Innhold Vis
Uber brukte hele AI-budsjettet for 2026 på Claude Code – på fire måneder. Selskapet introduserte verktøyet for ingeniørene i desember 2025, og innen april var årsbudsjettet borte. CTO-en er ifølge briefs.co «tilbake til tegnebordet» for å planlegge hva AI faktisk koster når folk virkelig begynner å bruke det.
Ubers totale FoU-budsjett er på 3,4 milliarder dollar i året. Det er ikke småpenger. Men Claude Code tømte AI-delen av det lenge før sommeren. Det forteller deg noe om hva som skjer når et verktøy faktisk funker – folk slutter ikke å bruke det, selv om det er dyrt.
95 prosent av Ubers ingeniører bruker nå AI-verktøy månedlig. 70 prosent av all kode som commites stammer fra AI. Og bruken doblet seg bare mellom desember og februar. Det er et organisasjonsnivå som de færreste tech-selskaper har nådd.
Hva koster Claude Code egentlig per ingeniør?
Tallene fra Uber er ganske konkrete: mellom 500 og 2 000 dollar per ingeniør per måned. Det er API-kostnader, ikke faste abonnement. For et stort selskap med hundrevis av ingeniører blir regnestykket raskt svimlende.
Til sammenligning: Claude Code Max koster 100 dollar i måneden flat. Det er den abonnementsbaserte modellen Anthropic lanserte nettopp for å unngå at folk får sjokk på kredittkortregningen. Uber kjørte tydeligvis ikke på flat-rate – de kjørte rett på API-et, noe som gir ubegrenset skalering i begge retninger.
Jeg har selv skrevet om kostnadsbildet for OpenClaw vs Claude Code og sett at API-basert bruk kan eskalere raskt. OpenClaw kostet meg over 100 dollar per dag på det verste – det er 3 000 dollar i måneden. Uber-ingeniørene er tydeligvis ikke alene om å bli overrasket.
Hvorfor ble bruken så høy så fort?
Hacker News-diskusjonen rundt denne saken identifiserte fire mønstre som driver opp kostnadene:
- Lange kontekstvindu-misbruk: Nybegynnere holder samtaler åpne konstant uten å komprimere konteksten. Tokenmengden vokser eksponentielt.
- Parallelle agenter: Erfarne brukere kjørte fem agenter samtidig for separate analyser. Kostbart, men raskt.
- Goodharts lov i praksis: Organisasjoner som belønnet høy tokenforbruk som produktivitetsmetrikk skapte perverse insentiver – jo mer du bruker, jo bedre ser du ut på papiret.
- Dokumenter ingen leser: AI-generert dokumentasjon i enorme mengder som aldri ble brukt til noe.
Det er det siste punktet som er fascinerende. Ikke fordi det er rart, men fordi det er så gjenkjennelig. Når et verktøy er kraftig og billig nok (per klikk), bruker vi det til ting vi egentlig ikke trenger. Det skjer alltid.
Claude Code vs Cursor – hvem vinner i enterprise?
En interessant detalj fra rapporten: Cursor har stagnert i bruk hos Uber mens Claude Code dominerer arbeidsflyten. Det er en markant endring fra for ett år siden, da Cursor var hype-verktøyet alle snakket om.
Cursor er bygget på OpenAIs modeller og har en editor-integrert opplevelse mange liker. Men Claude Code er et terminal-basert verktøy som jobber mer autonomt – det kan ta over hele arbeidsoppgaver, ikke bare autokomplettere linjer. For ingeniørteam som jobber på store kodebaser er den autonomien tydeligvis det som teller.
70 prosent AI-generert kode er en høy andel. Spørsmålet er om kvaliteten holder. Hacker News-diskusjonen hadde noen bekymringer om det – en CTO rapporterte at ikke-ingeniører nå skriver «lemonade-kvalitets»-kode med hardkodede hemmeligheter, uten ordentlige dev/prod-miljøer eller tester. Det er en advarsel som gjelder uansett verktøy: AI-tilgang uten kunnskap om hva god kode er, hjelper ikke.
Hva betyr dette for andre selskaper?
Uber er ikke et lite selskap som eksperimenterer. De har tusenvis av ingeniører, et av verdens mest komplekse distribuerte systemer, og et budsjett som de fleste aldri vil se. Når de går tom for AI-penger på fire måneder, er det et signal til alle andre.
AI-kostnader er ikke lenger hypotetiske linjer i et budsjettark. De er reelle, skalerbare, og vil overraske de som ikke planlegger for dem. Et selskap som ruller ut Claude Code til hundre ingeniører og budsjetterer 50 dollar per person per måned, vil fort oppdage at virkeligheten er 5-40 ganger høyere.
Det finnes løsninger. Flat-rate abonnementer som Claude Max gir forutsigbarhet. Bedre opplæring i konteksthåndtering kutter unødvendige tokens. Og det finnes open source-alternativer som kan rute trafikk smartere – jeg har skrevet om NadirClaw som kutter Claude Code-kostnader med 40-70 prosent via smartere LLM-routing.
Er dette et problem eller et tegn på suksess?
Det er litt av begge deler. At ingeniørene ikke kan slutte å bruke Claude Code er i seg selv et positivt signal – verktøyet leverer nok verdi til at folk velger det selv når det er dyrt. Det er det beste tegnet på at noe faktisk fungerer.
Problemet er at organisasjoner ikke har gode modeller for å forutsi disse kostnadene. Tradisjonelle softwarelisenser er faste. AI-API-er er variable, og variansen er stor avhengig av hvordan folk bruker dem. Uber lærte dette på den harde måten.
Spørsmålet nå er om Anthropic vil møte enterprise-behovet for forutsigbare priser på en bedre måte. Flat-rate for enkeltbrukere er bra, men store selskaper trenger enterprise-avtaler med cap og forutsigbarhet. Det er nok bare et tidsspørsmål.
Og mens Ubers budsjettplanleggere svetter, produserer ingeniørene kode. 70 prosent AI-generert kode på tvers av et av verdens største tech-selskaper – det er egentlig ganske sprøtt å tenke på. Hvis du vil lese mer om Claude og hva verktøyet kan, har jeg en komplett guide til Claude AI her.
