AI-kostnaden är inte en licens längre. Den är en förbrukning ingen äger

En budget som tog slut i april

I maj rapporterade Forbes, med The Information som källa, att Uber gjort slut på hela sin AI-budget för 2026 redan i april. Bolagets tekniska chef Praveen Neppalli Naga bekräftade det, och beskrev det ungefär som att antagandena fick göras om från början.

Talen bakom är mer upplysande än rubriken. Omkring 5 000 ingenjörer, och en användning som nådde 95 procent i månaden under våren. Genomsnittet låg på 150 till 250 dollar per ingenjör och månad. Storanvändarna låg mellan 500 och 2 000. Den tekniska chefen själv förbrukade 1 200 dollar under en enda tvåtimmarssession.

Det är lätt att läsa det som slöseri. Det är svårare, och mer användbart, att läsa det som ett budgetfel av ett slag som kommer att upprepas i varje organisation som lyckas med sitt införande.

Varför det inte var slöseri

Fram till nyligen hade programvara ett pris per person och år. Ekonomifunktionen räknade antalet personer, multiplicerade med ett belopp och fick en siffra som höll. Den kunde bli fel om fler anställdes, men den kunde inte bli fel med en faktor tre.

En förbrukningskostnad fungerar inte så. Den bestäms av hur mycket arbete som faktiskt utförs, och den växer med införandets framgång. Ju bättre det går, desto mer kostar det. Det är motsatsen till hur en licens beter sig, där kostnaden är tagen oavsett om verktyget används eller står stilla.

Den enda AI-budget som håller hela året är den som ingen i organisationen använde.

Ubers prognos var alltså inte slarvig. Den var gjord i rätt mall för fel kostnadsform. Och nittiofem procents användning, som är det tal varje ledningsgrupp säger sig vilja ha, var det som utlöste överskridandet.

Raden som ingen äger

Fråga vem i er organisation som äger AI-kostnaden, och svaret blir sannolikt en tystnad följd av tre halva svar.

IT äger licenserna, eftersom det är där avtalen ligger. Verksamheten äger användningen, eftersom det är där arbetet utförs. Ekonomi äger budgeten, eftersom det är där siffran hamnar. Förbrukningen uppstår i mellanrummet mellan de tre, och ett mellanrum har ingen chef.

Uber är ett enskilt fall. Hur vanligt det är att raden saknar ägare är däremot mätt. I Harness undersökning 2026 State of AI in FinOps svarar 52 procent att det inte finns någon tydlig ägare för AI-kostnaden. 72 procent har haft en oväntad kostnadstopp eller en överraskningsfaktura de senaste tolv månaderna, och 56 procent säger att AI-budgetering är gissning.

Underlaget är 700 ingenjörsledare och praktiker i organisationer med minst 1 000 anställda som aktivt använder AI- eller LLM-tjänster och har en återkommande AI-kostnad. 300 svarande i USA och 100 vardera i Storbritannien, Frankrike, Tyskland och Indien. Fältperioden är maj till juni 2026, insamlingen skedde som onlineenkät, och ingen felmarginal anges.

Tre saker hör till de talen. Undersökningen är publicerad av en leverantör som säljer verktyg för just kostnadsstyrning, vilket är skäl att läsa den som en storleksordning och inte som en exakt mätning. Urvalet består av stora organisationer i fem länder och innehåller inget nordiskt underlag. Och undersökningen mäter inte skillnaden mellan licens och förbrukning. Den frågan ställs inte i enkäten, och talen bär den därför inte.

Det är samma mönster som gäller kompetensfrågan: ett system som ingen äger används ändå, bara utan att någon fattar besluten om det. Skillnaden är att kostnaden syns i en rapport, förr eller senare, och att den syns för ekonomichefen innan den syns för någon annan.

Talen ovan är obekväma i just det här sammanhanget. Användningen har vuxit kraftigt på ett år, medan andelen som säger att avkastningen mött förväntan är knappt en femtedel och andelen som kallar AI kritisk för kärninfrastrukturen är fyra procent. Kostnaden har alltså skalat snabbare än nyttan går att visa, och det är precis den situation där en tydlig kostnadsägare är värd mest.

Priset per token är inte priset per uppgift

Samtidigt har prisbilden dragit isär på ett sätt som gör modellvalet till en ekonomifråga snarare än en teknikfråga.

OpenRouter, som dirigerar trafik mellan modeller och därför ser både priser och volymer på nära håll, satte den 30 juni 2026 två prisuppgifter bredvid varandra. DeepSeek V4 Flash kostar på sin billigaste ändpunkt 0,09 dollar per miljon tokens in och 0,18 ut. GPT-5.5 kostar 5 dollar in och 30 ut.

Det är ingen marginal. Det är ungefär hundrasextiosju gånger på utdata, för arbete som i många fall är utbytbart.

Förflyttningen syns dessutom i volymerna och inte bara i prislistan. DeepSeek stod för knappt tio procent av tokenflödet genom OpenRouter i början av året. I början av juni var andelen arton procent, alltså en fördubbling på fem månader. Bland privatanvändare går redan närmare en tredjedel av alla tokens till DeepSeeks modeller, och under 2025 stod amerikanska modeller för ungefär tre fjärdedelar av all användning. Riktningen är mätt, inte anad.

Två tiopotenser mellan ytterligheterna innebär att samma uppgift kan kosta hundra gånger mer beroende på vem som utför den. För en enskild fråga i en chatt spelar det ingen roll. För en agent som kör tusentals gånger i månaden är det skillnaden mellan en rad i budgeten och en post i styrelserapporten.

Och premien är svårare att motivera än förut. OpenRouter beskriver avståndet mellan modeller med öppna vikter och de främsta laboratorierna som stabila tre till sex månader, och konstaterar att det legat så i arton månader. Det är inte ett gap som stängs, men det är inte heller ett gap som växer.

Inte vilken modell som är billigast, utan vad en färdig uppgift kostar hos er.

Det finns ett motsatt förhållande som väger tyngre. En svagare modell som behöver tre försök på samma uppgift kostar mer än en dyrare som klarar den på ett, och den kostar dessutom tid hos den som ska kontrollera resultatet. Den jämförelsen går inte att läsa ur en prislista. Den måste mätas i den egna verksamheten, på de egna uppgifterna.

Tre saker att göra före nästa budget

Ingen av dem väntar på något.

Mät kostnad per utfall på era tre vanligaste uppgifter. Inte per användare och inte per månad, utan vad det kostar att få en sak färdig. Det är det tal som går att jämföra mellan modeller, och det är det tal som saknas i nästan varje diskussion om AI-kostnader.

Ge raden en namngiven ägare. En person i verksamheten som kan se kostnaden, bestämma vilken modell som får användas till vad, och säga nej. En funktion räcker inte, eftersom det är mellan funktioner kostnaden uppstår.

Bestäm var taket går och vad som händer när det nås. Ett tak utan bestämd konsekvens är en siffra i ett dokument. Bestäm i förväg om arbetet stannar, om det flyttas till en billigare modell, eller om någon får godkänna en höjning, och vem den någon är.

Det som inte är en kostnadsfråga

Modellvalet har en dimension till, och den ska inte blandas ihop med priset.

Var behandlingen sker, under vilken jurisdiktion den sker, och vad som händer med det ni matar in är frågor med egna svar och egna konsekvenser. De avgörs inte av vad en miljon tokens kostar. För en svensk organisation som behandlar personuppgifter, känsliga underlag eller upphandlingsmaterial är det den frågan som sätter ramen, och kostnadsjämförelsen görs sedan inom den ramen.

Ordningen spelar roll. Den som väljer modell på pris och sedan upptäcker ramen får göra om arbetet. Den som sätter ramen först har färre alternativ och ett enklare beslut.

Hela kalendern för AI-förordningen, med varje datum och vad som gäller från när, står på vår sida om AI-förordningen.