Wat kost een private LLM? De zes factoren die de prijs bepalen

“Wat kost dat, zo’n eigen AI-omgeving?” is een van de eerste vragen in elk gesprek. Het eerlijke antwoord: dat hangt af van uw situatie. Iedereen die zonder die situatie te kennen een bedrag noemt, gokt. Wat we wél kunnen doen, is precies laten zien waar de kosten van een private LLM uit bestaan. Dan weet u welke vragen u moet stellen, ook aan andere aanbieders.

1. Het model: open source scheelt licentiekosten

Een private LLM draait op een taalmodel dat voor uw organisatie wordt gehost. Bij open-source modellen betaalt u geen licentie per gebruiker aan een Amerikaanse aanbieder; u betaalt voor de rekenkracht waarop het model draait. De afweging zit in de grootte: een groter model geeft betere antwoorden, maar vraagt zwaardere (en dus duurdere) hardware. In de praktijk bepaalt uw toepassing welk model nodig is — voor veel zakelijk gebruik is een middelgroot model ruim voldoende.

2. Hosting: EU-cloud of on-premises

De tweede factor is waar die rekenkracht staat:

• Private omgeving in een Europese cloud — de gangbare keuze. Uw omgeving is afgeschermd, uw data blijft binnen Europa, en u deelt geen infrastructuur met anderen.
• Volledig on-premises — voor organisaties die alles binnen de eigen muren willen. Dit vraagt eigen hardware en geeft daarmee de hoogste aanloopkosten, maar ook maximale controle.

3. Aantal gebruikers en gebruiksintensiteit

Tien medewerkers die af en toe een vraag stellen, vragen minder capaciteit dan tweehonderd die er de hele dag mee werken. Het aantal gebruikers en hoe intensief zij de omgeving gebruiken bepaalt de benodigde capaciteit — en daarmee een groot deel van de maandelijkse kosten.

4. Koppelingen met uw bedrijfssystemen

Een chatomgeving die alleen algemene vragen beantwoordt is nuttig; een AI-assistent die uw eigen systemen kent is waardevoller. Elke koppeling — met uw ERP, CRM, planning of marketing — is werk dat eenmalig gebouwd of geconfigureerd wordt. Bestaat een connector al, dan zijn de kosten beperkt; een nieuwe koppeling vraagt een projectmatige investering die daarna herbruikbaar is.

5. Implementatie en onboarding

Techniek is de helft van het verhaal. De andere helft: inrichting van rollen en toegangsrechten, afspraken over wat er wel en niet in de omgeving mag, en medewerkers die ermee leren werken. Organisaties die dit overslaan, zien het gebruik — en daarmee het rendement — achterblijven. Reken dus op begeleiding in de eerste weken, niet alleen op een inlogpagina.

6. Beheer, updates en support

Een private LLM is geen eenmalige aanschaf. Modellen verbeteren snel, beveiliging vraagt onderhoud en er komen nieuwe wensen zodra het gebruik groeit. Vraag elke aanbieder hoe updates, monitoring en support geregeld zijn en wat daarvan in het maandbedrag zit.

Vergelijk het met de kosten van níet kiezen

Zet de investering af tegen de huidige situatie: bijna de helft van de medewerkers gebruikt AI buiten het beleid om, met bedrijfsdata in publieke tools waarvan u niet weet waar die blijft. De kosten van een datalek of een verkeerd gedeelde offerte staan op geen enkele factuur — tot het misgaat. Hoe een private omgeving zich verhoudt tot publieke tools leest u in private LLM versus ChatGPT.

Een eerlijke inschatting voor uw situatie

Wilt u weten wat deze factoren voor uw organisatie betekenen? In een demo van 30 minuten krijgt u een eerlijke inschatting op basis van uw aantal gebruikers en de systemen die u wilt koppelen. Eerst zelf bepalen waar u staat? Doe de gratis EU AI Act-check.