AI voor leren, opleiden en onderwijs: wie zal dat betalen?
AI is als technologie van groot belang, maar volgens Michael Feldstein als product economisch niet houdbaar voor het onderwijs, en al helemaal niet voor de markt van leertechnologie (EdTech). Het is terecht dat hij aandacht hiervoor vraagt. Onderwijsinstellingen zullen scherpe keuzes moeten maken. Deze keuzes moeten mede door ‘het onderwijs’ zelf gemaakt moeten worden, stel ik bij ‘Mijn opmerkingen’.
Feldstein beschouwt AI als een technologie van grote maatschappelijke betekenis en gebruikt het zelf intensief. Tegelijkertijd heeft hij ook genoeg EdTech-hypes meegemaakt om de risico’s te kennen. Het feit dat een technologie waarde heeft, garandeert niet dat ze breed transformerend zal zijn. Applicaties voor ‘gepersonaliseerd leren’ levert volgens hem resultaten op in specifieke contexten, MOOCs zijn nuttig voor een deel van de lerenden. Beiden bleven volgens de auteur randverschijnselen. Het onderwijs is een terrein vol verborgen beperkingen en contextspecifieke verschillen, en Feldstein daagt de lezer uit om vijf EdTech-productcategorieën te noemen die meer zijn dan niches.
De auteur maakt in zijn bijdrage een onderscheid tussen AI als technologie en AI als product. Als technologie staat de betekenis niet ter discussie. Als product is het echter economisch kapot, in het bijzonder voor EdTech. Feldstein schrijft dat zelfs de abonnementstarieven die consumenten betalen voor AI-tools ‘gesubsidieerd’ zijn: ze dekken de werkelijke kosten niet. Dat model werkt zolang investeerders verliezen willen opvangen in de hoop een concurrentiepositie te veroveren. Dit is volgens hem echter geen stabiele basis voor de langere termijn.
De kern van het probleem zit in het gebruik via API’s. Je integreert daarmee AI-applicaties binnen andere applicaties en je betaalt naar gebruik, per zogeheten ’token’. Volgens de auteur wordt OpenAI naar verwachting pas over drie à vier jaar winstgevend. Anthropic zou dit jaar (2026) winstgevend kunnen worden, maar dan hoofdzakelijk door API-inkomsten: 80 tot 85 procent van de omzet komt van API-gebruik, niet van abonnementen. Bij OpenAI is dat aandeel 70 tot 75 procent. Het verdienmodel voor beide bedrijven rust dus grotendeels op variabele per-gebruik-tarieven, niet op vaste abonnementsinkomsten.
Dat model leidt in de praktijk tot sterk variabele en soms onbeheersbare kosten. In zijn bijdrage haalt Michael Feldstein een reeks voorbeelden aan van bedrijven die hun AI-budgetten ver overschreden: Uber verbruikte al in april zijn volledige AI-budget voor 2026. Microsoft trok zes maanden na uitgifte de Claude Code-licenties van ontwikkelaars in. Een anoniem bedrijf liep in één maand een rekening op van 500 miljoen dollar aan AI-gebruik, nadat het vergeten was verbruikslimieten in te stellen. Priceline zag de kosten van een contractverlenging voor een AI-codetool vier tot vijf keer hoger uitvallen dan verwacht.
Uit een analyse door Wired bleek dat in april en mei 2026 circa driehonderd bedrijven tijdens beleggersbijeenkomsten vragen stelden over AI-tokenverbruik, in vergelijking met 93 bedrijven in diezelfde periode een jaar eerder. Het gesprek verschoof van ‘wat kan het en is het goed genoeg?’ naar ‘hoe krijgen we de kosten onder controle?’. Leidinggevenden bij meerdere bedrijven gaven aan systemen te ontwikkelen om tokenverbruik te monitoren en per taak het goedkoopste model te selecteren.
Feldstein vat de onderliggende dynamiek samen in een formule: schijnbaar nut plus onbegrensde kosten, vermenigvuldigd met de druk om maximaal gebruik te maken, leidt tot financiële schade. Hij noemt dit patroon ’tokenmaxxing’. Het verschijnsel heeft inmiddels zelfs geleid tot de oprichting van de Tokenomics Foundation door de Linux Foundation. Dat betekent dat het probleem niet langer beperkt is tot individuele bedrijven.
Voor het onderwijs is dit probleem bijzonder scherp. Onderwijsinstellingen werken met vaste jaarbudgetten en kunnen geen verliezen dragen. Feldstein schrijft:
But for education, the real killer is unbounded cost.
Hij stelt dat de EdTech-markt historisch gebouwd is op het principe van vaste kosten: een abonnement met een voorspelbare prijs, waarbij de leverancier de infrastructuur beheert. Onderwijsinstellingen zijn niet meer zelf verantwoordelijk voor het beheer van een belangrijk leerplatform, maar sluiten meerjarenovereenkomsten tegen een vaste, transparante prijs.
AI ondergraaft dat model. Elke EdTech-leverancier die AI inbouwt in zijn platform, betaalt variabele API-kosten aan aanbieders als Anthropic of OpenAI, of draait een model op eigen cloudinfrastructuur. In beide gevallen gaat het om variabele kosten die fors kunnen oplopen. Het gevolg, aldus de auteur, is dat onbegrensde AI in leerplatforms voorlopig niet realistisch is. Wat er eerder van te verwachten is: AI beperkt tot vooraf gedefinieerde functies via knoppen of keuzemenu’s, meldingen dat een cursus te groot is voor een bepaalde bewerking, en losse consumentenapplicaties naast het platform. Onderwijsinstellingen die nu AI integreren op basis van financieel onhoudbare aannames, lopen het risico die functionaliteiten later te moeten terugdraaien.
Mijn opmerkingen
Wat is een ‘niche’? Die vraag heb ik als Michael Feldstein de lezer uitdaagt om vijf EdTech-productcategorieën te noemen die meer zijn dan niches. Een LMS en SIS worden bijvoorbeeld breed binnen het onderwijs gebruikt, en dat geldt ook voor toetsapplicaties, platforms voor educatieve content en -in mindere mate- voor auteurstools zoals Canva. Ik zou dat geen ‘niches’ willen noemen.
Los daarvan vind ik zijn betoog over de economische haalbaarheid van AI-technologie binnen het onderwijs en AI-integratie in bestaande leertechnologie wel het overdenken waard. Onderwijsinstellingen betalen meestal een vast bedrag per jaar per actieve gebruiker voor educatieve software. Bovendien is die prijs relatief laag, al loopt het totale bedrag behoorlijk op naarmate je meer leertechnologie gebruikt. Met name applicaties voor specifieke toepassingen zijn behoorlijk duur per gebruiker. Business cases die gebaseerd zijn op kostenbesparingen werken daarbij niet. Als een docent bijvoorbeeld minder tijd kwijt is aan een bepaald proces, dan leidt dat niet tot een besparing op personeelskosten. De docent krijgt het wellicht wat rustiger, maar de salarislast vermindert niet. Of het leidt tot minder ziekteverzuim, is lastig aan te tonen.
Daarnaast zie je dat binnen onderwijsinstellingen er sprake is van een heuse opmars aan AI-toepassingen. Opleidingen, waarbinnen programmeren en coderen een belangrijke rol speelt, willen gebruik maken van Claude. Opleidingen die werken met beeldmateriaal willen gebruik maken van Google Gemini, ChatGPT en specifieke toepassingen. Ontwikkel je multimedia met studenten? Dan mogen ElevenLabs en HeyGen natuurlijk niet ontbreken. Willen we minder afhankelijk worden van Amerikaanse tooling? Doe dan maar Le Chat van Mistral. Daarnaast komen steeds meer educatieve AI-tools voor het onderwijs beschikbaar.
Als je je realiseert dat professionele versies van applicaties een paar honderd euro per gebruiker per jaar kosten, dan betekent dit een kostenpost van 2,2 miljoen euro per jaar voor een onderwijsinstelling met 10 duizend gebruikers. Dat komt neer op zo’n 2% van het totale budget, alleen voor AI-tools. Dat lijkt weinig, maar dat is het niet. Zal EduGenAI van SURF en Npuls hier een antwoord op zijn? Wellicht. Maar niet als deze applicatie functioneel beduidend minder is dan de beschikbare AI-applicaties.
Onderwijsinstellingen kunnen ook te maken krijgen met variabele API-kosten. Zij doen er verstandig aan om hier op voorhand paal en perk aan te stellen en te werken aan verbruikslimieten. Belangrijk daarbij is om de diverse betrokkenen bewust te maken van dit kostenvraagstuk. Als AI-functionaliteiten in leerplatforms oftewel digitale leeromgevingen worden aangeboden op basis van kosten per gebruik die leveranciers op termijn niet kunnen blijven dragen, is dat een serieus financieel risico. Niet alleen voor de leverancier, maar ook voor de instelling die afhankelijk wordt van functionaliteiten die vervolgens worden beperkt of teruggetrokken. Dit zal de adoptie van het leerplatform bij gebruikers niet ten goede komen. Het risico bestaat ook dat met een beschuldigende vinger wordt gewezen naar diensten. Dit betekent ook dat besluitvorming hierover niet alleen bij een dienst IT of Financiën moet liggen. Vertegenwoordigers van ‘het onderwijs’ zullen mede-eigenaar van dit besluit moeten zijn, en de beslissing ook moeten verdedigen richting gebruikers.
Een relevante ontwikkeling op dit gebied is ook dat aanbieders van EdTech met meerdere abonnementsversies van hun leertechnologie gaan werken. Ik ken bijvoorbeeld één LMS dat op basis van AI-integraties gaat werken met meerdere versies van de software. Hoe meer AI-functionaliteiten er geïntegreerd worden, des te meer jij als afnemende instelling gaat betalen voor de applicatie. Je weet echter wel op voorhand waar je aan toe bent. Een nadeel is wel weer dat de prijzen van de duurdere versies met veel AI-functionaliteit waarschijnlijk harder zullen stijgen dan de goedkopere versies met minder AI-functionaliteit.
Al met al is het terecht dat Michael Feldstein aandacht vraagt voor het kostenaspect van AI voor leren, opleiden en onderwijs. Het klinkt als een dooddoener (die overigens niet uit de koker van een AI-toepassing komt): je zult als instelling prioriteiten moeten stellen. Wees transparant richting je gebruikers over de kosten en betrek ‘het onderwijs’ bij het nemen van besluiten over deze prioriteiten. ‘Het onderwijs’ moet daar mede-eigenaar van zijn.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie.
Lees het hele
artikel