De token als meetlat

Dezelfde lat. Een andere vraag.

Dit is de derde blog in mijn reeks over tokens. In de eerste beschreef ik waarom de meter al tikt en token-efficiëntie een strategische vaardigheid wordt — Tokens op de meter. In de tweede liet Alibaba's Token Hub zien dat de tokeneconomie zichzelf inmiddels bij naam noemt — De tokeneconomie. In deze derde kijk ik naar hoe bedrijven tokenverbruik nu al inzetten als meetinstrument — en wat de keuze achter die meetlat over een organisatie zegt.

Op 19 maart 2026 verscheen er een artikel in The Wall Street Journal van journalist Katherine Bindley. De kop was zakelijk. De inhoud was veelzeggend. Bedrijven meten het tokenverbruik van individuele medewerkers. Niet als experiment, maar als serieus bedrijfsinstrument.

Dat past in het beeld dat ik de afgelopen weken heb beschreven: de token is geen technisch detail meer. Het is de grondstof van een nieuwe economie, en de maatstaf waarmee steeds meer organisaties hun AI-gebruik proberen te begrijpen.

Maar het WSJ-artikel laat iets zien wat daar nog bovenuit gaat. Niet alle bedrijven meten hetzelfde. Ze gebruiken allemaal de token als meetlat — maar ze leggen hem aan heel verschillende dingen aan. En dat verschil zegt alles over hoe ver ze zijn.

1. De kostenlens: token als factuur — Zapier

De meest voor de hand liggende reden om tokenverbruik bij te houden is financieel. Financeteams worden verrast door maandelijkse AI-rekeningen die niemand heeft zien aankomen. De oude manier van denken — budgetteren per seat, auditen per gebruiker — sluit niet meer aan op hoe AI-systemen kosten genereren. Elke prompt, elke geautomatiseerde workflow, elke achtergrondagent verbruikt tokens. Het maandfactuur weerspiegelt gedragspatronen die geen enkel goedkeuringsproces had voorzien.

Zapier is het schoolvoorbeeld. Het bedrijf heeft interne dashboards gebouwd om tokenverbruik per medewerker zichtbaar te maken. Brandon Sammut, Chief People Officer bij Zapier: "We have this new kind of line item." Maar Zapier stopt niet bij de factuur. Ongewoon hoog verbruik leidt bij hen niet automatisch tot een cap, maar tot een vraag. Sammut: "We start to draw conclusions — whether that's a golden pattern we want to multiply, or whether it's an anti-pattern."

Die twee termen zijn veelzeggend. Een golden pattern is hoog verbruik dat aantoonbaar waarde oplevert — en dat je wilt uitrollen naar de rest van de organisatie. Een anti-pattern is hoog verbruik dat niets oplevert — ruis, verspilling, of simpelweg een slechte workflow. Zapier probeert het onderscheid te maken. Dat is verder dan de meeste bedrijven komen.

Tokenverbruik als factuur is het startpunt. De vraag ernaar is het begin van iets beters.

2. De productiviteitslens: token als prestatiemeting — Meta & Shopify

Een stap verder gaan bedrijven die tokenverbruik rechtstreeks koppelen aan beoordeling. Bij Meta en Shopify is AI-gebruik inmiddels onderdeel van de performance review. Wie tools intensief inzet wordt beloond. Wie achterblijft, wordt aangesproken. Shopify zegt daarbij ook te kijken naar hoe AI het werk verbetert — niet alleen naar het volume.

De logica is begrijpelijk: als AI de productiviteit verhoogt, en je kunt meten wie hoeveel AI gebruikt, dan heb je een proxy voor productiviteit. Alleen werkt die redenering niet zo soepel als ze lijkt. Brian Jabarian, onderzoeker aan de Booth School of Business van de University of Chicago, zei het in het WSJ-artikel rechtstreeks: "Everyone thought that you just use AI tokens, and you have an increase of productivity. But the reality is more complicated."

Tokens meten activiteit, niet uitkomst. En activiteit die geen waarde oplevert, is geen productiviteit — het is ruis. Het verschil met Zapier's aanpak is klein maar cruciaal: Zapier stelt de vraag achter het getal. Meta en Shopify belonen vooralsnog het getal zelf.

3. De statuslens: token als badge — OpenAI & Anthropic

In Silicon Valley is een derde beweging ontstaan die de eerste twee overstijgt en tegelijk ondermijnt. Tokenmaxxing heet het: het bewust maximaliseren van tokenverbruik, niet omdat het werk het vraagt, maar om te signaleren dat je een AI-persoon bent.

Bij OpenAI en Anthropic zijn er interne leaderboards. De recordhouder bij OpenAI verwerkte 210 miljard tokens in één week — genoeg om Wikipedia 33 keer te vullen. Bij Anthropic liep een medewerker via Claude Code een maandelijkse rekening op van meer dan $150.000. Dat bedrag — hoger dan veel seniorsalarissen — wordt volledig door de werkgever betaald en geldt inmiddels als statussymbool. Een Ericsson-engineer in Stockholm vertelde de New York Times dat zijn werkgever waarschijnlijk meer uitgeeft aan zijn Claude-gebruik dan aan zijn salaris.

Tokens worden ook arbeidsvoorwaarde. Jensen Huang van Nvidia stelde bij GTC 2026 dat een engineer van $500.000 minstens $250.000 aan tokens zou moeten verbranden — ik schreef daar eerder al over. VC Tomasz Tunguz berekende dat tokens bij vooroplopende techbedrijven al goed zijn voor ongeveer één op de vijf dollar van de totale ingenieurcompensatie — als vierde pijler naast salaris, bonus en aandelen.

Hier geldt Goodhart's Law onverbiddelijk: zodra een maatstaf een doel wordt, houdt hij op een goede maatstaf te zijn. Tokenverbruik had zin als proxy voor AI-adoptie toen de vraag was of mensen de tools überhaupt gebruikten. Zodra het een metric wordt die managers bijhouden, rapporteren en belonen, meet het niet meer echte productiviteit — maar de vaardigheid om productief te lijken.

4. De waardelens: token als signaal — Vercel & Kumo AI

Tegenover het statusspel staat een nuchterder perspectief. Guillermo Rauch, CEO van Vercel, keek naar zijn tokendata en ontdekte dat zijn hoogste verbruikers ook zijn beste performers zijn. Een team van AI-agents analyseerde een onderzoekspaper en bouwde in één dag een kritieke infrastructuurservice — werk dat conventioneel maanden had gekost. De rekening: zo'n $10.000 aan tokens. De besparing, naar Rauchs schatting: miljoenen. Zijn reactie was niet om een cap in te voeren. Het was om het te laten lopen.

Bij Kumo AI werd tokenverbruik per engineer bijgehouden en bleek dat door agents geschreven code de cloudkosten juist verlaagde. Meer tokens in, lagere totaalkosten uit.

Dat zijn twee gevallen waarin hoog tokenverbruik waarde signaleert, geen verspilling. De juiste vraag is dus niet hoeveel tokens iemand verbruikt — maar wat dat verbruik oplevert. Als je organisatie verbruik niet kan koppelen aan uitkomsten, beheer je een getal dat je nog niet begrijpt. Een cap invoeren voordat je dat begrijpt is geen governance — het is een belasting op je beste werk.

De waardelens is de meest volwassen van de vier. Maar ook zij stelt nog niet de diepere vraag.

Synthese: weet wat je meet

De vier lenzen laten elk iets zien. Zapier ziet kosten én de vraag achter het getal. Meta en Shopify zien activiteit als proxy voor prestatie. OpenAI en Anthropic zien volume als statussymbool. Vercel en Kumo zien tokens als signaal voor waarde.

Maar zelfs de meest volwassen benadering — de waardelens — vraagt alleen: wat levert het op? Niet: waarom levert het bij de één meer op dan bij de ander?

Dat is de vraag die overblijft.

Het antwoord zit niet in de tool, niet in het model, en niet in het tokenbudget. Het zit in de kwaliteit van het denken van de persoon die de prompt schrijft. Wie vaag formuleert, te breed vraagt, of de context niet goed afbakent, krijgt een omslachtig antwoord terug — en verbruikt daarvoor veel tokens. Wie precies weet wat hij vraagt, helder redeneert en de juiste informatie meegeeft, bereikt hetzelfde resultaat met een fractie van het verbruik.

Tokenefficiëntie — méér waarde per token, niet meer tokens per se — is een proxy voor denkkwaliteit. Niet voor technische vaardigheid, maar voor het vermogen om helder te denken, goed te formuleren en te begrijpen wat je eigenlijk wilt weten. Dat zijn menselijke kwaliteiten. En het zijn precies de kwaliteiten waarin organisaties zouden moeten investeren.

De bedrijven die dit begrijpen, trekken de juiste conclusie uit de data die Zapier, Vercel en Kumo al zien, maar nog niet volledig benoemen: hoog verbruik met lage waarde is geen tool-probleem. Het is een menselijk vermogensvraagstuk. De oplossing is geen governance-framework of een cap. Het is investeren in de mensen die de prompts schrijven.

En daarmee kom ik terug bij de meetlat zelf.

Een meetlat is neutraal. Hij meet wat jij hem laat meten. De token als meetlat kan van alles aangeven: hoeveel je uitgeeft, hoe actief je medewerkers zijn, hoe hoog iemand op een leaderboard staat, wat een taak heeft opgeleverd. Maar de meetlat geeft pas betekenisvolle informatie als je van tevoren hebt bepaald wat je wilt meten. Puur verbruik? Dan meet je activiteit. Toegevoegde waarde? Dan meet je uitkomst. De verhouding tussen die twee — waarde per token? Dan meet je efficiëntie.

Dat laatste is de vraag die de meeste bedrijven nog niet stellen. En het is de vraag die er het meest toe doet.

Wil je de context lezen waarin deze blog staat? Die vind je in de eerder verschenen blogs in deze reeks:

→ De Mens als Orkestrator — over hoe AI de menselijke rol verschuift van uitvoerder naar dirigent.

→ De Centaur — over hoe mens en AI als één geheel opereren, en wat dat vraagt van hoe je werkt en denkt.

→ Het Schaakbord — over exponentiële groei, waar we staan, en waarom lineaire stappen de kloof niet dichten.

→ Tokens op de meter — over het businessmodel achter AI, de verslavingsfase, en de vaardigheid die straks telt.

→ De tokeneconomie — over Alibaba's Token Hub en de economische infrastructuur die wereldwijd wordt gebouwd.

Bronnen

Bindley, Katherine. "Companies Learn to Track AI Use." The Wall Street Journal, 19 maart 2026, p. B4.

Roose, Kevin. "More! More! More! Tech Workers Max Out Their A.I. Use." The New York Times, maart 2026.

Aanvullende berichtgeving: TechCrunch, Techloy, shashi.co, TechRound, careeraheadonline.com.

Visuals gegenereerd met NotebookLM.

Co-creatie: Dit stuk is gemaakt samen met Claude (Anthropic), versie Sonnet 4.6. De gedachten, posities en interpretaties zijn van mij. Claude heeft geholpen bij het structureren, het aanscherpen van argumenten en het schrijven van de tekst. Ik vind het bij dit onderwerp passen om dat expliciet te benoemen.