Generatieve AI breekt een van de meest duurzame economische aannames van software af: dat het bedienen van een extra klant, zodra het product eenmaal is gebouwd, bijna niets kost.

Traditionele software vereiste vaak een zware investering vooraf, maar ontwikkelaars konden het afgeronde product distribueren tegen zeer lage marginale kosten. Generatieve AI werkt anders. Elke prompt, elk gegenereerd antwoord en elke agentische taak moet opnieuw worden geproduceerd—en betaald.

Eerder dit jaar betoogde Stripe-medegrondlegger Patrick Collison dat software in het AI-tijdperk "zou moeten zijn als pizza": op bestelling gemaakt op het moment van gebruik. Software op bestelling brengt echter ook kosten op bestelling met zich mee.

De interneteconomie was grotendeels ontworpen rond menselijke intentie: mensen zochten, klikten, abonneerden zich en ronden aankopen af, terwijl bedrijven hun strategie daarop optimaliseerden—klanten werven, hen omzetten in abonnees en hen goedkoop op schaal bedienen. AI-agenten doen nu research, schrijven code, roepen API's aan, voeren taken uit en doen zelfs betalingen namens personen of bedrijven. Dat belooft snelheid en schaal, maar geautomatiseerde activiteit kan het verbruik—en de kosten—ver ruim buiten wat bedrijven verwachten of gewend zijn te managen.

Iedereen ziet hoe AI de rekenfacturen laat oplopen; veel minder aandacht gaat uit naar wie gratis mee profiteert. Misbruik van gratis proefversies en meerdere accounts zijn de stille moordenaars van de unit economics van AI, en bedrijven ontdek de schade vaak pas als hun marges al verdwenen zijn. De uitdaging is niet langer alleen het goedkoper maken van rekencapaciteit, maar het waarborgen dat verbruik zich vertaalt in omzet, in plaats van dat onverwacht of misbruikelijk verbruik de marges uitholt.

Azië laat zien hoe snel de verschuiving van experimenteren naar actie gaat. Een Stripe-enquête uit 2025 wees uit dat 82% van de bedrijfsleiders al bezig was met het implementeren van agentische AI of dat van plan was, en de helft van de respondenten verwacht dat in 2030 een groter deel van de omzet via AI-gedreven kanalen tot stand komt. Volgens Bain gebruikt 85% van de Zuidoost-Aziatische consumenten al AI-tools om hun aankoopbeslissingen te begeleiden, of overweegt dit.

Tokens worden de nieuwe handelseenheid

In het AI-tijdperk kunnen twee verschillende gebruikers enorm uiteenlopende werklasten genereren, en elke interactie brengt reële kosten met zich mee. Tokens—de kleine tekstfragmenten waarin AI-modellen taal opdelen—zijn de belangrijkste eenheid geworden voor het meten en afrekenen van verbruik, wat AI-bedrijven aanspoort tot usage-based of hybride prijsmodellen—modellen die de kosten van verbruik beter weerspiegelen en bedrijven in staat stellen verbruik in realtime te volgen en betalingen te innen.

Lovable, een AI-platform voor softwarecreatie dat Stripe gebruikt, illustreert deze transitie. Het bedrijf begon met abonnementen, maar is inmiddels overgestapt op verbruiksafhankelijke facturering: zodra klanten het gratis quotum van hun abonnement overschrijden, worden zij afgerekend op basis van hun AI-tokenverbruik.

Dat model introduceert een nieuw kwetsbaarheidspunt: tokendiefstal. Misbruikers spelen het systeem uit door meerdere accounts aan te maken, gratis proefversies te exploiteren en AI-tokens te verbruiken zonder ooit te willen betalen. Elke token die een gratisrider verbruikt, veroorzaakt directe operationele kosten die het bedrijf nooit zal terugverdienen.

Uit onderzoek van Stripe bleek dat meer dan één op de zes aanmeldingen bij AI-bedrijven samenhangt met misbruik van meerdere accounts. Bij die verhouding groeit misbruik mee met de groei: hoe sneller een AI-bedrijf gebruikers toevoegt, hoe meer gratislaad-accounts naast legitieme accounts binnenkomen.

Timing is cruciaal. AI-bedrijven kunnen zich niet veroorloven pas in te grijpen wanneer een betaalverzoek mislukt; tegen die tijd is de gebruiker allang vertrokken. In plaats daarvan moet misbruik worden opgespoord bij de aanmelding, voordat de eerste token überhaupt wordt verbruikt. Stripe voorkwam vorig jaar via oplossingen zoals Stripe Radar—an AI-tool voor fraudpreventie, getraind op gegevens van miljoenen bedrijven wereldwijd—voor $13 miljard aan fraude in Singapore.

Marges beschermen

De uitdaging is niet alleen het opsporen van tokendiefstal of fraude, maar het beslissen hoe te reageren. Bedrijven hebben meer inzicht nodig in waar hun marges kwetsbaar zijn, samen met de flexibiliteit om hun eigen risicotolerantie vast te stellen en hun reactie af te stemmen op verschillende gedragingen. Iemand die herhaaldelijk nieuwe accounts aanmaakt om gratis AI-tokens te stelen, moet bijvoorbeeld anders worden behandeld dan een betalende occasionele gebruiker wiens verbruik plotseling piekt.

De indicatoren om in de gaten te houden zijn concreet: het aandeel van nieuwe aanmeldingen dat is gemarkeerd voor misbruik van meerdere accounts, de snelheid waarmee gratis quota worden uitgeput, en of misbruik wordt opgespoord bij aanmelding of pas wanneer een betaling mislukt. Nu AI de kosten van klantbediening verandert, hangt het beschermen van marges niet alleen af van goedkopere rekenkracht, maar ook van het waarborgen dat elke verbruikte token telt.

De meningen in commentaarstukken op Fortune.com zijn uitsluitend die van de auteurs en weerspiegelen niet noodzakelijkerwijs de meningen en overtuigingen van Fortune. Dit verhaal verscheen oorspronkelijk op Fortune.com.