Welke goedkeuringsdrempels moeten gelden voor nieuwe uitgaven op het gebied van AI?

De goedkeuringsdrempels voor AI-uitgaven moeten een gelaagd bevoegdheidsmodel volgen: individuele abonnementen op AI-tools onder een vastgestelde limiet (doorgaans enkele duizenden dollars per jaar) kunnen worden goedgekeurd door afdelingsmanagers, middelgrote AI-investeringen vereisen goedkeuring door IT en Financiën, en strategische AI-platforms boven een hogere drempel vereisen goedkeuring door het topmanagement of de raad van bestuur. Welke drempels het meest geschikt zijn, hangt af van de algehele maturiteit van het IT-governance binnen uw organisatie, de risicotolerantie en de snelheid waarmee de AI-uitgaven zich over de verschillende bedrijfsonderdelen uitbreiden. Hieronder beantwoorden we de meest prangende vragen die organisaties zich stellen bij het opzetten van AI-begrotingsbeheer in 2026.

Wie zou bevoegd moeten zijn om uitgaven voor AI goed te keuren?

De bevoegdheid over AI-uitgaven moet worden verdeeld over drie bestuursniveaus: operationele managers keuren goedkope AI-tools goed die door één team worden gebruikt; IT- en financiële leidinggevenden keuren gezamenlijk middelgrote AI-investeringen goed die gevolgen hebben voor meerdere teams; en de CIO, CFO of een investeringscommissie keurt strategische AI-platforms of meerjarige verbintenissen goed. Geen enkele afdeling mag de exclusieve bevoegdheid hebben, omdat AI-uitgaven zich op het snijvlak bevinden van technologisch risico, financiële blootstelling en bedrijfswaarde.

De reden waarom gezamenlijk beheer zo belangrijk is, is dat AI-tools zelden beperkt blijven tot één afdeling. Een marketingteam dat vandaag een generatief AI-platform in gebruik neemt, kan binnen zes maanden al gegevens aanleveren voor financiële workflows. Zonder betrokkenheid van IT blijft het integratierisico onbeheerd. Zonder de financiële afdeling blijft de kostenstijging als gevolg van verbruiksgebaseerde prijsstelling onopgemerkt.

Een praktische bestuursstructuur kent op elk niveau duidelijke beslissingsbevoegdheden toe:

• Afdelingshoofden: Keur AI-tools goed die door één enkel team worden gebruikt, zonder vereisten inzake gegevensintegratie en met jaarlijkse kosten die onder een overeengekomen drempel liggen
• Gezamenlijke goedkeuring door IT en Financiën: Vereist wanneer een AI-tool wordt geïntegreerd met bestaande systemen, gevoelige gegevens verwerkt of de kostenlimiet op afdelingsniveau overschrijdt
• CIO of beleggingscommissie: Vereist voor bedrijfsbrede AI-platforms, AI-strategieën waarbij meerdere leveranciers betrokken zijn, of elke verbintenis die leidt tot een aanzienlijk lock-in-effect of financieel risico
• Raad van bestuur of auditcommissie: Dit is van belang wanneer investeringen in AI een aanzienlijke kapitaalverplichting met zich meebrengen of leiden tot regelgevingsrisico’s

De inkoopafdeling moet op elk niveau worden betrokken om leveranciersnormen, overeenkomsten inzake gegevensverwerking en contractvoorwaarden te handhaven. Juridische en compliance-teams moeten een stem in het kapittel hebben bij elke AI-tool die persoonlijke of gereguleerde gegevens verwerkt.

Welke drempelbedragen in dollars worden doorgaans gehanteerd voor de goedkeuring van AI-aankopen?

De uitgavendrempels voor AI variëren naargelang de omvang van de organisatie, maar volgens een gangbaar getrapt model ligt de bevoegdheid op afdelingsniveau bij minder dan $10.000 per jaar, gezamenlijke goedkeuring door IT en Financiën tussen $10.000 en $100.000, en beoordeling door het management of een commissie boven $100.000. Deze cijfers zijn geen universele normen, maar uitgangspunten die organisaties aanpassen op basis van de omvang van hun totale IT-budget en hun risicobereidheid.

Grotere ondernemingen met IT-budgetten van honderden miljoenen stellen vaak hogere drempels vast voor elk niveau, terwijl middelgrote organisaties de drempels voor goedkeuring door het management doorgaans lager houden om strakkere controle te behouden over uitgaven voor opkomende technologieën. Het belangrijkste uitgangspunt is dat drempels moeten worden vastgesteld in verhouding tot uw totale IT-uitgaven, en niet als willekeurige ronde getallen.

Er zijn verschillende factoren die van invloed zouden moeten zijn op waar je de grenzen trekt:

• Totale contractwaarde versus jaarlijkse kosten: Een SaaS-abonnement van $15.000 per jaar met een contractduur van drie jaar komt neer op een totale verbintenis van $45.000 en dient dienovereenkomstig te worden beoordeeld
• Variabiliteit in het verbruik: AI-tools met een op gebruik gebaseerde prijsstelling kunnen op onvoorspelbare wijze opschalen; daarom moeten goedkeuringsdrempels rekening houden met realistische piekuitgaven, en niet alleen met basisschattingen
• Gevoeligheid van gegevens: Voor elke AI-tool die persoonsgegevens, financiële gegevens of gezondheidsgegevens verwerkt, geldt een lagere goedkeuringsdrempel en een aanvullende nalevingscontrole, ongeacht de kosten
• Risico van concentratie bij leveranciers: Het toevoegen van nog een tool van een bestaande grote AI-leverancier lijkt op zich misschien een kleine stap, maar vergroot de algehele afhankelijkheid

Hoe verandert de op verbruik gebaseerde prijsstelling van AI het goedkeuringsmodel?

De op verbruik gebaseerde prijsstelling van AI doorbreekt het traditionele goedkeuringsmodel fundamenteel, omdat de kosten die je op het moment van aankoop goedkeurt, zelden overeenkomen met de kosten die je daadwerkelijk betaalt. Wanneer de prijsstelling gekoppeld is aan API-aanroepen, verwerkte tokens of actieve gebruikers, kunnen de kosten na de implementatie snel en onvoorspelbaar oplopen. Dit betekent dat goedkeuringscontroles verder moeten reiken dan de initiële aankoopbeslissing en zich moeten uitstrekken tot voortdurende kostenmonitoring en escalatietriggers.

Bij traditionele IT-aankopen gaat men uit van vaste kosten: je koopt een licentie voor een bepaald aantal gebruikers tegen een vaste prijs. Bij AI-tools, met name die welke zijn gebaseerd op grote taalmodellen, worden de kosten berekend op basis van gebruik. Een team dat tijdens een proeffase een bescheiden aantal zoekopdrachten uitvoert, kan tien keer zoveel kosten genereren zodra de tool in de dagelijkse werkprocessen is geïntegreerd.

Om dit in goede banen te leiden, moet uw goedkeuringsproces voor AI-uitgaven het volgende omvatten:

• Verbruiksvoorspellingen op het moment van goedkeuring: Eis van teams dat zij de verwachte gebruiksscenario’s in kaart brengen, inclusief een realistisch scenario met intensief gebruik, voordat goedkeuring wordt verleend
• Uitgavenlimieten en waarschuwingen: Stel strikte limieten of automatische waarschuwingen in bij vastgestelde drempels, zodat de afdelingen Financiën en IT worden gewaarschuwd voordat de kosten de goedgekeurde niveaus overschrijden
• Redenen voor hergoedkeuring: Stel een regel in die bepaalt dat, indien de werkelijke uitgaven de goedgekeurde raming met een bepaald percentage overschrijden (bijvoorbeeld 25%), er opnieuw goedkeuring nodig is voordat het gebruik mag worden voortgezet
• Maandelijkse kostenbeoordelingen: Neem de kosten van AI-tools op in de reguliere FinOps-beoordelingscycli in plaats van ze te beschouwen als posten die je eenmaal instelt en daarna niet meer hoeft aan te passen

Het bestuursprincipe dat hier aan de basis ligt, weerspiegelt hoe volwassen financieel beheer in de cloud eruitziet: inzicht alleen is niet voldoende. Er is behoefte aan actieve besluitvorming op regelmatige tijdstippen, niet alleen aan een eenmalige goedkeuring van een aankoop.

Moeten AI-tools voor goedkeuringsdoeleinden worden beschouwd als OpEx of als CapEx?

De meeste AI-tools moeten voor goedkeuringsdoeleinden worden beschouwd als operationele uitgaven (OpEx), omdat ze doorgaans worden geleverd in de vorm van abonnements- of verbruiksgebaseerde diensten in plaats van als activa in eigen bezit. Wanneer AI-investeringen echter betrekking hebben op het bouwen van eigen modellen, de aankoop van eeuwigdurende licenties of de aanschaf van infrastructuur om AI-workloads uit te voeren, kan een classificatie als kapitaaluitgaven (CapEx) passender zijn en zal dit een ander goedkeuringstraject in gang zetten.

Het onderscheid tussen OpEx en CapEx is niet alleen vanuit boekhoudkundig oogpunt van belang, maar ook in de praktijk. Voor CapEx-investeringen is doorgaans een formele businesscase vereist, duurt het goedkeuringsproces langer en moet er zichtbaarheid zijn op bestuursniveau. OpEx-uitgaven worden vaak sneller goedgekeurd en vallen onder de operationele begrotingen, waardoor ze zonder strategisch toezicht gemakkelijker kunnen oplopen.

Een steeds grotere uitdaging in 2026 is dat uitgaven voor AI op grote schaal in de OpEx-budgetten terechtkomen, zonder dat daar dezelfde grondige toetsing plaatsvindt als bij een vergelijkbare CapEx-investering. Een tiental AI-abonnementen op afdelingsniveau, die elk afzonderlijk zijn goedgekeurd omdat ze onder de OpEx-drempel vallen, kunnen samen een aanzienlijke strategische verbintenis vormen die door niemand in zijn geheel is geëvalueerd.

Om dit aan te pakken, voeren veel organisaties een regel voor geaggregeerde beoordeling in: zelfs als de goedkeuringen voor afzonderlijke AI-tools binnen de OpEx-drempels vallen, worden de totale AI-uitgaven binnen de organisatie elk kwartaal beoordeeld op het niveau van de directie of de IT-investeringscommissie. Dit voorkomt dat versnipperde goedkeuringsbeslissingen uitgroeien tot een onbeheerde portefeuille.

Welke bestuursrechtelijke controles moeten gelden bij de goedkeuring van uitgaven voor AI?

Goedkeuringen van AI-uitgaven moeten gepaard gaan met vier bestuursmaatregelen: een verplichte beoordeling van leveranciers en gegevens vóór goedkeuring, duidelijk omschreven verantwoordelijkheid en aansprakelijkheid voor elke AI-tool na implementatie, monitoring van het gebruik met escalatiecriteria, en een regelmatige portefeuillebeoordeling waarin de totale AI-uitgaven worden bekeken. Deze maatregelen zorgen ervoor dat goedkeuring niet het einde van het bestuur is, maar het begin van voortdurend beheer.

Elke bedieningsknop heeft een eigen functie:

• Beoordeling van leveranciers en gegevens: Voordat een AI-tool wordt goedgekeurd, moeten de afdelingen IT-beveiliging, Juridische Zaken en Compliance beoordelen hoe de leverancier met gegevens omgaat, waar deze worden opgeslagen en of de AI-uitkomsten van de tool regelgevingsrisico’s met zich meebrengen. Dit is een absolute voorwaarde voor tools die gegevens van klanten of medewerkers verwerken.
• Geregistreerd eigendom: Elke goedgekeurde AI-tool moet een aangewezen business owner hebben die verantwoordelijk is voor het realiseren van waarde, en een aangewezen IT-owner die verantwoordelijk is voor integratie, beveiliging en kostenbewaking. Zonder aangewezen verantwoordelijken verdwijnt de aansprakelijkheid.
• Monitoring van het verbruik: De afdelingen Financiën en IT moeten ten minste maandelijks inzicht hebben in de werkelijke kosten van AI-tools. Er moeten automatisch waarschuwingen worden geactiveerd wanneer de uitgaven de goedgekeurde limieten naderen of overschrijden.
• Beoordeling op portfolioniveau: Uit afzonderlijke goedkeuringen komen geen strategische patronen naar voren. Een driemaandelijkse evaluatie van alle actieve AI-tools, de kosten ervan, de eigenaren en de aangetoonde waarde ervan helpt het management om weloverwogen beslissingen te nemen over consolidatie, uitbreiding of buitengebruikstelling.

Het vakgebied IT Financial Management (ITFM) is hier direct toepasbaar. Dezelfde kaders die transparantie brengen in de bredere IT-uitgaven – door kosten te koppelen aan diensten, teams en bedrijfsresultaten – zijn evenzeer van toepassing op AI-uitgaven. Zonder die structuur worden AI-uitgaven een ‘schaduw-IT’-probleem, verpakt in moderne technologie.

Wanneer moet een uitgave op het gebied van AI aanleiding geven tot een volledige herziening van de IT-investeringen?

Uitgaven voor AI moeten aanleiding geven tot een volledige herziening van de IT-investeringen wanneer ze een vastgestelde kostendrempel overschrijden, wanneer ze van invloed zijn op de gegevensarchitectuur of de beveiligingspositie van de onderneming, wanneer ze op grote schaal afhankelijkheid van één enkele AI-leverancier creëren, of wanneer de totale AI-uitgaven binnen de organisatie zijn gestegen tot een aanzienlijk deel van het IT-budget. Elk van deze omstandigheden rechtvaardigt een gestructureerde evaluatie die verder gaat dan een standaard goedkeuring van een aankoop.

Een volledige beoordeling van een IT-investering is grondiger dan een standaardgoedkeuring. Deze omvat doorgaans een formele businesscase, een analyse van de totale eigendomskosten, een beoordeling van de strategische aansluiting en goedkeuring door de CIO en de CFO. Bij de beoordeling wordt niet alleen gekeken of de organisatie zich de investering kan veroorloven, maar ook of het gezien concurrerende prioriteiten de juiste investering is.

Concrete factoren die het de moeite waard zijn om in uw AI-governancebeleid op te nemen, zijn onder meer:

• Elke verbintenis met betrekking tot een AI-platform die de door u vastgestelde drempel voor goedkeuring door het management overschrijdt
• AI-tools die moeten worden geïntegreerd met kernsystemen van de onderneming, zoals ERP, CRM of datawarehouses
• Situaties waarin één enkele AI-leverancier meer dan een bepaald percentage van de totale AI-uitgaven voor zijn rekening zou nemen
• AI-investeringen waarbij eigen modellen worden getraind op basis van bedrijfsgegevens
• Elke implementatie van een AI-tool die gevolgen heeft voor meer dan één bedrijfsonderdeel of die aanpassingen aan de bestaande IT-architectuur vereist
• De totale uitgaven aan AI die jaar-op-jaar met meer dan een bepaald percentage zijn gestegen zonder dat dit gepaard ging met een bijbehorende strategische evaluatie

Tijdens het investeringsbeoordelingsproces moet ook worden nagegaan of de AI-uitgaven onder een bestaand IT-dienst- of productbudget vallen, of dat het gaat om een nieuwe capaciteit waarvoor een eigen begrotingspost en bestuursstructuur nodig is. Die classificatiebeslissing is bepalend voor de manier waarop de investering wordt bijgehouden, gerapporteerd en geëvalueerd op het gebied van waardecreatie in de loop van de tijd.

Hoe wij u helpen uw AI-uitgaven te beheren

We werken samen met IT- en financiële leidinggevenden binnen grote ondernemingen om financiële bestuursstructuren op te zetten die de uitgaven voor AI beheersbaar en transparant maken. Via onze FinOps-diensten, helpen wij u om verder te gaan dan eenmalige goedkeuringsbeslissingen en over te stappen op continu kostenbeheer dat gelijke tred houdt met het op verbruik gebaseerde prijsmodel van AI. Dit is wat wij te bieden hebben om uw uitdaging op het gebied van AI-budgetbeheer aan te pakken:

• Ontwerp van het goedkeuringskader: Wij helpen u bij het vaststellen van gelaagde bevoegdheidsstructuren, drempelbedragen en beslissingsbevoegdheden die aansluiten bij de omvang, het risicoprofiel en de mate van governance-volwassenheid van uw organisatie
• Monitoring van het verbruik en waarschuwingen: We implementeren tools die de afdelingen Financiën en IT realtime inzicht geven in de kosten van AI-tools, met automatische waarschuwingen zodra de uitgaven de goedgekeurde limieten overschrijden
• Richtlijnen voor de indeling van OpEx en CapEx: Wij helpen u om consistente classificatieregels toe te passen op al uw AI-investeringen, zodat de goedkeuringsprocessen duidelijk zijn en aan alle auditvereisten voldoen
• Beoordeling van de AI-uitgaven op portfolioniveau: Wij ontwikkelen rapportagestructuren die de totale AI-uitgaven aan het management in kaart brengen, waardoor weloverwogen beslissingen kunnen worden genomen over consolidatie, leveranciersstrategie en het realiseren van waarde
• Integratie van TBM en FinOps: We koppelen de uitgavengegevens voor AI aan uw bredere financiële IT-beheersstructuur, zodat de AI-kosten samen met de uitgaven voor on-premise en cloudoplossingen zichtbaar zijn in één enkel beheersmodel

Als u bezig bent met het opzetten of verfijnen van uw goedkeuringsproces voor AI-uitgaven en op zoek bent naar een bestuursmodel dat meegroeit met uw ambities, neem contact met ons op om te bespreken waar we moeten beginnen.