De echte reden waarom GenAI-kosten zullen stijgen is niet de technologie
Door Alasdair Miller, Head of Product Development and R&D bij Sabio Group
Gartner’s recente voorspelling dat de kosten van GenAI-resoluties tegen 2030 boven de $3 zullen uitkomen — en daarmee offshore menselijke agents zullen overtreffen — staat haaks op veel van hun eerdere voorspellingen over de CX-industrie.
Maar voordat we collectief in paniek raken en onze AI-ambities opzijzetten, moeten we een ongemakkelijke waarheid erkennen: Gartner voorspelt geen technologisch falen. Ze voorspellen een falen van het partnership-model.
Lees tussen de regels van Gartner’s onderzoek en de oorzaak wordt snel duidelijk: leveranciers die consumption-based pricing verkopen terwijl organisaties “veel meer consumeren dan ze verwachten”. Partners die beloven dat AI “orde zal scheppen in je chaos” terwijl dat duidelijk niet zo is. Technologieproviders die hun vergoeding ontvangen, ongeacht of hun oplossing daadwerkelijk één geautomatiseerde opgeloste klantvraag oplevert.
Dit is geen probleem van GenAI. Het is eerder een probleem met het commerciële model, en dat is al lang ingebakken in de CX-technologie-industrie, nog voordat grote taalmodellen (LLM’s) hun intrede deden – iets wat we later dit jaar zullen bespreken tijdens ons aankomende Disrupt-evenementenprogramma.
Het traditionele draaiboek is eenvoudig: verkoop de droom, implementeer de technologie, factureer op basis van consumptie en ga door naar de volgende klant. Lopen de kosten uit de hand? Dat is het probleem van de klant. Vallen automatiseringspercentages tegen? Misschien zijn er meer consultancy-dagen nodig.
Is het dan vreemd dat organisaties geld blijven verliezen aan AI-investeringen die niets opleveren behalve stijgende cloudfacturen?
De accountability-kloof
Gartner wijst terecht op de verborgen kosten — gespecialiseerd AI-talent, onvoorspelbare gebruikspatronen en infrastructurele eisen. Maar hier ontbreekt iets belangrijks: deze kosten worden pas catastrofaal wanneer je technologiepartner geen belang heeft bij het beheersen ervan.
Wanneer de omzet van een leverancier groeit naarmate jouw AI-consumptie groeit, hebben zij nul prikkel om jouw oplossing te optimaliseren. Wanneer hun vergoeding onafhankelijk is van de resultaten, waarom zouden ze zich druk maken over een automatiseringsgraad van 30% of 3%?
Het hele model is ontworpen om risico naar de klant te verschuiven terwijl de partner consumption-inkomsten blijft innen.
Een andere aanpak
Bij Sabio hebben we bewust een fundamenteel andere weg gekozen. Onze recente samenwerking met een grote telecomorganisatie werkt volgens een risk-reward-model, waarbij onze vergoeding direct gekoppeld is aan meetbare bedrijfsresultaten. We ontvangen een vergoeding per afgeronde interactie — met extra incentives alleen wanneer resoluties duurzaam zijn en geen herhaalcontacten genereren.
Met andere woorden: als onze AI niet werkt, worden we niet betaald.
Dit is geen altruïsme; het is accountability. Wanneer jouw commerciële succes afhankelijk is van het operationele succes van je klant, wordt het plotseling cruciaal om de implementatie goed uit te voeren, tokengebruik te optimaliseren en ervoor te zorgen dat de technologie daadwerkelijk klantvragen oplost.
De echte voorspelling
Hier is dus mijn tegenvoorspelling op Gartner: AI-kosten zullen inderdaad stijgen voor organisaties die partners blijven kiezen met verkeerd uitgelijnde incentives. Ze zullen stijgen voor organisaties die zich laten verleiden door consumption-based pricing dat goedkoop lijkt totdat de maandelijkse factuur arriveert. Ze zullen exploderen voor iedereen die gelooft dat een technologieprovider met AI hun data-chaos vanzelf oplost.
Maar voor organisaties die outcome-based accountability eisen van hun partners ziet de economische realiteit er heel anders uit.
De toekomst van AI in customer service draait niet om de keuze tussen dure automatisering en goedkope offshore agents. Het draait om het kiezen van partners die bereid zijn hun beloftes te koppelen aan echte resultaten.
