Microsoft zoekt zijn AI-winst in miljoenen saaie beslissingen

De grootste commerciële doorbraak in AI hoeft geen indrukwekkend gesprek te zijn. Het kan ook de beslissing zijn om een factuur door te sturen, een afwijking te laten controleren of een verzoek naar de juiste software te leiden. Zulke handelingen zijn afzonderlijk weinig spectaculair. In grote organisaties worden ze echter miljoenen keren uitgevoerd. Daar tellen snelheid, voorspelbaarheid en kosten per goede beslissing zwaar.

Een groot taalmodel inzetten voor iedere kleine keuze kan lijken op een complete adviescommissie optrommelen om een binnenkomende brief te sorteren. Soms is uitgebreide redenering nodig. Vaak ligt de keuze al vast en moet software vooral betrouwbaar het juiste vakje selecteren. Microsoft probeert met Decision-1 juist dat deel van de markt te bedienen. Het is een andere commerciële inzet dan nóg een model dat alles een beetje beter probeert te doen.

Wat die 35 keer sneller daadwerkelijk betekent

Bij de introductie op 9 oktober beschrijft Microsoft een model dat vaste antwoordopties van waarschijnlijkheidsscores voorziet. Het is gebaseerd op een verder getrainde versie van Qwen3.5-9B. Microsoft vergeleek modellen op ongeveer 150.000 vragen uit 36 benchmarks die niet voor de training waren gebruikt. De snelheidsclaim betreft de mediane vertraging, aangeduid als P50, binnen die testopzet. Dat is niet de tijd die de langzaamste verzoeken kosten.

De beperking zit in de taak. Een keuze maken uit vaste categorieën is iets anders dan zelfstandig een ingewikkeld onderzoek uitvoeren of lange software schrijven. De gepubliceerde vergelijking rechtvaardigt daarom geen uitspraak dat alle AI-applicaties 35 keer sneller worden. Evenmin volgt eruit dat een gespecialiseerde beslisser in iedere nieuwe bedrijfsomgeving even goed presteert. Andere invoer, langere documenten, piekbelasting of een andere tolerantie voor fouten kunnen de uitkomst veranderen.

Er is ook een simpele rekenkundige reden om voorzichtig te zijn. Neem een proces met twintig opeenvolgende beslissingen van elk 700 milliseconden, plus drie seconden voor overige werkzaamheden. Dat duurt zeventien seconden. Als de beslissingstijd in dit voorbeeld 35 keer zo kort wordt, daalt die van 700 naar twintig milliseconden. Het totale proces duurt dan 3,4 seconden. Dat is vijf keer sneller, niet 35 keer. De overige stappen zijn immers niet versneld. Deze absolute tijden zijn aannames, geen gemeten resultaten uit Microsofts benchmark.

De prijs maakt een onopvallende markt ineens interessant

Microsoft noemt een prijs van 0,042 dollar per miljoen invoertokens; de uitvoertokens zijn gratis. Tokens zijn de tekststukjes waarmee een model rekent. De rekening hangt daardoor mede af van de lengte van de instructie en het document. Een ingewikkelde controle met veel context kost meer invoer dan een korte categoriekeuze, ook als beide uiteindelijk één antwoord opleveren.

Neem een rekenvoorbeeld met één miljoen beslissingen per maand en gemiddeld duizend invoertokens per beslissing. Dat is één miljard tokens. Gedeeld door één miljoen en vermenigvuldigd met 0,042 dollar volgt 42 dollar aan kale modelkosten per maand, of 504 dollar per jaar. Dit zijn bruto leverancierskosten vóór belasting. Opslag, integratie, netwerk, andere modellen en menselijke controle zitten er niet in. Een laag modeltarief is dus niet hetzelfde als een volledig bedrijfsproces voor 42 dollar.

Stel bijvoorbeeld dat 1 procent van de beslissingen naar een medewerker gaat en iedere controle gemiddeld 1 dollar kost. Dan zijn er tienduizend controles en komt er 10.000 dollar per maand bij. Het totaal wordt 10.042 dollar. De kwaliteit van de selectie en de inrichting van het proces wegen in dit voorbeeld veel zwaarder dan de prijs van de tokens. Wie alleen de modelkosten vergelijkt, kan daardoor de duurste oplossing kiezen terwijl hij denkt de goedkoopste te kopen.

Waarom Microsoft dit naast OpenAI ontwikkelt

Een grote zakelijke klant koopt uiteindelijk geen modellenverzameling om naar te kijken. Hij wil betrouwbare software waarmee werk sneller of beter gaat. Microsoft kan voor complexe opdrachten een uitgebreid model gebruiken en voor eenvoudige vervolgstappen een kleine gespecialiseerde beslisser. Zo ontstaat een combinatie waarbij niet ieder verzoek dezelfde hoeveelheid rekenwerk nodig heeft. Die keuze kan ook per onderdeel van een proces verschillen.

Microsoft presenteert Decision-1 bovendien niet als een definitieve breuk met andere modelbouwers. In de introductie noemt het toekomstige varianten op andere basisarchitecturen, waaronder eigen MAI-modellen en modellen van OpenAI. De economische logica is dat Microsoft meerdere leveranciers kan combineren binnen dezelfde distributie, beveiliging en beheeromgeving. Als klanten hun werkzaamheden in die omgeving organiseren, blijft Microsoft relevant ongeacht welk individueel model op een bepaald moment vooroploopt.

Dat kan twee kanten op werken voor OpenAI. Eenvoudige taken kunnen verschuiven naar goedkopere alternatieven, waardoor de opbrengst per taak daalt. Tegelijk kunnen goedkopere voorbereidende stappen meer toepassingen rendabel maken en juist extra vraag naar krachtige modellen veroorzaken. Een goedkope sorteerlaag kan bijvoorbeeld bepalen welke dossiers echt uitgebreid onderzoek verdienen. De uitkomst hangt af van gebruiksgroei en verdeling van taken. Eén nieuwe benchmark bewijst niet dat een van beide ondernemingen de ander commercieel overbodig maakt.

Voor Azure is een lagere rekening per taak evenmin automatisch goed nieuws. Als dezelfde klant hetzelfde werk met veel minder rekenkracht uitvoert, kan een deel van de omzet verdwijnen. De kans ontstaat wanneer het lagere kostenniveau veel meer gebruik aantrekt of de verkoop van andere diensten ondersteunt. Voor Copilot kan snelheid de dagelijkse bruikbaarheid vergroten. Voor zakelijke software ligt de waarde in een betrouwbaar proces met toegang tot de juiste data, bevoegdheden en controle, niet alleen in het model zelf.

Het model is klein naast de bestaande winstmachine

Bij de jaarcijfers van 29 juli meldde Microsoft over boekjaar 2026 een omzet van 331,8 miljard dollar. De winst per aandeel bedroeg 17,95 dollar volgens de verslaggevingsregels en 17,28 dollar na de aanpassing voor effecten van de OpenAI-investering. Die laatste maatstaf verwijdert niet automatisch iedere andere bijzondere post. Het is wel een duidelijk gedefinieerd vertrekpunt voor een rekensom.

Tegen de slotkoers van 535,07 dollar op 9 oktober betaalt een belegger ongeveer 29,8 keer de gerapporteerde jaarwinst of 31 keer de genoemde aangepaste winst. Dat is een waardering die verdere groei verlangt. Decision-1 heeft geen afzonderlijk gepubliceerde omzet- of winstprognose waarmee die premie direct kan worden onderbouwd. Een nuttig nieuw product en een aantrekkelijke aankoopprijs zijn twee verschillende conclusies.

De omgekeerde rekensom laat de lat zien. Voor 10 procent jaarlijks koersrendement over drie jaar moet 535,07 dollar uitgroeien tot ongeveer 712,18 dollar. Bij een toekomstige waardering van dertig keer de winst is daarvoor 23,74 dollar winst per aandeel nodig. Vanaf 17,28 dollar is dat circa 11,2 procent groei per jaar. Dividend, wisselkoerseffecten, belasting en transactiekosten zijn buiten beschouwing gelaten. Dit is een toets van de totale onderneming, geen winstbijdrage die aan Decision-1 wordt toegeschreven.

De goedkoopste AI kan de beste bescherming van de marge zijn

Onze drie rekenroutes lopen over 2027, 2028 en 2029, met 10 oktober 2026 als peildatum. We nemen 17,28 dollar als winstbasis en laten die jaarlijks met een vast percentage groeien. In het basisscenario is dat 13 procent. De winst per aandeel komt dan op 19,53, 22,06 en 24,93 dollar. Tegen 28 keer de laatste winst volgt een indicatieve eindkoers van ongeveer 698 dollar. De waarderingsfactor ligt bewust lager dan de huidige verhouding op deze winstbasis.

In de zwakke route groeit de winst jaarlijks 8 procent, naar 18,66, 20,16 en 21,77 dollar. Bij 24 keer de eindwinst komt de koers rond 522 dollar uit. De onderneming verdient meer, terwijl de aandeelhouder aan de koers nauwelijks iets overhoudt. In de sterke route groeit de winst 18 procent per jaar, naar 20,39, 24,06 en 28,39 dollar. Met een waardering van 32 keer wordt dat ongeveer 909 dollar. Geen van deze routes is een bedrijfsprognose; ze maken de gevoeligheid voor winstgroei en waardering zichtbaar.

De sterkste tegenwerping tegen enthousiasme is dat gespecialiseerde beslismodellen snel gemeengoed kunnen worden. Concurrenten kunnen vergelijkbare functionaliteit aanbieden en de prijs verder verlagen. Dat maakt het lastig om alleen op het model langdurig hoge marges te verdienen. Een betrouwbaar systeem moet bovendien weten wanneer het niet zeker genoeg is en een mens of een ander model inschakelen. Fouten in een gevoelige controle kunnen de bespaarde rekenkosten in één keer wegvagen.

Juist daarom is de meest interessante beleggingsconclusie dat Decision-1 eerder Microsofts bestaande positie kan beschermen dan zelfstandig een enorme nieuwe omzetbron hoeft te worden. Goedkopere en snellere beslissingen kunnen software bruikbaarder maken, klanten vasthouden en de kosten van AI-functies beperken. Ons oordeel wordt positiever bij aantoonbaar meer gebruik, betere klantretentie en hogere marges na alle infrastructuurkosten. Een fraai benchmarkresultaat zonder die commerciële vertaling is daarvoor onvoldoende.

Omslag: Satya Nadella, 2017. Archieffoto. Foto: Brian Smale / Microsoft. CC BY-SA 4.0.