The Smart Factory Signal: It's Not Token Burn, It's Where the Tokens Burn

Door Wim Dijkgraaf, founder & CEO van Quotation Factory

De afgelopen maanden ben ik meerdere keren letterlijk van mijn stoel gevallen.

Niet door een nieuw dashboard. Niet door een mooie demo. Niet door weer een extra AI-feature in een bestaand softwarepakket.

Maar door iets veel fundamentelers: de kwaliteitssprong van de nieuwste AI-modellen, in combinatie met de manier waarop ze tools, systemen en codebases kunnen gebruiken, heeft voor mij één ding glashelder gemaakt. We zijn een nieuwe fase ingegaan. Geen volgende stap in digitalisering, maar een nieuwe operationele realiteit.

Ik geloof oprecht dat we aan het begin staan van een intelligence explosion.

En voor bedrijven in de maakindustrie betekent dat dat we opnieuw moeten leren kijken naar werk, naar software, naar innovatie en zelfs naar financiële sturing.

Waarom ik hier nu over schrijf

Ik heb onlangs een livestream gedaan over een artikel dat ik publiceerde op onze website. Dat artikel ging over tokenverbruik: een onderwerp dat op het eerste gezicht technisch en financieel klinkt, maar in werkelijkheid veel groter is.

Want tokenverbruik is niet alleen een kostenpost. Het kan een signaal worden. Een indicator. Misschien zelfs een van de meest interessante nieuwe maatstaven om te beoordelen hoe slim een bedrijf werkelijk opereert.

Niet omdat veel tokenverbruik automatisch goed is.

Maar omdat de plek waar tokens worden verbruikt steeds meer gaat zeggen over de volwassenheid van je bedrijf.

Daar zit voor mij de kern.

Eerst dit: openheid is geen bijzaak

Voordat ik inga op AI, wil ik iets anders benoemen.

Ik heb me recent kritisch uitgelaten over initiatieven in de maakindustrie die veel taal, veel samenwerking en veel positionering laten zien, maar waarbij de inhoud lastig vindbaar is of onvoldoende concreet wordt gedeeld.

Mijn standpunt daarin is simpel: als je als sector zegt dat je samen wilt leren en samen wilt versnellen, dan hoort daar openheid bij. Niet alleen marketing. Niet alleen manifesten met abstracte uitgangspunten. Maar laten zien wat je doet, wat werkt, wat niet werkt, welke keuzes je maakt en waar de echte lessen zitten.

Dat is ook precies waarom ik zelf bewust transparant probeer te zijn over hoe wij bouwen, hoe wij denken en hoe wij AI inzetten binnen Quotation Factory.

Als we in 2026 nog steeds doen alsof operationele vernieuwing iets geheimzinnigs moet blijven, dan remmen we onszelf als sector af.

Wat er de afgelopen twee maanden echt is veranderd

Veel mensen hebben nog steeds het beeld dat generatieve AI vooral handig is voor teksten, samenvattingen, marketingcontent of een eerste opzet van een document. Dat beeld is inmiddels achterhaald.

Wat er sinds begin 2026 is gebeurd, is dat nieuwe modellen van onder andere OpenAI en Anthropic op een niveau zijn gekomen waarop ze veel beter over langere trajecten kunnen redeneren, context kunnen vasthouden, tools kunnen gebruiken en zelfstandig werk kunnen uitvoeren binnen een duidelijke opdracht.

Dat is op zichzelf al belangrijk.

Maar de echte versnelling ontstaat wanneer je dat combineert met twee andere ontwikkelingen:

1. steeds meer software ondersteunt een protocol waarmee AI-modellen veilig tools kunnen aanroepen en data kunnen ophalen;
2. zelfs als systemen dat protocol nog niet ondersteunen, kunnen de nieuwste modellen vaak op basis van publieke API-documentatie zelf de juiste integratielogica opzetten.

Dat betekent in de praktijk dat AI niet meer alleen "meedenkt", maar ook handelt.

En zodra AI kan handelen, verschuift je hele beeld van automatisering.

Het verschil tussen het veranderbedrijf en de going concern

Om te begrijpen waarom dit zo ingrijpend is, maak ik zelf altijd onderscheid tussen twee werelden binnen een bedrijf.

De eerste is het veranderbedrijf. Daar vallen innovatie, projecten, nieuwe proposities, procesverbeteringen en systeemveranderingen onder.

De tweede is het continu bedrijf, of de going concern. Dat is de dagelijkse operatie: marketing, sales, support, customer success, integratiebeheer, SLA's nakomen, klantcontact, opvolgacties, monitoring.

Die twee werelden staan met elkaar in verbinding. Wat je in het veranderbedrijf ontwikkelt, moet uiteindelijk landen in de going concern. Daar moet het waarde gaan leveren.

Precies daar wordt AI nu interessant.

Wat wij bij Quotation Factory zien in de dagelijkse operatie

Quotation Factory is altijd een digitaal en data-first bedrijf geweest. We werken al jaren volledig online. Vrijwel al onze communicatie verloopt via systemen die een spoor nalaten: CRM, supportsoftware, meetingtranscripties, platformevents, gebruiksdata, online interacties.

Dat betekent dat we over een uitzonderlijk rijke datastroom beschikken.

En juist daardoor kunnen AI-agents in de dagelijkse operatie nu echt waarde leveren.

Een concreet voorbeeld: stel dat iemand in het customer success team onverwacht twee weken eerder uitvalt dan gepland. Dan is er meteen een operationeel probleem. Meetings moeten worden herverdeeld, klanten moeten bij de juiste mensen terechtkomen, context mag niet verloren gaan, collega's moeten snel begrijpen wat speelt.

Vroeger loste je dat op met veel handwerk, veel afstemming en veel risico op informatieverlies.

Nu kunnen gekoppelde systemen en AI-agents dat werk grotendeels overnemen. Op basis van agenda's, eerdere meetingtranscripties, klantgeschiedenis en kennis van specialismen binnen het team kan een agent voorstellen wie welke gesprekken moet overnemen, waarom dat logisch is, wat de achtergrond van het dossier is en welke aanvullende informatie relevant is.

De business loopt dan gewoon door.

Dat is niet alleen efficiënter. Het is ook kwalitatief beter.

Een ander voorbeeld is hoe we prospectgesprekken verwerken. Van gesprekken worden automatisch transcripties en samenvattingen gemaakt. Daar voeren we vervolgens analyses op uit, waarbij de inhoud wordt gekoppeld aan profielen, impacthypotheses en vervolgstappen. Op basis daarvan worden taken gegenereerd, risico's gesignaleerd en vervolgacties automatisch aan de juiste personen toegewezen.

Het toetsenbord speelt daarin steeds minder de hoofdrol.

Niet omdat mensen verdwijnen, maar omdat vastlegging, structurering, classificatie en opvolging steeds vaker door gespecialiseerde AI-processen worden uitgevoerd.

Wat er in het veranderbedrijf gebeurt is minstens zo ingrijpend

In het veranderbedrijf is de impact minstens zo groot, misschien zelfs groter.

Wij zijn op dit moment volop bezig om Quotation Factory verder te ontwikkelen als AI-first bedrijf. Dat betekent onder andere dat we onze codebase anders moeten organiseren, zodat die beter hanteerbaar wordt voor AI-gedreven ontwikkeling.

Ook daar zien we iets fascinerends gebeuren.

Omdat ons platform event-driven is, leggen we context vast wanneer er iets misgaat. Denk aan een fout in de verwerking van een CAD-model of een specifieke werktekeningvariant die nog niet goed wordt ondersteund. Zodra zo'n situatie zich voordoet, ontstaat er een event. Dat event bevat context: om welke klant het gaat, welk bestand betrokken is, wat er precies fout ging, onder welke technische omstandigheden dat gebeurde.

Daar kan vervolgens een agent op subscriben.

Die agent maakt automatisch een ticket aan, analyseert het probleem, haalt relevante bestanden op, bepaalt in welke broncode gezocht moet worden, schrijft eerst een falende test, zoekt daarna een oplossing, draait alle tests opnieuw en maakt uiteindelijk een pull request aan dat nog door een mens moet worden goedgekeurd.

Daarna kan de reguliere deploymentflow het overnemen.

Wat hier ontstaat, is een closed loop waarin softwareproblemen sneller, consistenter en schaalbaarder worden opgelost, terwijl het systeem tegelijkertijd leert van nieuwe varianten in de praktijk.

Voor onze klanten is dat cruciaal. Zij worden immers ook geconfronteerd met input die nooit volledig voorspelbaar is. De praktijk van de maakindustrie is rommelig, divers en altijd in beweging. Juist daarom is dit zo krachtig.

De echte omslag zit niet in de technologie, maar in gedrag

Wat mij misschien nog wel het meest opvalt, is dat de grootste verandering niet technisch is maar menselijk.

Je kunt rationeel begrijpen dat AI veel kan. Je kunt presentaties zien, video's kijken, benchmarks lezen en use cases bestuderen. Maar het kwartje valt pas echt wanneer je je eigen werk anders gaat organiseren.

Daar zit de discipline.

Bij vrijwel alles wat we doen, moeten we onszelf nu actief afvragen: doen we dit nog op de oude manier omdat dat vertrouwd voelt, of ontwerpen we dit opnieuw vanuit de vraag hoe AI hier kan ondersteunen, versnellen of overnemen?

Dat is geen kleine verandering. Dat is gedragsverandering.

En in mijn ervaring is dat de echte drempel voor bedrijven die zeggen dat ze met AI bezig zijn, maar in de praktijk nog grotendeels volgens het oude operating model werken.

Dan het financiële vraagstuk: waarom token burn ertoe doet

En dan kom ik bij de kern van mijn oorspronkelijke artikel.

AI kost tokens. Zodra je AI serieus inzet in je bedrijf, ontstaat er dus een nieuwe variabele kostencomponent. Waar je vroeger veel werk organiseerde met mensen, licenties en vaste contracten, komt daar nu een dynamische stroom van tokenverbruik bij.

Dat heeft direct invloed op hoe je naar cashflow, kostenstructuur en operationele sturing kijkt.

Maar dat is voor mij nog niet het interessantste.

Het interessante is dat tokenverbruik ook iets laat zien over waar intelligence in je bedrijf daadwerkelijk aan het werk is.

Als je vooral tokens verbruikt in het veranderbedrijf — experimenten, innovatie, analyses, prototypes, ontwikkeltrajecten — dan zegt dat vooral iets over je innovatie-activiteit.

Dat is waardevol. Het kan een teken zijn dat je snelheid maakt, dat je leert, dat je bouwt.

Maar de echt spannende vraag is wat er gebeurt in de going concern.

Wanneer tokenverbruik zichtbaar wordt in planning, support, engineering, klantopvolging, kwaliteitsborging en dagelijkse operationele processen, dan begint AI niet alleen je innovatievermogen te vergroten, maar ook je operationele metabolisme te veranderen.

En precies daar zie ik het smart factory signal ontstaan.

Niet in de vraag óf je AI gebruikt.

Niet in de vraag hoeveel pilots je doet.

Niet in de vraag hoeveel marketing je rond AI organiseert.

Maar in de vraag: waar in je bedrijf wordt intelligence daadwerkelijk verbruikt?

Van hype-indicator naar performance-indicator

Ik denk dat tokenverbruik in de nabije toekomst voor veel bedrijven een nieuwe indicator wordt. Niet als los getal, maar als een patroon.

Waar zitten de tokens? In experimenten? In ondersteunende taken? In de kern van de operatie? In closed loops die zichzelf verbeteren? In processen die direct bijdragen aan klantwaarde, snelheid, kwaliteit en schaalbaarheid?

Als je dat goed leert lezen, krijg je een veel interessanter beeld van de volwassenheid van een bedrijf dan met de meeste klassieke digitaliseringslabels.

Daarmee zeg ik niet dat meer tokenverbruik altijd beter is. Net zoals meer energieverbruik niet automatisch een beter productieproces betekent.

Maar de verdeling van dat verbruik, de kwaliteit van de inzet en de relatie met tastbare businessoutput gaan enorm veel zeggen.

Voor mij is dat een veel serieuzere manier om naar de smart factory te kijken dan de gebruikelijke oppervlakkige discussies.

Mijn overtuiging

Mijn overtuiging is dat we pas aan het begin staan.

De bedrijven die winnen in het AI-tijdperk zullen niet per se de bedrijven zijn die het luidst roepen dat ze "iets met AI doen". Het zullen de bedrijven zijn die intelligence het diepst embedden in execution.

Daarvoor heb je technologie nodig, ja.

Maar nog meer heb je openheid nodig, discipline, operationeel ontwerpvermogen en de bereidheid om je eigen gedrag fundamenteel te veranderen.

Dat is wat wij op dit moment zelf doormaken bij Quotation Factory.

En precies daarom blijf ik erover schrijven, delen en laten zien wat we leren.

Niet omdat wij alles al weten.

Maar omdat ik denk dat dit hét gesprek is dat de maakindustrie nu moet voeren.