AI-regningen vokser: Derfor er det så svært at sætte pris på kunstig intelligens

Kunstig intelligens er blevet en hverdagsservice for millioner af brugere, men bag de gratis og betalte AI-værktøjer ligger en økonomi, som virksomheder stadig har svært ved at gennemskue.

Ifølge BBC skyldes det blandt andet den måde, store sprogmodeller arbejder på. Når en bruger beder ChatGPT, Claude eller Gemini om at skrive tekst, kode eller løse en opgave, bliver input og svar delt op i såkaldte tokens. Det er disse enheder, der behandles og betales for.

Problemet er, at forbruget ikke altid er let at forudsige. Små ændringer i en prompt kan give forskellige svar, og samme prompt fører ikke nødvendigvis til samme resultat hver gang. Når virksomheder ovenikøbet begynder at bruge flere AI-agenter sammen til at træffe beslutninger og udføre handlinger, kan tokenforbruget blive endnu mere uforudsigeligt.

Tokenprisen falder, men forbruget stiger

Selve prisen på de enkelte tokens er faldet markant de senere år. Alligevel er regningen ikke nødvendigvis blevet lettere at håndtere, fordi virksomheder og forbrugere bruger langt flere tokens end før.

En analyse fra Goldman Sachs, der forudser, at tokenforbruget kan stige 24 gange fra 2026 til 2030 og nå 120 billiarder tokens om måneden, efterhånden som virksomheder tager AI-agenter bredere i brug.

Det skaber en udfordring for både leverandører og kunder. Virksomheder, der bygger AI ind i egne produkter, skal ikke kun betale for selve udviklingen. De kan også få behov for tokens til test, sikkerhed, kvalitetssikring og kontrolmekanismer.

Will Venters, lektor ved London School of Economics, peger på, at virksomheder kan blive ramt, når medarbejdere eksperimenterer med AI internt og hurtigt bruger store mængder tokens. Han beskriver problemet som svært at styre, fordi værdien og outputtet ikke er fast.

“Folk synes, det er virkelig svært at styre den omkostning,” siger han til BBC.

Kunder vil have faste priser

For AI-leverandørerne er udfordringen, at kunderne ofte ønsker forudsigelige priser. Men leverandørernes egne omkostninger kan ændre sig, hvis de store udbydere af sprogmodeller justerer deres prismodeller.

Der er flere mulige prismodeller: højere priser på tværs af kunder, betaling efter resultater eller bundter af hændelser og opgaver. Men ingen model løser grundproblemet fuldt ud, hvis selve tokenforbruget ændrer sig fra måned til måned.

Samtidig kan faste abonnementer vise sig dyre for de store AI-selskaber, hvis brugerne anvender værktøjerne meget intensivt. Oliver King-Smith, grundlægger af smartR AI, vurderer , at nogle mindre organisationer i dag kan bruge personlige flat fee-konti på en måde, som de store leverandører næppe ønsker på længere sigt.

AI kan give mere værdi – men regningen skal betales

Usikkerheden betyder ikke nødvendigvis, at AI er en dårlig forretning. Venters peger på, at højere tokenforbrug også kan hænge sammen med bedre resultater. Mere input og mere arbejde fra modellen kan i nogle tilfælde skabe større værdi.

Men for virksomhederne er det afgørende spørgsmål stadig, hvordan udgiften skal sendes videre til kunderne. Hvis prisen ændrer sig løbende, bliver det svært for kunder at lægge budgetter og for leverandører at love stabile vilkår.

Dermed står AI-branchen med et paradoks: Teknologien bliver mere udbredt og mere central i virksomhedernes drift, men betalingsmodellen er stadig under udvikling. For mange virksomheder kan den næste store AI-udfordring derfor blive mindre teknisk og mere økonomisk: at finde ud af, hvad kunstig intelligens egentlig skal koste.

Vores team kan have anvendt AI til at assistere i skabelsen af dette indhold, som er gennemgået af redaktørerne.