AI-regningen løper løpsk når bedriftene skalerer agenter

AI-kostnader blir fort uforutsigbare når en bedrift går fra noen få chatbot-samtaler til agenter, automatisering og AI-verktøy for alle ansatte. Den lille tokenprisen ser uskyldig ut. Det er summen av alle stegene, alle brukerne og alle agentene som gjør regningen interessant.

Flere store selskaper har fått den samme påminnelsen i løpet av 2026. I et internt Accenture-møte skal ledere ha fortalt at det ikke først og fremst var ingeniørene som drev tokenforbruket. Mange tokens gikk med hos ikke-tekniske ansatte, blant annet til å gjøre PDF-er om til markdown og presentasjoner. Samtidig hadde selskaper allerede presset ansatte til å bruke mer AI.

Det er en ganske forutsigbar kollisjon: Først måles folk på hvor mye AI de tar i bruk. Deretter kommer fakturaen, og ledelsen begynner å spørre hva bruken faktisk ga tilbake. For norske bedrifter er lærdommen enkel. Ikke vent med kostnadskontroll til AI er blitt en usynlig utgift i hundre arbeidsflyter.

Hvorfor øker AI-kostnadene så raskt?

AI-kostnadene øker fordi moderne agenter bruker tokens i mange flere ledd enn en vanlig chat. Hver instruksjon, hvert dokument som hentes inn, hvert verktøykall og hvert svar kan legge nye tokens på regningen. Når dette skjer på tvers av tusenvis av arbeidsflyter, blir små enhetspriser til en stor og variabel driftskostnad.

En vanlig chatbot har en nokså synlig rytme: Du skriver ett spørsmål og får ett svar. En agent kan derimot lage en plan, lese filer, søke, bruke flere verktøy, kontrollere resultatet og forsøke på nytt. Den kan også starte underagenter eller arbeide parallelt. Ett oppdrag fra en ansatt kan dermed skjule en lang kjede av modellkall.

GitHub ga et tydelig signal om denne utviklingen da selskapet kunngjorde at Copilot skulle over på bruksbasert fakturering fra 1. juni 2026. GitHub AI Credits beregnes ut fra input-, output- og cachede tokens, med pris etter modellen som brukes. En fast lisens kan fortsatt inneholde en månedlig kvote, men forbruk utover den er ikke lenger bare leverandørens problem.

Dette betyr ikke at agenter er en dårlig idé. En agent som sparer fem timer kvalifisert arbeid kan være billig selv om den bruker mange tokens. Problemet oppstår når bedriften kan se tokenmengden, men ikke tidsbesparelsen, kvaliteten eller inntekten den skapte. Da blir kostnaden målbar og verdien en følelse. Det er sjelden en behagelig samtale når økonomisjefen dukker opp.

Hva avslørte Accenture-møtet?

Accenture-møtet pekte på at høyt tokenforbruk ikke bare kom fra utviklere som bygget avanserte systemer. Ifølge lydopptak omtalt av 404 Media 24. juni 2026 var mye av forbruket knyttet til ikke-tekniske brukere og oppgaver som dokumentkonvertering. Samtidig beskrev Accenture en rask vekst i tokenkostnader på tvers av bransjen.

PDF-eksempelet er morsomt, men det er ikke hele saken. Et dokument kan først bli gjort om til bilder, deretter til tekst og så til en presentasjon. Hvert ledd kan sende store mengder innhold inn i modellen på nytt. Gjentas dette av mange ansatte, blir en tilsynelatende enkel kontoroppgave plutselig en liten fabrikk for tokens.

Accenture-historien viser hvor fort en organisasjon kan miste oversikten over hva som faktisk skaper forbruket. Totalregningen er enkel å se. Det vanskelige er å koble den til riktig team, arbeidsflyt og forretningsresultat. Budsjettgrenser og ulike brukernivåer hjelper dessuten lite hvis de først settes etter at bruken har skalert.

Her ligger den virkelige «tokenpocalypsen». Det er ikke at tokens plutselig er dyre i seg selv. Det er at bruken går fra avgrensede forsøk til vanlig drift før bedriften har bestemt hva god bruk er. Når en oppgave kan utløse ti, hundre eller flere modellsteg, holder det ikke å spørre hva én million tokens koster. Du må vite hva én ferdig oppgave koster.

Tvungen AI-bruk gir feil insentiver

Når ansatte blir belønnet for synlig AI-bruk, får bedriften mer synlig AI-bruk. Det er ikke nødvendigvis det samme som mer produktivitet. 404 Media viste til at Accenture skal ha krevd at senioransatte tok i bruk AI eller risikerte å gå glipp av opprykk. Uber oppfordret først ansatte til bred AI-bruk, men begynte senere å begrense Claude Code og Cursor. Da hadde teknologidirektøren ifølge omtalen sagt at hele AI-budsjettet var brukt opp på fire måneder.

Dette er klassisk målforskyvning. Hvis målet er antall prompts, tokens eller aktive brukere, lærer organisasjonen å produsere nettopp det. En ansatt som bruker en kraftig resonneringsmodell til å formatere en enkel tabell, kan se mer «AI-aktiv» ut enn kollegaen som automatiserer en dyr manuell prosess én gang og lar løsningen gå stille i bakgrunnen.

Ledelsen bør derfor slutte å bruke forbruk som bevis på verdi. Høyt forbruk kan bety at verktøyet er nyttig, men det kan like gjerne bety at arbeidsflyten er dårlig utformet, at feil modell brukes, eller at agenten sitter fast og prøver igjen. Aktivitet er et driftssignal. Resultatet er det som teller.

Det er også verdt å skille mellom eksperimentering og produksjon. I en kort forsøksperiode kan det være riktig å gi folk rom til å bruke AI på rare ting. Noen av de beste arbeidsflytene blir oppdaget på den måten. Men et eksperiment bør ha en sluttdato, et budsjett og et spørsmål det skal besvare. Ellers har du ikke et forsøk. Du har bare slått på en ny kostnad.

Billigere tokens løser ikke problemet

Fallende tokenpriser kan redusere kostnaden for en bestemt oppgave, men de gjør samtidig flere og større arbeidsflyter økonomisk mulige. Accenture viser her til en Goldman Sachs-prognose om at tokenbruken kan øke 24 ganger fram mot 2030, selv om prisen per token kan falle 60-70 prosent i året.

En måned etter omtalen av det interne møtet lanserte selskapet Accenture Tokenomics. Tilbudet skal koble tokenforbruk til team, arbeidsflyter, produkter og målbare resultater. Det består av tre hovedfaser: se hvor kostnaden oppstår, rette arbeidsflyten og fortsette å overvåke den.

Accenture beskriver også sju spesialiserte verktøy. Ett av dem vurderer AI-oppsettet på tvers av 135 datapunkter, mens et annet sammenligner kostnad og ytelse hos mer enn 100 modelltilbydere. Det er selvsagt også en ny konsulenttjeneste å selge. Først hjelper bransjen bedriftene med å få AI inn overalt, så hjelper den dem med å få regningen ned igjen. Effektivt, på sitt vis.

Men grunnideen er riktig: Kostnadskontroll må være en del av arkitekturen, ikke et regneark som kommer etterpå. Den billigste modellen er ikke alltid riktig, og den kraftigste modellen er sjelden nødvendig til alt. Det nyttige spørsmålet er hvilken modell og arbeidsflyt som gir et godt nok resultat til lavest samlet kostnad.

Slik måler du verdien uten å telle prompts

Begynn med én avgrenset arbeidsflyt og mål kostnaden per vellykket resultat. For kundeservice kan det være en løst henvendelse. For dokumentarbeid kan det være en kontrollert rapport. For utvikling kan det være en godkjent endring som består testene. Tokens er råvaren, ikke leveransen.

Deretter trenger du minst fire tall: modellkostnad per forsøk, andel vellykkede forsøk, tidsbruk for menneskelig kontroll og kostnad ved feil. En billig modell som må prøve tre ganger, kan koste mer enn en dyrere modell som lykkes på første forsøk. En rask agent som leverer feil tall, kan bli svært dyr når et menneske må rydde opp.

Mål også konteksten. Store PDF-er, lange samtalehistorikker og hele kodebaser blir ofte sendt inn fordi det er enkelt, ikke fordi modellen trenger alt. Bedre søk, mindre utdrag, caching og tydelige stoppregler kan kutte forbruket uten å gjøre svaret dårligere. I mange tilfeller er dette mer verdifullt enn å bytte modell annenhver uke.

Til slutt bør hver produksjonsflyt ha en eier. Noen må kunne forklare hvorfor den finnes, hvilket resultat den skaper og hva som skjer når den passerer budsjettet. Hvis ingen eier arbeidsflyten, vil ingen oppdage at agenten har begynt å kalle det samme verktøyet 40 ganger.

Hvilke kostnadskontroller bør være på plass?

En bedrift trenger både økonomiske og tekniske grenser. Sett budsjett per team, prosjekt og arbeidsflyt, ikke bare én stor pott for hele selskapet. Varsler ved 50, 75 og 90 prosent av budsjettet gir tid til å undersøke mønsteret før tilgangen stopper eller regningen løper videre.

Bruk modellruting slik at en rimelig modell håndterer enkle oppgaver, mens en kraftigere modell bare kobles inn når oppgaven krever det. Begrens antall agentsteg og parallelle jobber. Sett maksimal størrelse på dokumenter og samtalehistorikk. Sørg også for at mislykkede verktøykall ikke kan gjentas i det uendelige.

API-nøkler bør ha egne bruksgrenser og minst mulige rettigheter. Det er både kostnadskontroll og sikkerhet. Som saken om 15 millioner stjålne API-nøkler fra AI-agenter viste, er en nøkkel uten gode grenser mer enn en teknisk detalj. Den kan bli en åpen lommebok.

Ikke kutt blindt hos de største brukerne. En utvikler eller analytiker kan bruke mye fordi arbeidet faktisk skaper stor verdi. Finn i stedet kostnad per godkjent resultat. Det er forskjellen på styring og panikkbremsing.

Hva betyr dette for norske småbedrifter?

Småbedrifter har en fordel: De trenger ikke vente på at AI-forbruket blir fordelt over 100 avdelinger før noen tar ansvar. En enkel oversikt over verktøy, eiere, månedlig kostnad og ønsket resultat kan være nok til å unngå de verste overraskelsene.

Start med de arbeidsflytene der gevinsten er lett å forstå. Hvis en agent sparer to timer i uka og koster noen få hundrelapper i måneden, er vurderingen enkel. Hvis den bare lager flere presentasjoner som ingen leser, er det også et svar. Du trenger ikke et konsulentsystem med 135 datapunkter for å oppdage det.

Behold samtidig rom for utforsking. Sett av et eget forsøksbudsjett, og ikke bland det med produksjonskostnaden. Da kan ansatte teste nye ideer uten at hvert mislykket forsøk må forsvares, mens systemene som faktisk er satt i drift får strengere krav til kvalitet, logging og kostnad.

AI-regningen er ikke et argument for å skru av AI. Den er et argument for å slutte å behandle all bruk som automatisk framgang. Bedrifter som vet hva én vellykket oppgave koster, kan skalere med åpne øyne. Resten kommer til å lære det når fakturaen gjør jobben for dem.

Ofte stilte spørsmål