AI-boble i aksjemarkedet: slik sikrer du AI-planen
Tangen advarer om at et fall i AI-aksjene treffer Oljefondet hardt, mens NHO regner med 5600 milliarder i gevinst. Her er skillet mellom markedsrisiko og AI-strategi.
Publisert 21 min lesing

Innhold
Nøkkelpunkter per 19. august 2026:
- Tangen advarer om at Oljefondet er sårbart for et fall i AI-aksjene, etter et halvår med 1753 milliarder kroner i avkastning (Digi.no).
- Kursfallet i programvareaksjer kom uten bred svekkelse i inntekter eller marginer: veksten ble priset ned fra 15-20 prosent til 5-10 prosent (zacksim.com).
- Gevinsten ligger i driften: økt bruk av generativ AI kan løfte norsk produktivitetsvekst fra 0,6 til 1,3 prosent årlig fram mot 2040 (NHO, 2023).
- Utsettelse koster: fem års forsinket utnyttelse av generativ AI reduserer verdiskapingsgevinsten med 450 milliarder kroner (NHO, 2023).
- Barrieren er kompetanse, ikke kapital: bare rundt 24 prosent av virksomhetene bruker AI, og manglende innsikt oppgis som viktigste hinder (NHO, 2023).
AI-boble eller ompriset usikkerhet: hva markedet faktisk diskuterer
Debatten om en AI-boble handler om to forskjellige ting som stadig blandes sammen. Den ene er prisingen av et lite antall børsnoterte teknologiselskaper. Den andre er om AI faktisk gjør arbeid raskere, billigere og bedre i vanlige virksomheter. Oljefondssjef Nicolai Tangen har advart om at fondet er sårbart for et fall i AI-aksjene (Digi.no). Det er en uttalelse om porteføljerisiko. Det er ikke en uttalelse om hvorvidt en regnskapsavdeling i Trondheim sparer tid på et språkmodellverktøy.
For en ledergruppe er skillet avgjørende, fordi de to tingene har ulike eiere, ulike tidshorisonter og ulike mottiltak. Faller kursene, treffer det pensjonskapital og statsfinanser. Fungerer ikke AI i din egen saksbehandling, treffer det marginen din uansett hva børsen gjør. Alura mener at verdien av AI internt i en virksomhet henger sammen med produktivitet og arbeidsprosesser, ikke med kursutviklingen til noen få teknologigiganter. Resten av denne artikkelen bygger på det skillet.
| Dimensjon | Markedsrisiko | Driftsrisiko |
|---|---|---|
| Hva som er utsatt | Verdien av aksjer i teknologiselskaper | Timer, kvalitet og marginer i egne prosesser |
| Hvem eier den | Investorer, fond, pensjonssparere | Ledergruppen og linjeledere |
| Signal å følge | Prising, inntjening, sentiment | Gjennomløpstid, feilrate, kostnad per sak |
| Riktig mottiltak | Diversifisering | Bedre prosessdesign og opplæring |
| Påvirkes av kursfall | Direkte og umiddelbart | Indirekte, via leverandørpriser og tempo |
Hva en boble betyr, og hva den ikke betyr
En boble er at prisen på en eiendel ligger vesentlig over det de underliggende kontantstrømmene kan forsvare. Det sier noe om forventninger, ikke nødvendigvis om teknologien. Jernbane, elektrisitet og internett fikk alle finansielle korreksjoner uten at teknologien forsvant etterpå. Tangen utelukker ikke et kraftig fall, og viser til børskrakket i 1929, der aksjene falt 80 prosent (Digi.no). Det er en påminnelse om hva prising kan gjøre, ikke en spådom om nytteverdien av verktøyene.
Tangens advarsel lest nøyaktig
Det er verdt å lese hva som faktisk blir sagt. Tangen peker på at Oljefondet er tungt eksponert mot selskaper som Alphabet, Meta, Amazon og Apple, og at et fall i AI-aksjene vil påvirke hele aksjemarkedet, ikke bare teknologisektoren (Digi.no). Han sier også at formuer alltid går tapt til slutt. Det er en formuesforvalters risikoerkjennelse, formulert av noen som forvalter felleskapital og må si det høyt. Ingen del av den uttalelsen handler om hvorvidt din bedrift bør automatisere fakturamottak.
Markedsrisiko og driftsrisiko er to regnskaper
Når kursene svinger, oppstår det en fristelse til å bruke børsen som beslutningsgrunnlag for interne investeringer. Det er en kategorifeil. Aksjekursen til en modellleverandør sier noe om hva investorer tror om selskapets framtidige inntekter. Den sier ingenting om hvor mange timer kundeserviceteamet ditt bruker på gjentakende spørsmål. De to tallene møtes først når leverandøren endrer priser eller legger ned et produkt, og det er en leverandørrisiko du håndterer i kontrakt og arkitektur, ikke i budsjettvedtaket.
Oljefondets eksponering mot teknologigigantene
Oljefondet er den tydeligste norske koblingen mellom AI-prising og nasjonaløkonomi. Fondet leverte 1753 milliarder kroner i avkastning i første halvår, tilsvarende 9,4 prosent (Digi.no). Samme kilde viser hvor fort det kan snu andre veien. Det er denne dobbeltheten, høy avkastning og høy sårbarhet fra samme posisjoner, som gjør debatten relevant også for ledere som ikke forvalter en krone i aksjer.
Tallene bak rekordhalvåret
Første kvartal ga minus 1,9 prosent og et verdifall på 1270 milliarder kroner, før markedet snudde. Fondets verdi var 19 998 milliarder kroner per 31. mars og 22 200 milliarder kroner senere samme periode (Digi.no). Svingningene innenfor et halvår er større enn de fleste norske bedrifters totale balanse. Poenget er ikke størrelsen, men hastigheten: verdiene beveger seg raskere enn en strategiprosess klarer å reagere på.
Hvorfor et fall treffer bredt
Konsentrasjonen er kjernen i problemet. Når noen få selskaper utgjør en stor del av indeksen, blir en indeksnær portefølje mindre diversifisert enn navnet tilsier. Tangen peker nettopp på at et fall i AI-aksjene vil forplante seg til hele markedet (Digi.no). For norske bedrifter betyr det at et AI-drevet kursfall ikke stopper i teknologisektoren, men slår inn i kapitaltilgang, valuta og investeringsvilje i bredden av økonomien.
Det finnes en nyttig lærdom i hvordan fondet selv jobber med teknologien framfor bare å eie den, noe vi har skrevet om i en gjennomgang av Oljefondets AI-strategi. Forskjellen mellom å være eksponert for AI og å bruke AI er akkurat den forskjellen denne artikkelen handler om.
Koblingen til statsbudsjettet
Handlingsregelen tilsier at 3 prosent av fondet kan brukes over statsbudsjettet, noe som utgjør om lag 600 milliarder kroner for inneværende år (Digi.no). Tidligere finansminister Siv Jensen mener politikerne må prioritere hardere, mens Kristin Halvorsen kritiserer at det kastes milliarder på problemer uten utredninger. For virksomheter som lever av offentlige anskaffelser, er dette den mest konkrete kanalen fra en AI-korreksjon til egen ordrebok: et varig lavere fond gir strammere offentlige budsjetter, med et par års forsinkelse.
Les også: Generativ AI: Revolusjonerer innholdsproduksjon for norske bedrifter. Schibsted sparer 13 000+ timer med AI-transkripsjon, VG ser 19 % klikkrate på AI-sammendrag, og Forrester ...
Hvor synlig er bedriften din i Google og ChatGPT?
Vi sjekker nettsiden din og sender en gratis synlighetsrapport innen 24 timer.
Vil du heller snakke med en rådgiver? Ta kontakt.
Tre spørsmål før AI-budsjettet knyttes til markedsforventninger
Det praktiske behovet er ikke en prognose for AI-aksjer. Det er en test på om AI-planen tåler at prognosen bommer. Tre spørsmål gjør den jobben, og de kan besvares i et enkelt ledermøte uten ekstern hjelp. Alura mener at en AI-plan bør tåle at markedsforventningene endrer seg, og derfor bygges på målbare gevinster i egen drift framfor eksterne vekstanslag.
| Spørsmål | Hva du ser etter | Rødt flagg |
|---|---|---|
| Hviler gevinsten på vår egen drift eller på andres vekst? | Gevinst uttrykt i spart tid, færre feil eller høyere kapasitet i navngitte prosesser | Business casen siterer markedsprognoser og analytikeranslag |
| Hva koster det oss å vente? | Et beregnet tap per måned utsettelse, med samme metode som investeringssiden | Utsettelse behandles som gratis eller kostnadsnøytralt |
| Hvor er vi låst hvis leverandøren endrer pris eller produkt? | Data, prompter og integrasjoner som kan flyttes til en annen modell | Forretningskritisk logikk bare i leverandørens grensesnitt |
Spørsmål 1: hviler gevinsten på egen drift eller andres vekst?
Gå gjennom business casen og strek under hver antakelse. Antakelser om egen drift lyder slik: saksbehandlingen tar så mange timer i dag, den tar færre timer med verktøyet, og vi har målt begge deler. Antakelser om andres vekst lyder slik: markedet for AI-tjenester vokser, derfor blir dette lønnsomt. Bare den første typen overlever et kursfall. Hvis mer enn en håndfull av forutsetningene er av den andre typen, er ikke dette en investeringsbeslutning, det er en veddemålsbeslutning.
Spørsmål 2: hva koster et halvår med utsettelse?
Utsettelse framstilles nesten alltid som det forsiktige valget, og prises nesten aldri. Det er asymmetrisk. NHOs analyse illustrerer poenget på makronivå: fem års forsinket utnyttelse av generativ AI reduserer verdiskapingsgevinsten med 450 milliarder kroner (NHO, 2023). I din virksomhet er tilsvarende regnestykke enkelt: hvor mye tid sparer piloten per måned, ganget med antall måneder du venter. Alura mener at å utsette AI-arbeidet i påvente av at markedet skal roe seg har en pris, og at den prisen bør regnes på like nøye som investeringen.
Spørsmål 3: hvor er vi låst inne?
Et kursfall rammer ikke bare investorer, det rammer leverandørenes prismodeller og produktporteføljer. Spørsmålet er derfor hvor mye av verdien din som ligger utenfor din egen kontroll. Ligger dokumentgrunnlaget, kunnskapsbasen og integrasjonene hos deg, kan modellen byttes. Ligger arbeidsflyten låst i en leverandørs grensesnitt, betaler du hva de ber om. Arkitekturvalg som RAG mot egne data gjør denne uavhengigheten konkret, fordi kunnskapen bor hos deg og modellen blir en utskiftbar komponent.
Sentiment mot fundamentale tall i programvareaksjene
Den mest lærerike delen av uroen er ikke teknologigigantene, men programvareselskapene som ble priset ned fordi investorer fryktet at AI ville spise forretningsmodellen deres. Der finnes et tydelig signal om hva som faktisk skjedde: forventninger endret seg, ikke resultater.
Hva som faktisk endret seg i prisingen
Investorer som tidligere la til grunn 15-20 prosent inntektsvekst for programvareselskaper, priset mange av de samme selskapene nærmere 5-10 prosent (zacksim.com). Utløseren var blant annet at Anthropic kunngjorde utvidede agentegenskaper i Claude-plattformen. Samtidig var det ingen bred forverring i rapporterte inntekter, kontantstrømmer eller driftsmarginer. Kursene falt altså på en revidert framtid, ikke på en svekket nåtid.
Sentimenthandel eller fundamental svekkelse
Forfatteren bak analysen mener markedet priser om usikkerhet, og at dette er en sentimenthandel snarere enn en fundamental handel, med diversifisering som viktigste svar (zacksim.com). Merk kilden: dette er en forvalters blogginnlegg, ikke uavhengig forskning, og skal leses som et argument. Men den underliggende observasjonen er kontrollerbar og nyttig for en innkjøper: hvis leverandøren din faller på børs uten at inntjeningen svekkes, er det ikke et varsel om at produktet slutter å virke. Det kan derimot bety at prisøkninger kommer, fordi selskapet må forsvare marginen.
Dette gjør ledergruppen mandag morgen
Rammeverk er verdiløse uten en handling knyttet til seg. Under følger et minimumsprogram som ikke krever nytt budsjett, ny organisasjon eller at markedet roer seg. Det krever et ledermøte, en ansvarlig per punkt og vilje til å måle før man mener.
| Handling | Ansvarlig | Leveranse |
|---|---|---|
| Velg ut de mest tidkrevende gjentakende prosessene | Driftsleder | Kort liste med volum og tidsbruk per prosess |
| Mål dagens tilstand før pilot | Prosesseier | Baseline: timer, gjennomløpstid, feilrate |
| Kjør et begrenset antall piloter | Utpekt pilotansvarlig | Måling mot baseline, samme metode |
| Definer avbruddskriterier i forkant | Ledergruppen | Skriftlig terskel for å stoppe eller skalere |
| Sett opp opplæring for berørte team | HR og fagansvarlig | Plan for hvem som læres opp, i hva |
Mål før du mener
Det vanligste problemet i AI-prosjekter er ikke at teknologien svikter, men at ingen vet hva utgangspunktet var. Uten en baseline blir evalueringen en meningsutveksling om hvorvidt det føltes raskere. Mål tidsbruk, gjennomløpstid og feilrate på et representativt utvalg saker før verktøyet innføres. Bruk samme måling etterpå. Dette er den billigste forsikringen mot både overselgende leverandører og overdreven intern skepsis.
Velg få piloter, og velg dem der volumet er
Bredde dreper AI-prosjekter. Mange små piloter gir mange små læringer og ingen resultatlinje. Velg heller de prosessene med høyest volum og mest gjentakelse, fordi det er der en liten prosentvis forbedring blir til reelle kroner. Erfaringene fra store utrullinger er lærerike her, og vi har oppsummert et konkret eksempel i gjennomgangen av Samsungs ChatGPT-utrulling. Der er lærdommen at rammer og opplæring avgjør utfallet mer enn modellvalget.
Bestem avbruddskriteriene før du starter
Et pilotprosjekt uten stoppregel blir sjelden stoppet. Skriv ned på forhånd hva som må være oppfylt for å skalere, og hva som utløser avvikling. Kriteriene bør være tallfestede og knyttet til baselinen, ikke til entusiasme hos prosjektgruppen. Dette gir også styret noe konkret å forholde seg til når markedsuroen kommer opp i styrerommet, fordi det viser at nedsiden er begrenset og definert.
Produktivitetsgevinsten avhenger ikke av aksjekursene
Den økonomiske begrunnelsen for AI i norske virksomheter er en produktivitetsbegrunnelse. Den står og faller på om arbeid faktisk gjøres raskere og bedre, ikke på hva noen betaler for en aksje i San Francisco.
Fra 0,6 til 1,3 prosent
Analysen utført for NHO anslår at økt bruk av generativ AI kan løfte den gjennomsnittlige årlige produktivitetsveksten i Norge fra rundt 0,6 prosent til rundt 1,3 prosent i perioden 2023 til 2040 (NHO, 2023). En dobling av produktivitetsveksten er stort i makroøkonomisk sammenheng, fordi effekten renter seg over mange år. Samtidig er dette et anslag med betydelig usikkerhet, ikke et løfte. Det bør leses som et uttrykk for potensialets størrelsesorden.
Hvor gevinsten oppstår i praksis
Produktivitet på makronivå er summen av mange kjedelige forbedringer. Kortere behandlingstid på søknader, mindre manuell datafangst, raskere utkast som mennesker kvalitetssikrer. Mye av dette overlapper med det etablerte automatiseringsfeltet, og for repeterende regelstyrte oppgaver er ofte robotisert prosessautomatisering en billigere løsning enn en språkmodell. På innholdssiden ligger gevinsten i utkast og variasjon, noe vi har gått nærmere inn på i artikkelen om generativ AI i innholdsproduksjon. Ingen av disse gevinstene forsvinner om en indeks faller.
Kostnaden ved å vente
Å vente er også en beslutning, og den har en kostnad som sjelden føres noe sted. NHO-analysen er en av få norske kilder som faktisk setter tall på hva forsinkelse gjør med verdiskapingen, og tallene er store nok til å fortjene plass i en styrepresentasjon.
| Scenario | Effekt fram mot 2040 | Kilde |
|---|---|---|
| Digitalisering og AI, samlet potensial | Opp mot 5 600 milliarder kroner i ekstra verdiskaping | NHO, 2023 |
| Generativ AI alene | 2 000 milliarder kroner i økt verdiskaping | NHO, 2023 |
| Full utnyttelse av generativ AI utsatt i fem år | 450 milliarder kroner i redusert gevinst | NHO, 2023 |
| Langsommere utrulling av AI totalt | 4000 milliarder kroner, altså 1600 milliarder lavere | NHO, 2023 |
Hva fem års utsettelse gjør
Forsinkelse er dyrere enn de fleste antar, fordi produktivitetsgevinster akkumuleres. Et år tapt tidlig i perioden er ikke et år lagt til på slutten, det er et år med lavere base for alle påfølgende år. Det er derfor differansen mellom rask og langsom utrulling måles i tusenvis av milliarder på nasjonalt nivå (NHO, 2023). Den samme mekanikken gjelder i en enkelt bedrift, bare med færre nuller.
Fra makrotall til din resultatlinje
Makroanslag skal ikke kopieres inn i din business case. De forteller deg at potensialet er reelt, ikke hvor mye du får. Regn i stedet ventekostnad slik: identifiser den ene prosessen med størst dokumentert tidsbruk, estimer forbedringen konservativt, og gang med kostnaden per time. Da har du et tall som tåler spørsmål fra en skeptisk økonomidirektør, og som ikke faller sammen hvis analytikerne revurderer AI-markedet.
Ventekostnaden som ikke er økonomisk
Den delen av ventekostnaden som gjør mest skade, står ikke i regnearket. Det er kompetanse. En organisasjon som ikke har brukt verktøyene, kan heller ikke vurdere dem, kjøpe dem klokt eller sette grenser for dem. NHO-analysen peker på nettopp manglende kompetanse og innsikt som de viktigste barrierene for virksomheter (NHO, 2023). Alura mener kompetanse og innsikt er den barrieren norske virksomheter må løse først, uavhengig av hvor aksjemarkedet står.
Les også: Det Samsungs ChatGPT-utrulling lærer norske bedrifter. Samsung Electronics ruller ut ChatGPT Enterprise og Codex til ansatte i Korea og DX-divisjonen globalt.
Markedsobservasjon: norsk hedgefond posisjonert for videre kursfall
Det er ikke bare formuesforvaltere som advarer. Et norsk hedgefond har lenge veddet mot flere av teknologigigantene, kaller situasjonen en klassisk boble, og er rigget for enda mer kursfall (E24). Slike posisjoner er verdt å registrere, men de er ikke beslutningsgrunnlag for en driftsplan.
Hva en short-posisjon faktisk sier
En short-posisjon er en påstand om pris og tidspunkt, ikke om teknologiens nytte. Fondet tjener penger hvis aksjene faller, uavhengig av om AI-verktøy sparer tid i norske virksomheter. Posisjonen sier heller ingenting om hvor lenge fondet må vente, og shorting mot en stigende sektor er dyrt. At noen tar den risikoen, forteller at prisingen oppleves som strukket av profesjonelle aktører (E24). Det er informasjon, ikke en fasit.
Hvorfor du ikke skal kopiere finansposisjoner inn i driften
Investorer og operatører har ulike tidshorisonter og ulike gevinstmodeller. En forvalter kan snu porteføljen på en dag. En organisasjon som skal endre arbeidsprosesser og bygge kompetanse, bruker kvartaler. Den som stopper AI-arbeidet fordi et hedgefond er negativt, importerer en tidshorisont som ikke passer, og betaler ventekostnaden beskrevet lenger opp. Det motsatte gjelder også: at kursene stiger er ikke et argument for å kjøpe flere lisenser.
Forskningen på AI-investeringer og krakkrisiko
Er det slik at AI-investeringer i seg selv gjør et selskap mer eller mindre utsatt for kursfall? Spørsmålet er nytt nok til at forskningen fortsatt jobber med det, og et forhåndsregistrert studie i Pacific-Basin Finance Journal er et av de mer disiplinerte forsøkene (sciencedirect.com).
To motstridende hypoteser
Studien legger fram to konkurrerende prediksjoner: AI-investering kan enten dempe eller øke risikoen for kursfall. Dempende, fordi bedre analyse og mer åpenhet gjør det vanskeligere å skjule dårlige nyheter. Økende, fordi AI-satsinger skaper høye forventninger og gir ledelsen anledning til å utsette skuffelser. Designet bruker Kinas pilotsoneordning for ny generasjons kunstig intelligens som eksogent sjokk, på A-aksjeselskaper i Shanghai og Shenzhen fra 2007 til 2023 (sciencedirect.com).
Hva du kan og ikke kan bruke dette til
Verdien ligger i at hypotesene er registrert på forhånd, slik at resultatet ikke kan formes etter at dataene er sett. Begrensningene er like tydelige: kinesisk kapitalmarked, kinesisk regulering, og et forhåndsregistrert rapportformat som også undersøker effekten på selskapsverdi (sciencedirect.com). Overføringsverdien til Oslo Børs eller til en unotert norsk SMB er begrenset. Den praktiske lærdommen er likevel nyttig: forskningsfronten er uavklart, og alle som hevder å vite retningen med sikkerhet, sier mer enn de kan belegge.
Governance: rapporter AI-risiko uten å bremse arbeidet
Styret må kunne svare på hva AI-uroen betyr for selskapet. Problemet oppstår når svaret blir en generell bekymring som stopper alt praktisk arbeid. God rapportering skiller mellom eksponering man kan gjøre lite med, og avhengigheter man kan designe seg ut av.
| Risiko | Eier | Rapporteres som | Mottiltak |
|---|---|---|---|
| Leverandøravhengighet | IT-ansvarlig | Andel kritiske prosesser med bare en leverandør | Data og kunnskapsbase på egen side, byttbar modell |
| Prisrisiko på AI-tjenester | Økonomi | Kostnad per sak eller per bruker over tid | Kontraktsvilkår, tak, alternativ leverandør testet |
| Kvalitet og feilrate | Prosesseier | Feilrate mot baseline før innføring | Menneskelig kontroll i definerte punkter |
| Kompetansegap | HR | Andel berørte ansatte med gjennomført opplæring | Opplæringsplan med frist og ansvarlig |
| Markedsrisiko i egen portefølje | Styret | Eksponering mot teknologisektoren | Diversifisering |
Skill finansiell eksponering fra operasjonell avhengighet
Finansiell eksponering håndteres med diversifisering, som er standardsvaret også i analysen av programvarefallet (zacksim.com). Operasjonell avhengighet håndteres med arkitektur og kontrakter. De to blandes ofte i styrepapirer, med det resultatet at ingen av dem blir håndtert. Skriv dem på hver sin linje, med hver sin eier, og be om ulike tiltak.
Rapporter gevinst i timer og kroner
Antall piloter er ikke et resultatmål. Et styre som får vite at selskapet har tolv AI-initiativer, vet mindre enn et styre som får vite at en prosess bruker færre timer per uke enn før, målt mot en baseline. Tallfestet gevinst gjør også diskusjonen om markedsrisiko kortere, fordi den flytter samtalen fra hva analytikerne tror til hva som faktisk er observert internt.
Sett terskler i stedet for stoppordre
Uro i markedet fører ofte til brede innstramminger som rammer også lønnsomme initiativer. Et bedre virkemiddel er terskler: initiativer som når definerte gevinstmål fortsetter, resten avsluttes. Da får du kostnadskontroll uten å kutte de tiltakene som faktisk betaler for seg. Det er også lettere å forsvare i ettertid, både hvis markedet faller og hvis det ikke gjør det.
Vanlige feil i en urolig AI-periode
Feilene nedenfor går igjen hos virksomheter som ellers styrer godt. De har det til felles at de forveksler signaler fra kapitalmarkedet med signaler fra egen drift.
Å lese børsen som en indikator på nytteverdi
Kursfallet i programvareaksjer skjedde uten bred forverring i inntekter, kontantstrømmer eller driftsmarginer (zacksim.com). Det er den tydeligste illustrasjonen av at pris og nytte kan bevege seg uavhengig av hverandre. Den som utsetter et internt tiltak fordi leverandørens aksje falt, har brukt feil måleinstrument. Spør heller hva prisendringen gjør med totalkostnaden din over avtaleperioden.
Å utsette kompetansebygging til det blir roligere
Kompetanse er den tregeste komponenten i hele regnestykket, og den eneste som ikke kan kjøpes ferdig på kort varsel. Når rundt 24 prosent av virksomhetene har tatt i bruk AI på en eller annen måte, og omtrent halvparten av disse har eller utvikler en strategi for bruken, er det store flertallet fortsatt i startgropa (NHO, 2023). Undersøkelsen bak tallene har over 5 300 respondenter, så bildet er ikke tilfeldig. Å vente på ro betyr i praksis å vente på at andre bygger forspranget.
Å kjøpe verktøy før prosessen er beskrevet
Verktøykjøp er raskt og synlig, prosessarbeid er tregt og usynlig. Derfor gjøres de i feil rekkefølge. Resultatet er lisenser som ligger ubrukt, og en ledergruppe som konkluderer med at AI ikke fungerer hos oss. Beskriv prosessen først, med volum, tidsbruk og feilkilder. Da vet du også hva du skal be leverandørene bevise i en pilot, i stedet for å bli vist en demo som alltid ser bra ut.
Å behandle makroanslag som en garanti
Store tall er lette å sitere og farlige å budsjettere med. Anslaget på opp mot 5 600 milliarder kroner i ekstra verdiskaping fram mot 2040 gjelder digitalisering og AI samlet for hele norsk økonomi (NHO, 2023). Det er ikke en andel du automatisk får ved å kjøpe lisenser. Bruk slike tall til å begrunne at temaet fortjener ledelsens tid, og bruk egne målinger til å begrunne kronebeløp.
Vanlige spørsmål om AI-boble og investeringsrisiko
Spørsmålene under er de som oftest kommer fra ledergrupper og styrer når markedsuroen blir tema.
Er vi i en AI-boble?
Ingen kan svare sikkert, og de som gir et skråsikkert svar, selger noe. Det som kan dokumenteres er at profesjonelle aktører vurderer prisingen som strukket: Tangen utelukker ikke et kraftig fall (Digi.no), og et norsk hedgefond er posisjonert for videre nedgang (E24). For din virksomhet er svaret uansett det samme: bygg planen slik at den ikke avhenger av utfallet.
Bør vi utsette AI-investeringer til markedet har roet seg?
Bare hvis du har regnet på hva ventingen koster, og kommet til at den er billigere. På nasjonalt nivå er prislappen for fem års forsinket utnyttelse av generativ AI anslått til 450 milliarder kroner i tapt verdiskaping (NHO, 2023). I egen virksomhet er ventekostnaden lettere å regne på enn folk tror, og som regel høyere enn de antar.
Hva skjer med AI-verktøyene våre hvis kursene faller kraftig?
Verktøyene slutter ikke å virke fordi aksjen faller. Den realistiske konsekvensen er konsolidering, prisøkninger og at enkelte produkter legges ned. Det er en leverandørrisiko du kan redusere nå: hold data og kunnskapsbase på egen side, unngå at forretningslogikk bare finnes i en leverandørs grensesnitt, og test at en alternativ modell kan gjøre jobben.
Hvordan påvirker Oljefondets eksponering norske bedrifter?
Indirekte, men reelt. Fondet er tungt eksponert mot selskaper som Alphabet, Meta, Amazon og Apple, og handlingsregelen gjør at rundt 600 milliarder kroner kan brukes over statsbudsjettet i inneværende år (Digi.no). Et varig verdifall strammer inn det offentlige handlingsrommet over tid. Det merkes først hos leverandører til offentlig sektor, ikke i den enkelte AI-lisensen.
Hva er den vanligste feilen i denne perioden?
Å la markedsnyheter styre interne prioriteringer. Den nest vanligste er å hoppe over målingen som ville avgjort saken. Med en baseline på plass blir spørsmålet om AI lønner seg hos oss et empirisk spørsmål, som kan besvares i løpet av et kvartal, uavhengig av hva indeksen gjør i mellomtiden.
Oppsummering: dette tar du med videre
Markedet og driften er to regnskaper. Advarslene om AI-prising er reelle og kommer fra folk med god grunn til å ta dem på alvor, fra Oljefondets ledelse til hedgefond som har tatt posisjon (E24). Ingen av dem sier noe om hvorvidt din saksbehandling kan gjøres raskere. Det spørsmålet besvares med måling, ikke med markedsanalyse.
De tre spørsmålene ledergruppen bør stille før neste AI-budsjett vedtas, er de samme uansett kursnivå. Hviler gevinsten på vår egen drift eller på andres vekst? Hva koster utsettelse oss, målt med samme metode som investeringen? Hvor er vi låst inne hvis leverandøren endrer pris eller produkt? Får du gode svar på disse, tåler planen både et kursfall og et nytt rekordhalvår.
Det som ikke bør vente, er kompetansen. Manglende kompetanse og innsikt er de viktigste barrierene norske virksomheter oppgir, og det er den tregeste tingen å bygge (NHO, 2023). Norge ligger relativt godt an på rammebetingelser i internasjonal sammenligning. Fordelen ligger i utgangspunktet, ikke i gjennomføringen, og gjennomføringen avgjøres i den enkelte virksomhet.
Alura er et norsk AI-byrå i Oslo. Vi holder AI-kurs og workshops og lager AI-strategi for bedrifter. Se opplæring og strategi, eller start med en gratis kartlegging.
- Digi.no. Tangen: Oljefondet sårbart for AI-boble
- zacksim.com. Evaluating AI Disruption Risk in the Stock Market | Zacks Investment Management Blog
- NHO (2023). Kunstig intelligens i Norge – nytte, muligheter og barrierer
- E24. Vedder mot AI-gigantene: – Det er klassisk boble
- sciencedirect.com. Artificial intelligence and stock price crash risk: Evidence from China: A pre-registered report
Alura Innsikt: AI-nyhetene som angår din bransje, en e-post i uken.
Les neste.
Skykapasitet i Norge: Digdir flytter til SverigeMicrosoft sier Norway East ikke lenger er skalerbart, og Digdir må flytte tjenester til Sverige. Her er hva norske virksomheter bør kartlegge før de bygger AI-tjenester i skyen.27 min lesing
AI i forretningssystemer: dette må du spørre omOracle og ServiceNow legger ChatGPT og Codex rett inn i systemene norske SMB-er allerede bruker. Dette bør du sjekke før du kjøper AI-funksjonene som ferdigpakke.25 min lesing
AI-agenter sikkerhet: 60 prosent mangler nødstoppAnthropic måtte kutte internettilgangen for sine egne AI-agenter etter at de sendte inn visumsøknader og et falskt mordtips. Her er kravene norske SMB-er bør stille til leverandøren.32 min lesing
