Palantir Technologies-CEO Alex Karp verwijt OpenAI en Anthropic dat zij token-gebaseerde AI-diensten te agressief in de markt zetten, terwijl die volgens hem grote ondernemingen vaak nauwelijks aantoonbare waarde opleveren.
Belangrijkste punten:
- Karp stelt dat bedrijven fors betalen voor AI-tokens zonder resultaten die de uitgaven rechtvaardigen.
- Volgens hem krijgen aanbieders bovendien zicht op vertrouwelijke kennis en concurrentiegevoelige inzichten van hun klanten.
- De kritiek past in een bredere discussie of AI-prijzen moeten aansluiten bij verbruik of bij zakelijke uitkomsten.
Prijsstelling van AI-tokens
Karp uitte zijn kritiek in een interview met CNBC, waar hij vraagtekens zette bij het model waarbij ondernemingen worden afgerekend op het aantal tokens dat een AI-model verwerkt.
„Waarom rekenen ze af per token als het zó waardevol is?”, vroeg Karp zich af. Volgens hem zouden leveranciers in plaats daarvan moeten worden beloond met een deel van de waarde die hun systemen voor klanten creëren.
Ook waarschuwde hij dat ondernemingen het risico lopen hun eigen, unieke kennis weg te geven zodra zij interne data en processen koppelen aan externe modellen. Karp schetste een beeld van bedrijven die toenemend gefrustreerd raken nadat ze fors in AI-tools hebben geïnvesteerd, zonder een vergelijkbare stijging in productiviteit terug te zien.
De kritiek sluit direct aan bij Palantirs commerciële propositie: het bedrijf levert software die modellen, data en operationele systemen binnen strikt gecontroleerde omgevingen met elkaar verbindt.
Tegelijk weerspiegelen zijn opmerkingen een bredere zorg in de corporate wereld over oplopende kosten, datagovernance en magere rendementen op de eerste golf AI-implementaties.
Ook interessant: Bitget lanceert Cash Plus om rente te betalen op slapende stablecoin-saldi
Rendement op enterprise-AI
Karp richt zijn kritiek vooral op de kloof tussen technische output en bedrijfsresultaat. Afrekenen op basis van tokens meet hoeveel tekst of data een model verwerkt, maar zegt niets over de vraag of dat werk de omzet verhoogt, kosten verlaagt of de besluitvorming verbetert.
Dat onderscheid wordt belangrijker nu corporates kritischer inkopen.
Sam Altman erkende eerder dat AI-uitgaven en efficiëntie inmiddels kernpunten zijn in de bestuurskamer. Bedrijven testen goedkopere modellen en verdelen hun workloads over meerdere aanbieders.
Karp pleit daarom voor resultaatgerichte prijsmodellen, waarbij een AI-leverancier wordt betaald op basis van aantoonbare verbeteringen. Zo’n aanpak kan uitgaven aan ineffectief gebruik beperken, maar vraagt wel dat bedrijven en leveranciers vooraf helder vastleggen hoe waarde wordt gemeten.
De discussie komt na jaren van snelle enterprise-adoptie, gedreven door de verwachting dat generieke modellen routinematig werk fundamenteel zouden veranderen. Nu pilots volwassen worden, verschuift de aandacht van puur modelcapaciteit naar eigendom van data, beveiliging en aantoonbaar rendement.
Lees ook: Stablecoinmarkt verliest $10 miljard sinds piek in mei nu cryptoliquiditeit krimpt