Twee berichten, één rekening
Binnen anderhalve week vielen twee berichten op die op het eerste gezicht niets met elkaar te maken hebben. Eind mei meldde The Verge dat Microsoft duizenden interne Claude Code-licenties schrapt omdat de kosten te hard oplopen. Op 3 juni publiceerde de VN-universiteit een rapport dat becijfert hoeveel stroom, water en land AI wereldwijd opslokt. Twee verhalen, dezelfde onderliggende vraag: wat kost AI nou eigenlijk écht?
Die vraag stelden we eerder dit jaar al voor licentieprijzen, in ChatGPT duurder dan een stagiair?. Dit artikel gaat over de rest van de rekening: de verborgen kosten van AI die niet op je factuur staan, maar wel degelijk betaald worden. Door het stroomnet, door waterbekkens in droge regio’s, en soms door de boekhouding van een hyperscaler.
Wat het VN-rapport becijfert: stroom, water en land
Het rapport Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints komt van UNU-INWEH, het waterinstituut van de Universiteit van de Verenigde Naties, en verscheen op 3 juni 2026 (Bron: UNU-INWEH). Veel losse cijfers circuleerden al langer, maar dit overzicht is completer dan eerdere pogingen. “Het geeft een breed beeld van de impact van AI”, zegt onderzoeker duurzame digitalisering Bernard van Gastel van de Radboud Universiteit tegen de NOS (Bron: NOS).
De kerngetallen, even op een rij. Wereldwijd verbruikten datacenters in 2025 naar schatting 448 terawattuur elektriciteit. Was het een land geweest, dan stond het op plek elf van grootste stroomverbruikers, net achter Frankrijk en vóór Saudi-Arabië. Richting 2030 verwacht het rapport een ruime verdubbeling naar 945 terawattuur, bijna 3% van het wereldwijde stroomverbruik (Bron: UNU persbericht).
Daar blijft het niet bij, en dat is precies het punt van de onderzoekers. Bij die stroom van 2030 hoort een watervoetafdruk van 9.300 miljard liter, evenveel als de jaarlijkse basisbehoefte aan water van alle 1,3 miljard inwoners van Sub-Sahara-Afrika. En een landvoetafdruk van ruim 14.500 vierkante kilometer, ongeveer twee keer de metropoolregio Jakarta.
De slimste observatie uit het rapport is misschien wel deze: de drie voetafdrukken bewegen niet dezelfde kant op. Wie van steenkool overstapt op bio-energie verlaagt de CO2-uitstoot gemiddeld met 70%, maar vermenigvuldigt het waterverbruik met ruim dertig en het landgebruik met honderd. “Laag-koolstof” is dus niet automatisch zuinig met water of land. Hoofdauteur Miriam Aczel verwoordt het zo: wat vanuit klimaatperspectief het groenst lijkt, pakt geregeld slechter uit voor water of land, vaak op plekken die daar niet om gevraagd hebben.
Beginner-tip:Vraag je je af waar al die energie precies in gaat zitten als je een AI-model een vraag stelt? Onze uitlegover AI-inferentie: van tokens tot wattsneemt je stap voor stap mee, zonder technisch jargon.
Het dagelijkse gebruik is de grootste slokop
Jarenlang ging de discussie vooral over het trainen van grote modellen. Logisch: de getallen zijn indrukwekkend. GPT-3 kostte naar schatting 1,3 gigawattuur aan trainingsstroom, GPT-4 al 50 tot 70 gigawattuur. Toch noemt het VN-rapport die framing achterhaald. Zodra een model live staat, neemt inference het over: het continu draaien van het model om dagelijkse vragen te beantwoorden. Dat is goed voor 80 tot 90% van het totale AI-energieverbruik.
ChatGPT alleen al verwerkt zo’n 2,5 miljard prompts per dag, goed voor ruwweg 383 gigawattuur per jaar. Voor één product. Het rapport rekent voor dat je de bijbehorende CO2-uitstoot pas compenseert met 2,6 miljoen boompjes die tien jaar groeien, samen een bos zo groot als Manhattan.
Per losse vraag valt het mee, en dat is meteen de valkuil. Een gewone chatvraag kost ongeveer 200 keer zoveel energie als een basale tekstclassificatie. Eén AI-afbeelding zit al op zo’n 1.450 keer dat ijkpunt: genoeg stroom om een ledlamp van 10 watt 17 minuten te laten branden, plus zo’n 29 milliliter water, twee eetlepels. Eén complexe AI-video laat diezelfde ledlamp 42 uur branden en kost 4,1 liter water. De onderzoekers formuleren het droogjes: één kort AI-filmpje staat gelijk aan 200.000 spamclassificaties.
Hier wreekt zich wat economen het rebound-effect noemen, ook bekend als de Jevons-paradox. Worden modellen zuiniger, dan worden ze goedkoper, en dus gebruiken we ze vaker en voor meer taken. Directeur Kaveh Madani van UNU-INWEH, dit jaar winnaar van de Stockholm Water Prize: efficiëntere en goedkopere AI betekent méér AI-verbruik, waardoor de totale voetafdruk groter wordt dan wat je met efficiëntie bespaart.
De lasten liggen waar de baten niet komen
Het tweede deel van het rapport gaat over verdeling, en daar wordt het schurend. Slechts 32 landen hebben gespecialiseerde AI-datacenters binnen de grenzen. Ruim 90% van die rekenkracht staat in twee landen: de Verenigde Staten en China. Meer dan 150 landen hebben helemaal geen eigen AI-compute en moeten betalen voor toegang, terwijl de nadelen wél bij hen neerslaan: vervuiling door de winning van koper en silicium, e-waste, en de klimaatverandering die juist arme landen het hardst raakt.
De lokale voorbeelden uit het rapport maken het concreet. In Ierland namen datacenters in 2023 al 21% van alle gemeten elektriciteit voor hun rekening, meer dan alle stedelijke huishoudens samen; de netbeheerder keurt rond Dublin tot 2028 geen nieuwe aansluitingen goed. In het Mexicaanse Querétaro trekt de groeiende compute-industrie aan watervoorraden midden in aanhoudende droogte. En in Uruguay vielen de plannen voor een waterintensief datacenter samen met de droogte van 2023, toen het kraanwater van Montevideo tijdelijk ondrinkbaar werd.
“Dat ze zoveel water gebruiken uit de omgeving terwijl er waterschaarste is, of gaat komen”, noemt voetafdruk-onderzoeker Alex de Vries-Gao tegenover de NOS als hét pijnpunt. Hij wijst er ook op dat AI-bedrijven stelselmatig geen openheid geven over hun verbruik (Bron: NOS).
Tel daar de afvalkant bij op: AI-infrastructuur kan tegen 2030 jaarlijks tot 2,5 miljoen ton elektronisch afval opleveren, vergelijkbaar met 250 Eiffeltorens per jaar. Veel daarvan wordt verwerkt in lage-lonenlanden met beperkte milieubescherming. Nederland kent zijn eigen versie van dit spanningsveld trouwens al langer: AI draait op miljarden subsidie en botst met het stroomnet.
Gevorderden:Het rapport introduceert een bruikbaar denkmodel voor je eigen architectuurkeuzes: elke kilowattuur heeft drie voetafdrukken (CO2, water, land), en die hangen af van wáár je workload draait en op welke energiemix. Wie regio-keuze in de cloud alleen op latency en prijs baseert, neemt impliciet ook een milieubeslissing. Sommige providers publiceren per regio CFE-percentages (carbon-free energy); waterdata blijft helaas vrijwel overal een blinde vlek.
Zelfs Microsoft verslikt zich in de rekening
Dan de financiële kant, want daar speelt iets opmerkelijks. Microsoft gaf zijn medewerkers in december 2025 breed toegang tot Claude Code, de programmeerassistent van Anthropic. Het werd intern een hit: duizenden ontwikkelaars, projectmanagers en designers gebruikten de tool dagelijks, en velen verkozen ‘m boven Microsofts eigen GitHub Copilot. Toch moet de complete Experiences + Devices-divisie, het team achter Windows, Microsoft 365, Outlook, Teams en Surface, er uiterlijk 30 juni 2026 mee stoppen en overstappen op GitHub Copilot CLI, meldt The Verge (Bron: Windows Central).
De reden is niet dat de tool tegenviel. Het probleem was juist dat hij té goed beviel. Bij token-gebaseerde prijzen betaal je per prompt, per uitvoer en per gegenereerde regel code, los van het aantal gebruikers. Zodra duizenden mensen zo’n tool dagelijks in hun workflow hebben zitten, wordt de rekening lastig voorspelbaar. TechRadar wijst er fijntjes op dat de deadline precies samenvalt met het einde van Microsofts fiscale jaar (Bron: TechRadar).
Microsoft staat hierin niet alleen. Inkoopplatform Tropic ziet vendors bij contractverlengingen een “AI-tax” van 20 tot 37% bovenop de prijs leggen, fors meer dan de gebruikelijke jaarlijkse verhoging van enkele procenten (Bron: Tropic). En Uber joeg zijn complete AI-toolbudget voor 2026 er in vier maanden doorheen, vooral aan Claude Code en Cursor; sindsdien geldt er een plafond van 1.500 dollar per medewerker per maand (Bron: Fortune). Het FD signaleerde onlangs dat AI-kosten bij bedrijven snel oplopen terwijl de opbrengst vaak onduidelijk blijft (Bron: FD).
Even stilstaan bij wat hier gebeurt. Als zelfs een bedrijf dat zijn eigen datacenters bezit, zijn eigen modellen host en aan de hele wereld AI verkoopt, de rem erop zet omdat extern AI-gebruik financieel onvoorspelbaar wordt, dan zegt dat iets over hoe kwetsbaar pure verbruiksmodellen zijn zodra AI de standaard wordt in je workflow.
Gevorderden:De les uit de Microsoft-casus luidt: meet per eenheid werk. Reken je AI-kosten door per 1.000 tickets, per pull request of per offerte, zoals je dat bij e-mail- of sms-providers zou doen. Sluit je een groter contract af, kijk dan eerst naar onzeinkoop-checklist voor AI-contracten: juist clausules over prijswijzigingen en verbruiksplafonds maken het verschil tussen een voorspelbare en een ontplofte begroting.
Wat dit betekent voor jouw AI-gebruik
Het VN-rapport is nadrukkelijk geen pleidooi tegen AI. Directeur Madani noemt het een oproep tot verantwoord gebruik, geen aanklacht. De aanbevelingen voor gebruikers laten zich samenvatten in één principe: fit-for-purpose. Kies het lichtste model en het zuinigste uitvoerformaat dat je taak aankan.
Praktisch betekent dat een paar dingen. Gebruik voor een samenvatting of e-mailcorrectie een klein, snel model en bewaar de zware frontier-modellen voor taken die het verschil rechtvaardigen. Genereer beelden en video bewust: niet elke presentatie heeft een AI-illustratie nodig die qua energie gelijkstaat aan duizenden tekstvragen. En wissel niet blind van abonnement naar abonnement; bekijk eerst welke AI-assistent past bij wat jij doet.
Voor organisaties komt er een laag bij. Vraag leveranciers om verbruiksdata, want zonder transparantie kun je niet sturen. Behandel de regiokeuze van je cloud-workloads als milieubeslissing. En budgetteer AI zoals Microsoft het nu noodgedwongen doet: op werkelijke verbruikspatronen, niet op de licentieprijs van de brochure.
De experts in het NOS-stuk zijn eerlijk over de beperkingen van het rapport. De aanbevelingen blijven deels “open deuren”, zegt Van Gastel, en een wereldwijd systeem om AI-gebruik te begrenzen bestaat eenvoudigweg niet. Toch ligt de volledige rekening van AI nu voor het eerst op tafel: in stroom, water, land én euro’s. Vanaf vandaag kan niemand, van Redmond tot jouw kantoor, nog zeggen dat hij die cijfers niet kende.
Samenvatting — de 5-minuten-versie
- Het VN-rapport van UNU-INWEH (3 juni 2026) becijfert de milieukosten van AI op drie assen tegelijk: richting 2030 verbruiken datacenters 945 terawattuur stroom, 9.300 miljard liter water en ruim 14.500 km² land.
- Het dagelijkse gebruik van AI (inference) vormt 80 tot 90% van het totale AI-energieverbruik; training is eenmalig. ChatGPT verwerkt 2,5 miljard prompts per dag; één AI-video kost evenveel stroom als 200.000 spamclassificaties.
- De baten en lasten zijn scheef verdeeld: 90% van de AI-rekenkracht staat in de VS en China, terwijl meer dan 150 landen geen eigen compute hebben maar wél de gevolgen dragen via grondstofwinning, e-waste en klimaatschade.
- Zelfs Microsoft zet de rem op externe AI-tools: per 30 juni 2026 verdwijnen de meeste interne Claude Code-licenties omdat token-gebaseerde kosten onvoorspelbaar werden. Uber verbruikte zijn AI-jaarbudget in vier maanden.
- De praktische les voor jou: kies per taak het lichtste model dat volstaat, wees zuinig met beeld- en videogeneratie, en reken zakelijke AI-kosten door per eenheid werk in plaats van per licentie.
Bronnen
- UNU-INWEH — Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints — het volledige VN-rapport (3 juni 2026)
- UNU-INWEH persbericht — Rising Emissions, Depleting Water and Vanishing Land — kerncijfers en citaten van de onderzoekers
- NOS — Milieudruk van AI groeit en voordelen zijn oneerlijk over de wereld verdeeld — duiding door Nederlandse experts Van Gastel en De Vries-Gao
- Windows Central — Microsoft cancels Claude Code licenses, shifting developers to GitHub Copilot CLI — samenvatting van de The Verge-primeur
- TechRadar — Microsoft may discontinue Claude Code internally — context over timing en fiscale jaargrens
- Tropic — The AI Tax: How AI Is Driving Software Price Increases — primaire data over de 20-37% prijsverhogingen bij AI-gedreven contractverlengingen
- Fortune — Uber burned through its entire 2026 AI budget in four months — Uber-casus incl. het nieuwe uitgavenplafond per medewerker
- FD — AI-kosten voor bedrijven lopen snel op, maar opbrengst is nog vaak onduidelijk — bredere bedrijfseconomische context