Från plats i systemet till utfört arbete
Vi är vana vid att budgetera digitala verktyg utifrån hur många som ska använda dem. Den modellen försvinner inte, men bredvid den växer en annan logik fram: kostnaden påverkas av vad AI gör, hur mycket den används och vilken kapacitet uppgiften kräver. Det är förflyttningen från en seat fee till att också hantera en work fee. Då räcker det inte att fråga hur många licenser vi behöver. Vi måste också fråga vilket arbete vi vill använda AI till och vad det arbetet är värt för oss.
När budgeten blir mindre förutsägbar
En traditionell licens är enkel att lägga in i en årsbudget. AI-konsumtion beter sig annorlunda: kostnaden påverkas av användningen, uppgifterna och lösningens utformning. Dessutom kan målet med en bra agent ofta vara att den ska användas mycket, i alla fall för ofta återkommande uppgifter där vi nu kan minska mänskligt deltagande. Det innebär att framgång alltså kan innebära högre kostnad.
En agent som får en central roll i verksamheten kan konsumera betydligt mer kapacitet än under pilotfasen. Det behöver inte vara ett problem – det kan vara precis det vi hoppades på. Därför är den viktigaste frågan inte hur vi håller nere AI-kostnaden, utan vad vi får för pengarna.
Det billigaste är inte alltid billigast
En agent som kostar två miljoner kronor om året men skapar ett mätbart värde på tjugo miljoner kan vara en utmärkt investering. En billigare agent som knappt används och inte löser något viktigt problem kan däremot vara dyr. Diskussionen om AI-kostnader måste därför flytta närmare verksamhetsvärdet. Konsumtionen behöver ställas mot exempelvis sparad tid, kortare ledtider, färre fel, ökade intäkter eller bättre kundupplevelse.
Mäter vi bara konsumtionen får vi en faktura. Mäter vi bara upplevd nytta får vi lätt en framgångssaga. Bra investeringsbeslut kräver båda perspektiven.
FinOps för AI är egentligen inte en IT-fråga
Det är här begrepp som tokenomics och FinOps forAI blir intressanta. Inte för att alla i ledningsgruppen måste förstå tokens, utan för att AI-kapacitet blir en resurs som organisationen behöver prioritera.
Vilka användningsfall ska få mycket kapacitet eftersom de skapar stort värde? Var ska vi experimentera trots osäkert utfall? Och vilka initiativ ska vi sluta finansiera? IT kan förstå konsumtionen, ekonomi förstå kostnaden och verksamheten värdet – men investeringsbeslutet kräver alla tre perspektiven.
Vad betyder det för budgeten 2027?
Många organisationer arbetar nu med sina prioriteringar och budgetar för 2027. AI kommer sannolikt att finnas där, men frågan är om vi fortfarande försöker budgetera den som annan mjukvara. Kanske behöver AI-budgeten innehålla mer än en rad för licenser.
Inför 2027 är några frågor särskilt viktiga:
- Vet vi vad vi faktiskt betalar för AI utöver de traditionella licenserna?
- Har vi användningsfall där kostnaden kan förändras kraftigt när användningen skalar?
- Kan vi koppla ökande AI-konsumtion till ett ökande verksamhetsvärde?
- Hur mycket utrymme vill vi avsätta för experiment, där vi ännu inte vet vad kostnaden eller värdet kommer att bli?
- Hur fattar vi investeringsbeslut när kostnaden förändras under året?
Om svaret på flera frågor är ”det vet vi inte ännu” är det naturligt. Poängen är inte att exakt förutse vad varje AI-agent kommer att kosta, utan att skapa en ekonomisk modell som klarar att kostnaden förändras med användningen. AI-budgeten handlar inte längre bara om hur mycket teknik vi köper. Den handlar också om hur mycket arbete vi vill låta AI utföra, vad det får kosta och hur vi vet att det är värt pengarna.
Det är den här förflyttningen vi utforskar under vårt event om Agent Governance 17 november. Vi delar erfarenheter från kundinitiativ och diskuterar hur organisationer kan skala AI med kontroll över både kostnad och verksamhetsvärde. Läs mer och anmäl dig HÄR.