Google lanceert Gemini 4 Argon en mikt op het duurste denkwerk

Een fout in een spreadsheet herstellen, een omvangrijk softwareproject doorgronden of honderden documenten vergelijken. Juist bij dat soort werk wil Google met Gemini 4 Argon een grotere rol spelen. De aankondiging van woensdagavond 30 september draait om taken waarvoor mensen nu veel tijd en specialistische kennis nodig hebben.

Volgens de berichtgeving van CNBC maakt het model grote stappen in programmeren, cybersecurity en zakelijk denkwerk. Google presenteert Argon als zijn krachtigste model tot nu toe. Dat is een claim van de maker, geen garantie dat het model elke opdracht beter uitvoert dan een concurrent. Voor de aandeelhouder wordt het vooral interessant wanneer klanten het blijven gebruiken én ervoor betalen.

Een introductie met de deur op een kier

Argon komt eerst beschikbaar voor geselecteerde partijen via Googles Fairwind-programma. Google werkt daarnaast mee aan Amerikaanse veiligheidsevaluaties voorafgaand aan een bredere introductie. Een aankondiging betekent dus nog niet dat iedere consument of onderneming het model vandaag kan gebruiken.

Dat beperkte begin past bij de gevoeligheid van de toepassingen. Software die ingewikkelde beveiligingsproblemen helpt vinden en herstellen, kan waardevol zijn voor een ziekenhuis of bank. Dezelfde vooruitgang maakt controle op toegang en gebruik noodzakelijk. Voor Google beïnvloedt de snelheid waarmee het die bescherming op orde krijgt ook de commerciële uitrol.

Voor een zakelijke klant is betrouwbaarheid vaak belangrijker dan een spectaculaire demonstratie. Een analyse die meestal klopt maar af en toe een contractvoorwaarde verkeerd leest, vraagt nog steeds menselijke controle. De tijd die daarbij verloren gaat, hoort bij de rekening. Daar zal Argon zich in de praktijk moeten bewijzen, ook wanneer de eerste testresultaten goed zijn.

Wat een miljoen tokens in de praktijk kost

In zijn eigen aankondiging noemt Google een introductieprijs van 2 dollar per miljoen invoertokens en 10 dollar per miljoen uitvoertokens. Na die periode worden dat 4 en 20 dollar. Tokens zijn de tekststukjes waarmee het model rekent; een token is niet hetzelfde als een woord. Hergebruikte invoer uit de cache krijgt bij introductie 95 procent korting op het invoertarief.

Neem een vereenvoudigde opdracht met 100.000 invoertokens en 20.000 betaalde uitvoertokens, zonder cachekorting. De introductierekening is dan 40 dollarcent: 20 cent voor de invoer en 20 cent voor de uitvoer. Tegen het latere tarief wordt dat 80 cent. Dat zijn alleen modelkosten, zonder aanvullende hulpmiddelen, opslag of menselijke controle.

Bij een handvol opdrachten valt zo'n bedrag nauwelijks op. Bij 100.000 vergelijkbare opdrachten loopt de rekening op tot 40.000 dollar tegen het introductietarief. Voor de klant kan dat nog steeds aantrekkelijk zijn, als er genoeg betaald werk mee wordt bespaard. Voor Google is het een omzetkans, maar de kosten van de benodigde rekenkracht moeten daar nog vanaf.

De eerste module laat zien hoe de rekening verandert wanneer een opdracht langer wordt of een groter deel van de invoer kan worden hergebruikt.

Google verhoogt ook de maximale uitvoerlengte naar één miljoen tokens. Die ruimte kan helpen bij lange opdrachten, maar meer tekst is niet vanzelf beter. Een uitgebreid antwoord dat een medewerker alsnog moet controleren, kan duurder uitpakken dan een korter antwoord dat meteen bruikbaar is. De kosten per afgeronde taak zijn daarom een betere vergelijking dan alleen de prijs per token.

Google kan aan beide kanten van de rekening verdienen

Alphabet kan op verschillende manieren profiteren. Een bedrijf kan betalen voor modelgebruik, meer diensten bij Google Cloud afnemen of medewerkers met AI laten werken binnen bestaande software. Dat zijn mogelijke verkooproutes; de aankondiging betekent niet dat Argon al in elk Google-product beschikbaar is.

De tweede route loopt via Google zelf. Het bedrijf zegt dat Argon is ingezet om het geheugengebruik in datacenters te verbeteren, waardoor honderden terabytes vrijkomen zonder extra hardware te kopen. Ook onderzoekers naar quantumcomputers gebruiken het model. Hoeveel dollar dat oplevert, is daarmee nog niet bekend.

Vrijgekomen geheugen kan extra ruimte bieden voor klanten. Het kan ook de aanschaf van nieuwe apparatuur uitstellen. Welke uitkomst volgt, hangt af van waar het knelpunt zit. Als een datacenter vooral te weinig stroom of netwerkcapaciteit heeft, lost meer beschikbaar geheugen dat niet automatisch op. Er is dus geen vaste wisselkoers van een terabyte naar extra winst.

Voor de bredere economie is het mechanisme wel aantrekkelijk. Als een specialist met dezelfde werktijd meer projecten afrondt, daalt de arbeidsinspanning per project. Maar alleen als de controle, fouten en herstelwerkzaamheden beperkt blijven. De module hieronder rekent met een fictieve organisatie en laat zien hoeveel tijdwinst er nodig is om een maandbudget voor AI terug te verdienen.

Bij honderd medewerkers, twee bespaarde uren per week, een uurkostprijs van 60 euro en 46 werkweken ontstaat 552.000 euro aan bruto tijdwaarde per jaar. Als slechts de helft daarvan bruikbaar wordt voor extra productie of lagere kosten, resteert 276.000 euro. Na een aangenomen AI-budget van 10.000 euro per maand blijft 156.000 euro over. Dat is een rekenvoorbeeld, geen gemeten resultaat van Argon. Minder overuren betalen levert bovendien sneller geld op dan vrije uren die nergens anders worden ingezet.

Goede testscores moeten betaalde opdrachten worden

Google meldt sterke prestaties op tests voor softwareontwikkeling, beveiliging en professioneel werk. Volgens CNBC staat Argon bovenaan de Vals Index, die onder meer financiële en juridische taken meet. Dat ondersteunt de keuze om juist dit soort werk aan te pakken. Het zegt nog weinig over de marge die Google op een echte klant verdient.

Die klant koopt een bruikbaar resultaat. Een jurist wil kunnen nagaan waarom een passage relevant is. Een financieel team wil dat bedragen aansluiten en aannames herkenbaar zijn. En een ontwikkelaar wil dat nieuwe software ook blijft werken zodra iemand er iets aan verandert. Controleerbaarheid en aansluiting op bestaande systemen kunnen daarom net zo zwaar wegen als de slimheid van het model.

Hier heeft een groot technologiebedrijf een voordeel. Het kan modellen combineren met software, klantcontacten en infrastructuur. Tegelijk kan die omvang een nadeel worden als dure rekenkracht standaard wordt ingezet voor eenvoudige taken. Een kort antwoord op een gewone vraag hoeft niet dezelfde kosten te dragen als urenlang specialistisch denkwerk.

Concurrentie zet daar druk op. OpenAI en Anthropic richten zich eveneens op zakelijk werk, en klanten kunnen verschillende modellen naast elkaar gebruiken. Een voorsprong kan nieuwe klanten aantrekken, maar moet lang genoeg aanhouden om de investering terug te verdienen. Lagere prijzen kunnen het gebruik stimuleren terwijl de winst per opdracht juist daalt.

Lees ook: ServiceNow rapporteert cijfers en dit is wat Rabi ervan vindt

De groei is er al, de investeringsrekening ook

De kwartaalcijfers van 22 juli laten zien hoe groot Alphabet inmiddels is. In het tweede kwartaal bedroeg de omzet 119,8 miljard dollar. Google Cloud groeide met 82 procent naar 24,8 miljard dollar. Search en overige zoekactiviteiten brachten 63,3 miljard dollar binnen, 17 procent meer dan een jaar eerder.

Die cijfers zijn van vóór de introductie van Argon. Ze laten wel zien dat Google een omvangrijke bestaande afzetmarkt heeft. Een nieuw model hoeft niet helemaal vanaf nul klanten te vinden. De uitdaging is om die toegang te gebruiken zonder zoveel extra kosten te maken dat de aandeelhouder er weinig van terugziet.

In hetzelfde kwartaal kwam 39,1 miljard dollar aan operationele kasstroom binnen, tegenover 44,9 miljard dollar aan investeringen in materiële activa. Het verschil was ongeveer 5,9 miljard dollar negatief. De gerapporteerde winst per aandeel van 9,11 dollar bevatte bovendien de invloed van bijna 98 miljard dollar aan overige baten, vooral ongerealiseerde winsten op aandelenbeleggingen.

Daarom geeft het weinig houvast om die kwartaalwinst simpelweg met vier te vermenigvuldigen en het aandeel vervolgens goedkoop te noemen. De waarde van beleggingen kan bewegen zonder dat Google één extra advertentie verkoopt. Voor een waardering op winst is een herhaalbare verdiencapaciteit nodig. Ook de kasstroom moet op termijn ruimte bieden voor de investeringen waarmee die winst wordt verdiend.

Welke winst vraagt de beurskoers van Alphabet

Het aandeel Alphabet klasse A, GOOGL op Nasdaq, sloot op 30 september op 344,08 dollar, volgens Google Finance. Dat is de reguliere slotkoers van 16.00 uur in New York, 22.00 uur in Nederland. De nabeurshandel beweegt verder; de berekeningen hieronder gebruiken steeds deze vaste slotkoers.

Stel dat een belegger tot eind 2029 jaarlijks 10 procent koersrendement verlangt. Dat is hier een gekozen rendementseis voor een aandeel met flinke investerings- en concurrentierisico's. Over ongeveer 3,25 jaar vraagt dat een koers van circa 469 dollar. Bij een waardering van 28 keer de jaarlijkse winst is dan ongeveer 16,75 dollar winst per aandeel nodig.

Met een aangenomen 13,1 miljard verwaterde aandelen betekent dat ongeveer 219 miljard dollar winst voor gewone aandeelhouders. Bij een nettomarge van 30 procent vraagt dat rond 731 miljard dollar jaaromzet. De module maakt zichtbaar hoe sterk de uitkomst verandert als de markt later een lagere koers-winstverhouding wil betalen.

Dit is een omgekeerde rekensom, geen voorspelling. De marge omvat de kosten die vóór de winst voor gewone aandeelhouders komen, waaronder belasting, rente en eventuele preferente uitkeringen. De aandelenbasis is een toekomstige aanname voor alle klassen samen, niet alleen de verhandelbare klasse A. Eind juni stonden 12,23 miljard gewone aandelen uit. Nieuwe uitgiftes, aandelenbeloningen en de conversie van preferente aandelen kunnen dat aantal verhogen.

Drie uitkomsten voor de komende jaren

In ons middenscenario groeit Alphabets omzet naar 550 miljard dollar in 2027, 620 miljard in 2028 en 690 miljard in 2029. De aangenomen nettomarge loopt op van 28 naar 30 procent, terwijl het verwaterde aandelenaantal stijgt van 12,7 naar 13,1 miljard. Bij 28 keer de winst volgen modelkoersen van ongeveer 340, 390 en 442 dollar.

Die groei veronderstelt dat de bestaande activiteiten doorgroeien en zakelijke AI bijdraagt, terwijl Google de kosten beheerst. Toch levert het eindpunt vanaf 344,08 dollar ongeveer 8 procent jaarlijks koersrendement op. Een beter bedrijf kan dus nog steeds minder rendement opleveren dan de belegger vooraf verlangt.

In het ongunstige scenario drukken prijsconcurrentie en investeringskosten de nettomarge, groeit de omzet langzamer en verwatert de winst sterker. De modelkoers daalt dan naar circa 181 dollar eind 2029. In het gunstige scenario zorgen meer betaald AI-gebruik en een hogere marge voor een uitkomst rond 745 dollar. Daarvoor moet Alphabet veel meer verdienen én moet de markt bereid blijven een hoge waardering te betalen.

De vier onderliggende aannames per jaar staan in de module: omzet, nettomarge, verwaterde aandelen en koers-winstverhouding. Het zijn onze scenario's voor heel Alphabet, geen omzetramingen voor Argon afzonderlijk en geen analistenkoersdoelen.

Dividend en het effect van een veranderende dollar op een europortefeuille zijn niet inbegrepen. Kas en beleggingen worden niet nog eens apart bij de modelkoers opgeteld; dit is een eenvoudige waardering op winst, geen volledige optelsom van alle bezittingen. De uitkomsten laten vooral zien hoeveel verschil groei, marge en de betaalde winstmultiple samen maken.

Een sterkere positie moet zich terugbetalen

Argon geeft Google meer mogelijkheden om ingewikkeld werk naar zijn eigen producten en infrastructuur te trekken. Vooral de combinatie van betalende klanten en besparingen binnen Google zelf kan waardevol worden. Een model dat ook helpt de eigen datacenters beter te benutten, heeft meer toepassingen dan een losse chatbot.

Vanaf deze koers is succes echter al nodig. Ons middenscenario komt niet aan de gekozen rendementseis van 10 procent per jaar. Voor een overtuigender waardering moet zakelijke AI harder groeien, de winst per omzetdollar stijgen of de instapkoers lager worden. De komende resultaten moeten vooral laten zien dat extra AI-gebruik ook na de investeringsrekening meer geld voor de aandeelhouder oplevert.

Foto: EU / Lukasz Kobus, via Wikimedia Commons, CC BY 4.0. Sundar Pichai in Brussel op 24 mei 2023, archiefbeeld.