardoor AI-producten vaak lagere en minder voorspelbare marges hebben dan klassieke SaaS. Dat heeft invloed op de manier waarop ze prijzen bepalen, hoe ze geld inzamelen en of ze overleven.
De brutomarge is de omzet minus de kosten van de omzet, gedeeld door de omzet. In klassieke SaaS bestaan de opbrengstkosten vooral uit hosting, klantenondersteuning en software van derden. Het bedienen van nog een gebruiker kost bijna niets, dus volwassen SaaS-bedrijven rapporteren doorgaans brutomarges van 70 tot 80 procent of hoger. AI-producten brengen kosten met zich mee die zich meer als een grondstof gedragen. Elke prompt gebruikt GPU-tijd. Het bedrijf betaalt ervoor per token aan een API-provider zoals OpenAI, Anthropic of Google, of via GPU's die het bezit of huurt. Een zware gebruiker kan vele malen meer kosten dan een lichte gebruiker met hetzelfde abonnement. In een veelgelezen essay van Andreessen Horowitz uit 2020, "The New Business of AI", werd betoogd dat veel AI-bedrijven eruitzagen als een mix van software en diensten, met brutomarges die werden verlaagd door cloudcomputing en mensen die erbij betrokken waren. Menselijk werk telt nog steeds: het labelen van gegevens, het beoordelen van resultaten en het afhandelen van escalaties gaan vaak ten koste van de inkomsten, naast moderatie, ophaalinfrastructuur zoals vectordatabases en evaluatieruns. Bedrijven beschermen marges met een bekende reeks hefbomen: - **Modelroutering** stuurt gemakkelijke verzoeken naar kleine, goedkope modellen en behoudt grote modellen voor moeilijke modellen. - **Caching** hergebruikt werk. Providers kunnen herhaalde promptvoorvoegsels in de cache opslaan en een product kan antwoorden op identieke vragen opslaan. - **Kleinere of gedestilleerde modellen**, soms verfijnd voor één taak, kunnen een algemeen model vervangen voor werk met grote volumes. - **Leaner verzoeken** helpen ook: scherpere aanwijzingen, limieten voor de uitvoerlengte en batchverwerking voor taken die kunnen wachten. - **Prijzen** zijn de laatste hefboom. Op gebruik gebaseerde niveaus, tegoeden of limieten koppelen de opbrengst aan de kosten. Een veel voorkomende misvatting is dat dalende tokenprijzen op zichzelf de marges zullen bepalen. De prijzen voor een bepaald vaardigheidsniveau zijn scherp gedaald. Maar producten maken vaak gebruik van de besparingen door over te stappen op nieuwere modellen, langere contexten en agenten die veel oproepen per taak uitvoeren. Marge komt voort uit technische en prijskeuzes, niet uit een of andere vaste eigenschap van AI.
Een chatbot-startup voor klantenondersteuning stuurt eenvoudige vragen met veelgestelde vragen naar een klein, goedkoop model en geeft alleen complexe tickets door aan een grensmodel. Dit verlaagt de gemiddelde kosten per gesprek zonder de antwoorden op de moeilijke gevallen te schaden.
Een codeerassistent die tegen een vaste maandelijkse prijs per stoel wordt verkocht, constateert dat een kleine groep hoofdgebruikers een groot deel van de gevolgtrekkingsrekening voor zijn rekening neemt. Het voegt gebruikslimieten en een premiumlaag toe, zodat de inkomsten de kosten volgen.
Een tool voor het samenvatten van contracten plaatst zijn lange systeemprompts en standaardclausulebibliotheek aan het begin van elk verzoek. Providerpromptcaching factureert vervolgens die herhaalde tokens tegen een gereduceerd tarief.
Een juridisch onderzoeksbureau ziet dat één type zoekopdracht het verkeer domineert. Het verfijnt een kleiner open-weight-model voor die taak en stopt met het betalen van een algemene API ervoor.
De gevolgtrekkingskosten per capaciteitseenheid zijn gedaald. Hardware, bedieningssoftware en kleinere modellen worden steeds beter, en de concurrentie tussen modelaanbieders houdt de prijzen laag. Deze trend zou moeten helpen, maar zal niet automatisch de marges vergroten, omdat langere contexten, redeneermodellen en meerstapsagenten een groot deel van de besparing opslorpen. Het is waarschijnlijk dat steeds meer bedrijven cost engineering als een kerndiscipline beschouwen en vanaf het begin routing-, caching- en taakspecifieke modellen inbouwen. Velen zullen waarschijnlijk overstappen van onbeperkte vaste prijzen naar abonnementen die rekening houden met het gebruik. Een bedrijf dat volledig afhankelijk is van één upstream-aanbieder zal margerisico blijven lopen als gevolg van de prijsbeslissingen van die leverancier.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
De brutomarge van een AI-bedrijf is de omzet minus de directe kosten voor het leveren van het product, gedeeld door de omzet. Voor AI-software zijn de kosten inclusief gevolgtrekking: de rekenkracht die wordt besteed elke keer dat een model een verzoek beantwoordt. De inferentie groeit met het gebruik in plaats van voor elke extra gebruiker dicht bij nul te blijven, waardoor AI-producten vaak lagere en minder voorspelbare marges hebben dan klassieke SaaS. Dat heeft invloed op de manier waarop ze prijzen bepalen, hoe ze geld inzamelen en of ze overleven.
In klassieke SaaS voegt een extra gebruiker vrijwel geen kosten toe. In AI-producten wordt bij elk verzoek gebruik gemaakt van rekenkracht, betaald per token of via GPU's, waardoor de kosten stijgen naarmate het gebruik toeneemt en zich meer als een grondstof gedraagt.
Routing koppelt elke aanvraag aan het goedkoopste model dat er goed mee om kan gaan. Dat verlaagt de gemiddelde kosten per verzoek. Het opslaan van uitvoer voor herhaalde vragen is een andere hefboom: caching.
In het essay werd betoogd dat de kosten van cloud computing en menselijke betrokkenheid, zoals etikettering en beoordeling, veel AI-bedrijven lagere brutomarges opleverden dan typische softwarebedrijven.
Goedkopere tokens helpen. Maar wanneer producten grotere modellen, langere contexten of agenten met meerdere oproepen gebruiken, kunnen de totale uitgaven per taak gelijk blijven of zelfs stijgen.
Caching werkt op een stabiel, herhaald voorvoegsel. Door onveranderlijk materiaal aan het begin en variabele inhoud aan het einde te behouden, betekent dit dat meer van elk verzoek overeenkomt met het in de cache opgeslagen voorvoegsel.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
Geld verdienen met AI-functies in een bestaand SaaS-product
Toepassingen