LLM’s worden commercieel: dit zijn de verdienmodellen

De grote vraag rond de bestaanszekerheid van LLM’s (Large Language Models) wordt langzaamaan beantwoord: hoe verdienen de makers van ChatGPT, Gemini en Claude hun gigantische investeringen terug? De eerste verdienmodellen dienen zich aan. In deze blog neem ik je mee in de manieren waarop techgiganten met AI zwarte cijfers hopen te schrijven.

Is AI een bubbel of niet? Op verschillende manieren wordt aan AI een hoop geld verdiend, maar niet door de leveranciers van LLM’s, één van de belangrijkste AI-eindproducten. Hardware wint over software. Over chipontwerpers als Nvidia, chipmachinebouwers als ASML en chipfabrieken als TSMC hoeven we ons namelijk weinig zorgen te maken; de chips die nodig zijn om AI aan te bieden gaan als warme broodjes. Maar degenen die AI’s als ChatGPT, Gemini en Claude in software uiteindelijk gebruiken – consumenten, overheden en bedrijven – dragen nauwelijks bij aan de winstgevendheid van deze diensten.

De huidige norm: een LLM is verlieslijdend

Hoeveel geld populaire AI-diensten precies verliezen is niet altijd duidelijk. Wel zijn er een aantal cijfers bekend. OpenAI, de maker van marktleider ChatGPT, spendeert het leeuwendeel van zijn omzet aan het overeind houden van de benodigde infrastructuur. Ook aan investeringen technologie en AI-training gaat veel geld op. Ondertussen wordt geld verdiend aan betaalde abonnementen, maar nog altijd zal het bedrijf tot en met 2029 zeker 115 miljard dollar verlies lijden. Pas in 2030 worden naar eigen zeggen de eerste winstcijfers verwacht, al kan deze claim op brede kritiek rekenen.

Bij concurrenten is het beeld niet veel anders. Anthropic, het bedrijf achter Claude, kwam in 2024 netto 5,3 miljard dollar tekort en blijft in 2025 ook verlieslatend met rode cijfers die opnieuw in de miljarden lopen. In Perplexity worden honderden miljoenen dollars geïnvesteerd terwijl er maar enkele tientallen miljoenen omzet wordt gerapporteerd. Gemini-maker Google hult zich in nevelen over de winstgevendheid. Analisten verwachten echter dat de situatie voor de (voormalige?) zoekgigant niet anders is.

Kortom, LLM’s zijn voor de portemonnee van makers en investeerders nog niet zaligmakend. Terwijl wij als consumenten en zakelijke gebruikers in toenemende mate prompts op de chatbots afvuren en dat veelal gratis doen, lijkt het niet meer dan logisch dat er een moment komt dat leveranciers de teugels aantrekken en gaan inzetten op verdienmodellen. Ze kunnen op verschillende manieren zorgen dat hun diensten geld opbrengen:

1.      Gratis diensten afknijpen & focus verleggen naar betaalde abonnementen

Een van de meest voor de hand liggende verdienmodellen die al gauw na de introductie van de eerste LLM’s zichtbaar werd is het betaalde abonnement. Op vrijwel alle populaire gratis diensten kun je tegen maandelijkse betaling een pro of premium abonnement kiezen. Deze belooft bijvoorbeeld het gebruik van een recenter, beter getraind taalmodel, meer geheugen (meer input en langere antwoorden) of laat je gebruikmaken van geavanceerde functionaliteit als ‘deep research’ en het genereren van afbeeldingen of video.

Om kosten te drukken zullen LLM’s gratis functionaliteit afknijpen. Vanwege het mogelijke verlies aan marktaandeel – daarmee druk zettend op andere mogelijke verdienmodellen – zijn leveranciers daar niet extreem happig op, maar gratis alles weggeven is ook onhoudbaar. Vandaar dat je steeds vaker zult merken dat je met een gratis dienst beperkt wordt in het aantal prompts, geavanceerde functionaliteit niet of nauwelijks mag gebruiken of dat wordt teruggeschakeld op een zoveel mogelijk energiezuinig model dat voor de leverancier de minste kosten oplevert.

2.      Shopping-diensten introduceren

Halverwege november introduceerde Google in het Google AI-zoekvenster en chatbot Gemini e-commerce. Amerikaanse gebruikers kunnen via de diensten direct aankopen doen, zonder dat ze daarvoor gebruik hoeven te maken van de website van een aanbieder of een marktplaats als Amazon.

Naar verwachting zijn wij als Europese consumenten binnenkort ook aan de beurt. En zullen andere AI-leveranciers de stap van Google volgen. Zo kwam ChatGPT onlangs met Shopping Research Mode en kent ook Perplexity nu een shopping-modus waarin je direct via PayPal producten kunt aanschaffen. Voor AI-aanbieders is deze evolutie van de LLM super interessant, want hier wordt commissie per aankoop verdiend én de gebruiker blijft binnen het platform. Een partij als Bol.com zal zich hier zeker zorgen om maken.

3.      Advertenties tonen

Naast e-commerce kun je binnenkort ook vaker advertenties in je chatbot verwachten. Net zoals Google de laatste jaren gebukt gaat onder gesponsorde resultaten, zullen LLM’s ook zwichten voor partijen die geld betalen voor een link naar hun website. Organisaties die eerder volop adverteerden via Google en door Google gerunde advertentienetwerken moeten wel hun zeilen verzetten, want door de populariteit van chatbots dalen de impressies op Google en andere websites.

Begin december begon OpenAI met het testen van advertenties binnen ChatGPT. Hoewel je misschien zou verwachten dat dit alleen voor de gratis versie zou gelden, kregen ook gebruikers van de dure Pro-versie advertenties in de vorm van ‘suggesties’ te zien. De heftigheid van reacties hierop was zo fel, dat OpenAI onmiddellijk op de pauzeknop drukte. Maar dat er vroeg of laat toch advertenties in LLM’s gaan verschijnen, is een zekerheidje.

4.      Bundeling of samenvoeging met betaalde pakketten

Een manier om een ‘gratis’ AI inkomsten te laten genereren is door deze te bundelen in een breder (online) softwarepakket. Een exemplarisch voorbeeld hiervan is Microsoft Copilot. Copilot is als losse chatbot kosteloos te gebruiken, maar komt vooral tot zijn recht binnen een Microsoft 365 omgeving. Sterker nog, gebruikmaken van de uitgebreide, betaalde versie van Copilot kan ook enkel binnen een 365-abonnementsmodel.

Ondertussen zijn er ook steeds meer andere online zakelijke (SaaS) tools die gebruikmaken van de chatbots en taalmodellen van de grote spelers. Het loont voor deze partijen niet om zelf een model te bouwen, dus maken ze gebruik van wat er al bestaat. Zo gebruikt Copilot-concurrent Notion AI de modellen van OpenAI en Anthropic (Claude), terwijl schrijftool Jasper OpenAI, Gemini, Claued en Llama gebruikt. Ook tools van bijvoorbeeld Salesforce, Adobe, Shopify, Hubspot, Slack en Zoom maken gebruik van bestaande LLM-technologie. (En eigenlijk geldt dit voor bijna iedere ontwikkelaar of dienstverlener die een AI-component in zijn software integreert.)

Voor de grote AI-ontwikkelaars zijn dergelijke integraties lucratief. Ze kunnen hun technologie onder licentie door betaalde tools laten gebruiken en ontvangen commissie elke keer als een dienst hun chatbot aanroept (via API-requests).

Als gebruikers de meerwaarde van gespecialiseerde AI-tools ontdekken, kan dit de aandacht afleiden van de algemene, gratis varianten van LLM’s en daarmee de kosten van het beschikbaar houden hiervan voor de aanbieders drukken.

5.      LLM-training & verkoop van data aan derden

Zoals bekend is het bouwen en in de lucht houden van een LLM chatbot peperduur. Ook het voeden van een taalmodel met nieuwe data is niet goedkoop en wordt steeds duurder. Trainen van AI vraagt om investeringen in hardware, energie en menselijke arbeid.

Het kan daarom gunstig zijn om AI gedurende het gebruik te trainen. Op deze manier leert AI on-the-job van de informatie die het gevoed krijgt en kunnen AI-leveranciers besparen op trainingskosten. Aanbieders van AI gaan daar op dit moment op verschillende manieren mee om.

Een bekend probleem van data van LLM’s gebruiken voor training is privacy. Gebruikers zijn er niet happig op hun data te laten gebruiken voor trainingsdoeleinden. En terecht. Stel, een medewerker van een organisatie uploadt de financiële boekhouding naar een GPT om deze te laten checken en deze data wordt gebruikt in een toekomstige versie van het model die ook door concurrenten wordt aangewend. Wie weet gebeurt het dan dat concurrenten met de juiste prompt hiermee inzage krijgen in gevoelige gegevens die nooit bedoeld waren om met anderen te delen.

Een gevolg van de behoefte aan actuele, goede data om LLM’s mee te trainen is dat gebruikersdata super waardevol is. Sommige bedrijven zien de markt in data als gouden handel, wat duidelijk maakt dat ‘gratis’ gebruik van een LLM vaak niet echt gratis is. De diensten drijven op jouw input, waarmee de kosten voor het ontwikkelen en in de lucht houden ervan (deels) worden terugverdiend.

Dit laat nog buiten beschouwing dat er een moment kan komen dat bedrijven als OpenAI, Anthropic, Google en Meta gebruikersdata ook aan derden gaan verkopen. Dit lijkt nu nog niet het geval te zijn, maar er gaat ongetwijfeld een keer een situatie ontstaan waarin AI-leveranciers overstag gaan en deze data ten prooi valt aan de advertentiemarkt, waarin jaarlijks voor meer dan een biljoen euro verhandeld wordt.

De toekomst: minder gratis, meer betalen

De geschetste verdienmodellen worden nu al ingezet, maar nog op bescheiden schaal. Gebruikers merken er tot nu toe weinig van. Maar dat kan snel veranderen, vooral door ontwikkelingen in e-commerce en advertising.

Het zou mij daarom niet verbazen als je over enkele jaren chatbot die je dan inzet niet meer herkent als degene die je nu gebruikt. Ik denk dat betalen voor intensief, professioneel gebruik de norm wordt en dat goedkopere abonnementen en gratis varianten bol zullen staan van advertenties.

Bovendien zal het aantal serieuze spelers dan ook minder zijn; de verwachting is dat het aantal AI-tools eerder krimpt dan verder groeit. Na een dergelijke consolidatieslag is het vanzelfsprekend dat de tools die overblijven (meer) geld gaan vragen voor wat ze aanbieden. De kostprijs van AI is nu eenmaal aanzienlijk en deze zal met hogere eisen aan computerkracht en hogere energieprijzen eerder toenemen dan dalen.