OpenAI's Chief Financial Officer Sarah Friar dringt er bij bedrijven op aan om de maatstaven die ze tientallen jaren hebben gebruikt om software te evalueren achterwege te laten en een nieuwe maatstaf voor kunstmatige intelligentie te hanteren – een maatstaf die is gebaseerd op voltooid werk in plaats van op het aantal mensen dat een tool gebruikt.

In een blogpost gepubliceerd op vrijdag 17 juli 2026, en uitgewerkt in een LinkedIn-post gerapporteerd door Axios, Fortune en CFO Dive, introduceerde Friar wat zij een “nuttige intelligentie-per-dollar”**-benadering noemt. Het kernargument: de maatstaven die het SaaS-tijdperk definieerden – zetels, actieve gebruikers, verlengingen – slagen er niet in de waarde vast te leggen die AI creëert. Voor voortdurende analyses van hoe bedrijven worstelen met AI-economie, volgt u onze [AI-industrieverslaggeving] (https://aibuzzwire.news).

De vier vragen

Friar stelt voor dat organisaties de waarde van AI beoordelen door vier vragen te beantwoorden:

1. Vervult AI werk dat ertoe doet?
2. Wat kost elke succesvolle taak?
3. Kunnen mensen afhankelijk zijn van het resultaat?
4. Creëert elke AI-dollar meer waarde naarmate het gebruik groeit?

"Jarenlang werd software gemeten aan de hand van adoptie: licenties, actieve gebruikers, verlengingen", schreef Friar op LinkedIn. "AI is anders: het moet worden gemeten aan de hand van het verrichte werk."

De framing herschikt het tokenverbruik – de hoeveelheid AI-verwerking waarvoor een bedrijf betaalt – niet als kosten die moeten worden geminimaliseerd, maar als grondstof die pas waardevol wordt als het wordt omgezet in bruikbare output. "Tokens creëren waarde wanneer ze worden omgezet in werk dat mensen kunnen gebruiken", schreef ze, met het argument dat naarmate modellen beter in staat zijn, ze langere, uit meerdere stappen bestaande taken kunnen uitvoeren die de context behouden, met verschillende tools redeneren en zich gaandeweg aanpassen.

Waarom OpenAI dit nu pusht

Het veld komt op een ongemakkelijk moment voor de AI-industrie. De wereldwijde uitgaven aan AI zullen in 2026 naar verwachting 2,59 biljoen dollar bereiken, een stijging van 47% op jaarbasis, volgens cijfers van Gartner, geciteerd door CFO Dive. Toch blijven de bewijzen dat de uitgaven vruchten afwerpen schaars. Uit een PwC-onderzoek dat in januari werd gepubliceerd, bleek dat slechts 12% van de CEO's zei dat AI zowel kosten- als omzetvoordelen had opgeleverd. Nog eens 33% meldde winst in zowel de kosten als de opbrengsten, terwijl 56% zei dat ze tot nu toe geen significant financieel voordeel hadden gezien.

Deze kloof veroorzaakt zichtbare frustratie aan de top van de bedrijfsladder. CEO van Palantir Alex Karp vertelde onlangs aan CNBC dat veel bedrijfsleiders de economie van grote taalmodellen ‘moe’ zijn, en vragen zich af of stijgende symbolische kosten zich vertalen in rendement – ​​opmerkingen die Karp maakte terwijl hij de eigen technologie van Palantir promootte en die als commercieel gemotiveerd werd erkend.

Voor OpenAI, dat de tokens in kwestie verkoopt, is het van strategisch belang om het gesprek te herkaderen rond uitkomsten in plaats van consumptie. Als klanten succes afmeten aan het geleverde werk, dan lijkt meer betalen voor een grensmodel dat een complexe taak op betrouwbare wijze voltooit, op efficiëntie en niet op verspilling.

Een verschuiving weg van de mentaliteit van zetels en vernieuwingen

Het idee van ‘nuttige intelligentie per dollar’ sluit aan bij een bredere heroverweging van de manier waarop AI moet worden geprijsd en gemeten. Traditionele bedrijfssoftware werd per licentie verkocht; Op gebruik gebaseerde AI-prijzen breken dat model, omdat een enkele stoel nu enorm verschillende hoeveelheden rekenkracht kan verbruiken, afhankelijk van de taak. De vier vragen van Friar vragen kopers in feite om een ​​interne boekhouding op te bouwen rond voltooide taken en kosten per succesvolle taak – een veel moeilijker getal om bij te houden dan het personeelsbestand, maar wel een die weerspiegelt wat de technologie feitelijk doet.

Niet iedereen is ervan overtuigd dat de nieuwe maatstaf in het voordeel van kopers is. Critici merken op dat ‘volbracht werk’ lastig te definiëren en te controleren is, en dat leveranciers alle prikkels hebben om AI-output als succesvol te classificeren. Betrouwbaarheid – de derde vraag van Friar – is vooral moeilijk te meten wanneer modellen zelfverzekerde maar onjuiste antwoorden opleveren, het fenomeen dat bekend staat als hallucinatie. Zonder onafhankelijke verificatie dreigt de metriek een marketinginstrument te worden in plaats van een verantwoordingsmechanisme.

Toch weerspiegelt het voorstel een echte verschuiving in het gesprek. Na twee jaar van adembenemende adoptiecijfers eisen leidinggevenden bewijs dat de AI-uitgaven hun geld verdienen. De bedrijven die de vier vragen van Friar met data kunnen beantwoorden – of ze nu de modellen van OpenAI gebruiken of die van een concurrent – ​​zullen degenen zijn waarvan de budgetten de onvermijdelijke controle zullen overleven.

Bronnen

  • CFO Dive, "OpenAI pusht nieuwe maatstaf voor het meten van AI-investeringen", 17 juli 2026
  • Axios, "Exclusief: de CFO van OpenAI presenteert een nieuwe manier om de waarde van AI te meten", 17 juli 2026
  • Fortune, "OpenAI's CFO: 4 vragen die onthullen of uw AI-uitgaven vruchten afwerpen", 17 juli 2026

Blijf voorop op het gebied van zakelijke AI

De economie van AI wordt in realtime herschreven. Maak een bladwijzer van onze startpagina voor [de nieuwste zakelijke AI-verslaggeving] (https://aibuzzwire.new).

Lees meer AI-nieuws →