Social Rocket
Bureaus beginnen hun AI-kosten niet alleen te beheersen, maar ook opnieuw aan klanten door te berekenen. Digiday meldt op 17 september 2026 dat groeiende toolabonnementen en gebruiksafhankelijke tokenkosten de bestaande logica van techbudgetten en bureauhonoraria veranderen.
Dat past bij een trend die al zichtbaar was bij autonome media- en marketingagenten: wie AI operationeel opschaalt, heeft niet alleen betere modellen nodig, maar budgetten, logging, modelrouting en duidelijke regels over wie het gebruik betaalt.
Update: AI-kosten verschuiven naar klantmodellen
Bij Markacy ontstaan volgens Digiday vooral kosten voor enterprise-toegang tot Claude en extra ChatGPT-toegang. Crispin gebruikt volgens de Chief Transformation Officer ongeveer 100 enterprise-AI-tools, van mediaplanning tot social listening en influencer discovery. Veel contracten zijn als vaste jaarkosten opgezet om maandelijkse schommelingen te beperken.
Dept gebruikt onder meer Claude, ChatGPT en Google-diensten. Daar ontstaan de grootste tokenkosten. Tegelijk liggen de totale AI-kosten volgens het bedrijf nog steeds onder een tweecijferig aandeel van het budget; personeelskosten blijven duidelijk groter.
Nieuw is vooral de vraag over doorberekening. Omnicom-CFO Phil Angelastro zei op de Goldman Sachs-conferentie dat het concern een model opbouwt om tokenkosten te meten, te sturen en extra kosten vergoed te krijgen. Op lange termijn verwacht hij een sterkere verschuiving naar resultaatgerichte beloningsmodellen.
Een andere, niet bij naam genoemde bureauvertegenwoordiger vertelde Digiday dat zijn bedrijf twee varianten test: tokenkosten als afzonderlijke „materiaal“-post naast menselijk werk, of als ingebouwd onderdeel van een gecombineerd tarief. Voor klanten maakt dat de contractvraag concreter, die wij al beschreven hebben bij AI-clausules in bureaucontracten.
Auditlogs moeten autonome beslissingen traceerbaar maken
Al begin september hadden meerdere bureaus extra controlemechanismen voor AI-agenten in media buying beschreven. Rise, een bureau uit de Quad-groep, gebruikt volgens Digiday daarvoor een auditlogfunctie van PubMatic. Zo is te reconstrueren welke wijziging een agent heeft doorgevoerd en waarom hij is afgeweken van de oorspronkelijke briefing of parameters.
PubMatic presenteerde de onderliggende governance-architectuur in augustus. Guardrails en audittrails moeten kopers laten controleren welke acties autonome systemen daadwerkelijk uitvoeren.
Dat past bij een trend die we al zien bij AI in media buying en platformautomatisering: hoe meer beslissingen geautomatiseerd worden, hoe belangrijker onafhankelijke controle op de beslislogica wordt.
Tokenbudgetten worden de nieuwe kostenhefboom
Andere bureaus grijpen direct in op het verbruik. Brainlabs verdeelt volgens het eerdere Digiday-onderzoek AI-tokens in niveaus en beoordeelt extra quota. PMG werkt met dagelijkse limieten. Dept gebruikt daarnaast een centrale „AI Gateway“, die verzoeken op basis van kosten-, prestatie- of juridische criteria naar geschikte modellen kan routeren.
Het huidige beeld van agentuurbudgetten laat zien waarom dergelijke systemen steeds belangrijker worden. Naast klassieke softwareabonnementen ontstaan steeds vaker gebruiksafhankelijke kosten, terwijl tegelijkertijd meerdere modellen voor verschillende klanten en taken beschikbaar moeten blijven. Zonder centraal overzicht van gebruik en opbrengst dreigt een stapel van veel kleine, moeilijk toe te wijzen kostenposten.
Voor teams die agentische workflows opbouwen, is goede prompting daarom niet genoeg. Nodig zijn budgetgrenzen, logging, modelroutering, gebruiksanalyses en goedkeuringsgrenzen. Vergelijkbare governancevragen spelen ook bij Social-Media-MCP's en AI-assistenten.
Waar adverteerders bij agentuuraanbiedingen op moeten letten
Voor klanten wordt belangrijk hoe het gebruik van AI wordt doorberekend. Een afzonderlijke tokenpost kan transparant zijn, maar is alleen zinvol als duidelijk is welke modellen en taken erachter zitten. Een vast bedrag zorgt voor meer voorspelbaarheid, maar kan het daadwerkelijke gebruik verhullen. Op resultaat gebaseerde modellen verplaatsen de discussie van werkuren en tokens naar het resultaat, maar hebben daarvoor betrouwbare meetwaarden nodig.
Ongeacht het model moeten agentschappen kunnen uitleggen welke tools ze gebruiken, hoe kosten worden beperkt en welk werk nog door mensen wordt gecontroleerd. De grotere trend is dus geen eenvoudige ruil van personeel voor AI. De agentuurdienst krijgt eerder een extra variabele laag van infrastructuurkosten, die economisch en contractueel beheerd moet worden.