AI-forbruk per ansatt falt 9,7 prosent – varsko for modellgigantene

AI-forbruk per ansatt falt hos kundene som bruker aller mest i august. Det betyr ikke at AI er ferdig. Kundene får mer for pengene – og modellgigantene kan ikke regne med at regningen bare vokser.

I august falt det månedlige AI-forbruket per ansatt med 9,7 prosent hos den øverste prosenten av AI-kundene i Ramps datasett. Samtidig steg andelen Ramp-kunder som betalte for AI-produkter til 56 prosent, riktignok bare 0,4 prosentpoeng fra måneden før. Færre kroner per ansatt og litt flere betalende bedrifter kan altså være sant samtidig.

Min lesning er ganske enkel: Dette er først og fremst et varselsignal for modellhus og hyperscalere som har bygd investeringsplanene sine på stadig høyere forbruk. For bedriftene som faktisk kjøper AI, er lavere priser og gode standardmodeller en fordel. Markedet gjør jobben sin.

Hva viser AI-forbruk per ansatt i august?

De største AI-kundene brukte en median på 7 205 dollar per ansatt i august, ned fra reviderte 7 976 dollar i juli. Det tilsvarer omtrent 66 000 kroner per ansatt med Norges Banks dollarkurs 9. september. Ramp måler dette i den øverste prosenten av bedriftene i sitt eget datasett, ikke i en gjennomsnittlig norsk virksomhet.

Tallet ser voldsomt ut fordi denne gruppen er voldsom. Den består av de mest intensive AI-kundene, og den står for en stor del av modellhusenes bedriftsinntekter. Nettopp derfor følges kurven tett: Dersom morgendagens vanlige bedrift gradvis begynner å ligne dagens storforbruker, finnes det mye inntektsvekst foran modellleverandørene.

August ga ikke støtte til den enkleste versjonen av den fortellingen. Forbruket hos storbrukerne gikk ned, mens den samlede adopsjonen nesten sto stille. TechCrunch peker på ferie som én mulig forklaring, og Ramp har tidligere sett fall rundt november og desember. Én sommermåned er ikke en trend. Men den er heller ikke noe man bør vifte bort.

Billigere tokens presser regningen ned

Den effektive prisen per million tokens falt til 0,68 dollar i begynnelsen av september, ifølge Ramp. Det er omtrent 6,20 kroner og 41 prosent lavere enn toppen på 1,15 dollar, cirka 10,60 kroner, i mars 2026. Bedrifter kan dermed sende og motta langt flere tokens uten at kostnaden vokser i samme takt.

Priskutt er ikke et problem hvis bruksvolumet vokser raskere enn prisen faller. Det er den klassiske skyhistorien: hver enhet blir billigere, men kundene kjøper så mange flere enheter at totalinntekten fortsetter opp. Ramps augusttall antyder at volumveksten foreløpig ikke er sterk nok til å oppveie hele prisfallet hos de mest verdifulle kundene.

Det setter AI-boomen i et mer jordnært lys. Modellhusene konkurrerer på pris, bedriftene blir flinkere til å velge riktig modell, og resultatet er en lavere regning. Hyperscalerne håpet naturligvis at billigere tokens skulle utløse en eksplosjon i bruk. Kundene svarer foreløpig med noe langt mer nøkternt: Takk for rabatten.

Bedriftene velger godt nok fremfor aller best

Billige standardmodeller driver mye av volumveksten. Ramp trekker frem GPT-5.6 Terra og Claude Sonnet-serien, mens dyrere frontmodeller som Opus, Fable og Sol samlet sto for 45 prosent av tokenbruken. Det var opp fra starten av juli, men ned fra en topp på 53 prosent i august.

Bedrifter skal ikke vinne en modellkonkurranse. De skal få løst oppgaver. Hvis en rimelig modell skriver et godt kundesvar, klassifiserer et dokument eller trekker ut feltene fra en faktura, finnes det ingen premie for å bruke den dyreste. En frontmodell gir mening når den høyere kvaliteten faktisk reduserer feil, sparer kontrollarbeid eller løser en oppgave standardmodellen ikke klarer.

Dette er sunn kostnadsstyring, ikke svak AI-adopsjon. Når selskaper setter rimeligere modeller som standard for hele organisasjonen, flyttes frontmodellene fra «bruk overalt» til «bruk når det trengs». Det samme skjedde med skytjenester: Etter den første begeistringen begynte noen å spørre hvorfor hver minste arbeidslast sto på den største og dyreste maskinen.

Er dette sommerferie eller et varsel?

Det ærlige svaret er begge deler. August er en feriemåned, og Ramp understreker at estimatet for den øverste prosenten er mer ustabilt enn tallene for medianbedriften og topp 10 prosent. Juli-estimatet ble dessuten revidert fra omtrent 7 400 til nær 8 000 dollar per ansatt da flere transaksjoner kom inn.

Metoden har en annen tydelig begrensning. Ramp bygger indeksen på betalinger hos rundt 70 000 egne amerikanske bedriftskunder, og TechCrunch påpeker at kundemassen er teknologitung. Tallene er verdifulle som ferske betalingsdata, men de er ikke en folketelling.

Det ser man når Ramps adopsjonstall sammenlignes med offentlig statistikk. En løpende undersøkelse fra U.S. Census Bureau, oppdatert 23. august, viste 22 prosent. Definisjonene er forskjellige, men avstanden viser hvor forsiktig Ramps 56 prosent må tolkes.

Likevel peker flere forhold samme vei: Adopsjonen øker saktere, tokenprisen faller, og kundene velger rimeligere modeller. Sommerferie kan forklare et brått månedsfall. Den forklarer ikke hele prispresset eller hvorfor bedrifter aktivt flytter bruk ned til billigere modeller. Varsellampen gjelder derfor inntektsmodellen, ikke om AI fortsatt er nyttig.

Åpne modeller har ikke overtatt bedriftene

Det er fristende å forklare prispresset med åpne modeller og rimelige kinesiske alternativer. Ramps data støtter ikke en så enkel konklusjon. Bare 6,4 prosent av bedriftene som brukte penger på AI, kjøpte tjenester gjennom modellserverings- eller inferensplattformer i august. Blant alle bedriftene i utvalget var andelen 3,6 prosent.

Selv dette er et romslig anslag. Slike plattformer tilbyr også tilgang til lukkede modeller, så ikke all registrert bruk kan regnes som åpen AI. Veksten finnes, men den er foreløpig for liten til å forklare hovedbevegelsen i bedriftenes samlede AI-forbruk.

Det viktigste konkurransepresset kommer akkurat nå fra leverandørenes egne billigere modeller og fra rivaliseringen mellom OpenAI og Anthropic. Åpne modeller kan forsterke presset videre, særlig når bedrifter får bedre verktøy for ruting og egen drift. Men augusttallene sier at det kommersielle markedet allerede presser prisene ned uten at en åpen modellrevolusjon har overtatt styrerommene.

Hyperscalernes regnestykke blir vanskeligere

Datasentre, brikker og kraft bygges ikke for småpenger. Når Nvidias satsing på egne open-weight AI-modeller, er det del av et kappløp der aktørene forsøker å sikre både etterspørsel og posisjon rundt infrastrukturen. Hele regnestykket blir mer krevende hvis hver million tokens gir mindre inntekt samtidig som kundene holder igjen på de dyreste modellene.

Det betyr ikke at investeringene nødvendigvis feiler. Lavere pris kan åpne helt nye bruksområder, og agentiske arbeidsflyter kan skape mye større volum enn dagens samtaler og kodehjelp. Men «AI blir brukt mer» er ikke nok som forretningsmodell. Volumet må vokse raskere enn enhetsprisen faller, og kundene må fortsette å se verdi i de nyeste modellene.

Der ligger den egentlige advarselen i augusttallene. Bedriftene har oppdaget at fjorårets eller årets standardmodell ofte er god nok. Hver ny frontmodell må derfor bevise at den er verdt prisforskjellen. Mer ytelse på en måling ingen i økonomiavdelingen bryr seg om, betaler ikke neste datasenter.

Hva bør bedriften måle nå?

Start med kostnad per ferdig arbeidsflyt, ikke kostnad per token. Tokens er råvaren. Bedriften kjøper et kundesvar, et kodeforslag, en analyse eller et behandlet dokument. Mål derfor hvor mye hele oppgaven koster når modellbruk, menneskelig kontroll, feil og etterarbeid er tatt med.

Sett en rimelig standardmodell som utgangspunkt og lag tydelige regler for når oppgaven skal løftes til en dyrere modell. Det kan være når svaret har lav sikkerhet, når dokumentet er uvanlig komplekst, eller når en feil har høy kostnad. Test samme representative oppgavesett på begge modellnivåene. Hvis sluttresultatet er likt, er den dyrere modellen bare en dyrere modell.

Følg også forbruk per ansatt og per avdeling over tid, men ikke bruk et høyere tall som et mål i seg selv. Mer tokenbruk kan bety mer verdi, mer sløsing eller bare lengre svar. Koble forbruket til behandlingstid, feilrate, salg, kundetilfredshet eller en annen verdi som hører til oppgaven.

August kan vise seg å være en feriekrusning. Prispresset forsvinner likevel ikke. Bedrifter har fått flere modeller å velge mellom, og de lærer å sende enkle oppgaver til rimelige alternativer. Det er dårlig nytt for enhver leverandør som har budsjettert med at kundene alltid velger størst og dyrest. For kundene er det akkurat slik konkurranse skal virke.

Ofte stilte spørsmål