AI-budsjettet vokser 75 prosent selv om token-prisen faller

Nøkkelpunkter per 15. september 2026:

• Token-prisen falt fra 1,15 til 0,68 dollar per million tokens etter priskutt fra de store modellleverandørene (TechCrunch).
• AI-budsjettene ventes å vokse rundt 75 prosent neste år, og globale AI-utgifter i 2026 anslås til 2,52 billioner dollar (keyholesoftware.com).
• Totalkostnaden over tre år blir to til tre ganger byggekostnaden, fordi rundt 65 prosent av livssykluskostnaden påløper etter lansering (keyholesoftware.com).
• 80 prosent melder bedre egen produktivitet, men bare 37 prosent ser positiv EBIT-effekt av AI i McKinseys globale AI-undersøkelse.
• Bare 17 prosent av små bedrifter i EU brukte AI-teknologier i 2025, mens de store bedriftene ligger langt foran (EU-kommisjonen, 2025).

---

AI-budsjettet i 2026: hva tallene faktisk viser

To tall definerer AI-budsjettet for 2026, og de peker i hver sin retning. Prisen på inferens faller. Budsjettene vokser likevel med omtrent 75 prosent det neste året, ifølge en gjennomgang av over 15 bransjerapporter (keyholesoftware.com). Samlede globale AI-utgifter i 2026 er anslått til 2,52 billioner dollar. Dette er ikke en selvmotsigelse. Det er et presist signal om hvor kostnaden i et AI-prosjekt faktisk ligger, og den ligger ikke i modellen.

Veksten er bred, ikke konsentrert

Det er ikke bare de største som øker. 60 prosent av respondentene i McKinseys globale AI-undersøkelse forventer økte AI-investeringer det neste året, og 28 prosent bruker allerede mer enn 10 prosent av IT-budsjettet sitt på AI. Andelen som skalerer AI i hele virksomheten har steget fra 38 til 44 prosent på ett år. For en norsk SMB betyr det at AI ikke lenger er en linje under «innovasjon», men en post som konkurrerer med lisenser, konsulenter og infrastruktur om reell plass i driftsbudsjettet.

Samtidig sier 56 prosent i den samme undersøkelsen at de bruker AI i tre eller flere funksjoner, opp fra 51 prosent året før. Spredningen på tvers av funksjoner er den delen av tallmaterialet som koster mest, fordi hver nye funksjon krever sin egen integrasjon, sine egne datatilganger og sitt eget eierskap.

Bruken er fortsatt tynn i små bedrifter

I 2025 brukte under en femdel av bedriftene i EU AI-teknologier, mens flertallet av de store bedriftene gjorde det (EU-kommisjonen, 2025). Blant små bedrifter var tallet 17 prosent. En amerikansk Census-undersøkelse oppdatert 23. august fant tilsvarende at bare 22 prosent av bedrifter oppgir å bruke AI (TechCrunch). Budsjettveksten kommer altså fra en relativt smal base som bruker mer, ikke fra en bred bølge av nye brukere.

Token-prisen falt fra 1,15 til 0,68 dollar

Gjennomsnittlig token-kostnad har falt til 0,68 dollar per million tokens, mot en topp på 1,15 dollar i mars, etter priskutt fra OpenAI og Anthropic (TechCrunch). Dataene kommer fra Ramps utvalg på 70 000 selskaper. Ramp-økonom Ara Kharazian peker på konkurransen mellom de to leverandørene som direkte årsak. Prisfallet er reelt, målbart og dokumentert. Spørsmålet er hvilken budsjettpost det faktisk treffer.

Forbruket per ansatt falt, men adopsjonen står stille

AI-forbruket per ansatt i de øverste 1 prosent av AI-brukende selskaper falt nesten 10 prosent til 7 205 dollar i august (TechCrunch). Samtidig betalte 56 prosent av selskapene i utvalget for AI-produkter, en økning på bare 0,4 prosentpoeng fra måneden før. Ramp har tidligere sett at adopsjonen flater ut mellom august og oktober før den tar seg opp igjen, så en enkelt sommermåned er tynt beslutningsgrunnlag. Men retningen er tydelig nok: de tyngste brukerne betaler mindre for det samme volumet.

Få bedrifter kjører egen inferens

Bare et lite mindretall av AI-brukende bedrifter brukte modellserverings- eller inferensplattformer i august (TechCrunch). Det er verdt å ta inn over seg før man bygger et budsjett rundt token-prisen. For de aller fleste bedrifter er inferens noe som skjer inne i et produkt de kjøper, ikke en linje de selv styrer. Prisfallet tilfaller da leverandøren først, og kunden bare i den grad konkurransen tvinger det videre. Vi har sett samme mekanikk i praksis i token-økonomien for AI-agenter.

Aluras posisjon: prisfallet flytter kostnaden

Alura mener at fallende token-priser flytter kostnaden, de fjerner den ikke. Hovedposten i et AI-prosjekt er integrasjon, datakvalitet og drift, ikke inferens. Når prisen per kall halveres, er den vanlige responsen å øke antall kall: flere agenter, lengre kontekst, flere forsøk per oppgave. Regningen holder seg eller vokser, mens den posten som faktisk dominerer totalen ikke beveger seg i det hele tatt. Samme dynamikk er beskrevet konkret i vår gjennomgang av token-budsjett for AI-kodeverktøy.

---

Les også: Token-kostnader faller 75 prosent mens regningen femdobles. Enhetsprisen på tokens faller 75 prosent, men totalkostnaden femdobles.

---

Et budsjettrammeverk i fem poster

Et AI-budsjett som består av en linje kalt «AI» er ubrukelig som styringsverktøy. Del det i fem poster, og du ser umiddelbart hvilke deler prisfallet treffer og hvilke som er immune mot det.

Post	Hva den dekker	Treffes av prisfallet?	Dokumentert holdepunkt
1. Modell og inferens	API-kall, tokens, modellvalg, kontekstvindu	Ja, direkte	0,68 dollar per million tokens, ned fra 1,15
2. Integrasjon	ERP, CRM, arkiv, autentisering, brukerflater	Nei	Arbeid etter lansering dominerer livssykluskostnaden
3. Data og rens	Tilgang, kvalitet, struktur, eierskap, merking	Nei	Den største enkeltposten i prosjektinnsatsen
4. Vedlikehold og drift	Overvåking, modelloppdatering, feilretting, support	Delvis	15 til 25 prosent av byggekostnad per år
5. Compliance og sikkerhet	Juridisk vurdering, DPIA, logging, revisjon	Nei	10 000 til 100 000 dollar årlig i regulerte bransjer

Post 1: modell og inferens

Dette er den eneste posten der prisfallet slår rett gjennom. Den er også som regel den minste. Budsjetter den med et anslått månedlig kallvolum og en prisantakelse per million tokens, og legg inn et tak. Poenget med taket er ikke å spare penger, det er å oppdage volumvekst tidlig. Valget av modell hører hjemme her, og det er en beslutning med større konsekvens for kvalitet enn for kostnad. Vi har brutt ned avveiningene i valg av språkmodell for norsk bedrift.

Post 2: integrasjon mot eksisterende systemer

Rundt 65 prosent av livssykluskostnaden i et AI-system er arbeid som skjer etter lansering, og integrasjon er den største enkeltdriveren (keyholesoftware.com). En chatbot som isolert kan koste 5 000 dollar, kan koste opptil 80 000 dollar når sikkerhet, compliance og integrasjoner kreves. Det er samme funksjonalitet. Forskjellen er alt som må kobles sammen for at den skal fungere i en ekte bedrift.

Post 3: data, rens og tilgang

Dataforberedelse og datarensing kan utgjøre 60 til 80 prosent av prosjektinnsatsen, og data scientists bruker rundt 60 prosent av tiden sin på å rense og organisere data og 19 prosent på å samle datasett (keyholesoftware.com). Ingen leverandør kan prise seg bort fra dette, fordi arbeidet ligger i din egen organisasjon. Det er også posten som oftest faller utenfor tilbudet du får, fordi den ikke er leverandørens å levere.

Post 4: vedlikehold og drift

Årlig vedlikehold av AI-systemer anslås til 15 til 25 prosent av den opprinnelige byggekostnaden (keyholesoftware.com). Det dekker modelloppdateringer, endrede API-er, drift av prompter som slutter å virke når leverandøren bytter modellversjon, og vanlig support. Posten er delvis eksponert for prisfall, fordi noe av den er infrastruktur. Men lønnsdelen, som er størst, blir ikke billigere.

Post 5: compliance og sikkerhet

Compliance og sikkerhet i regulerte bransjer koster 10 000 til 100 000 dollar årlig (keyholesoftware.com). Norske SMB-er i finans, helse, rekruttering og offentlig leveransekjede er i praksis regulerte, selv om de ikke tenker på seg selv slik. Denne posten er en løpende driftskostnad, ikke en engangsvurdering før lansering.

Hvorfor treårskostnaden blir to til tre ganger byggekostnaden

Totalkostnaden over tre år kan bli to til tre ganger den opprinnelige utviklingskostnaden, fordi rundt 65 prosent av livssykluskostnaden påløper etter lansering (keyholesoftware.com). Dette er ikke en overraskelse for noen som har driftet programvare før. Det er likevel den vanligste feilen i AI-budsjetter, fordi AI-prosjekter ofte behandles som innkjøp av et verktøy og ikke som etablering av et system som skal leve.

År	Hva som faktisk påløper	Kostnad målt mot byggekostnaden
År 1	Bygg, integrasjon, datarens, første compliance-vurdering	100 prosent
År 2	Vedlikehold, modelloppdatering, løpende compliance	Årlig vedlikeholdsandel, pluss compliance
År 3	Samme, pluss reintegrasjon ved systembytte eller modellskifte	Samme nivå som år to, pluss compliance
Sum	Total eierkostnad	Byggekostnaden utgjør om lag en tredel av totalen

Hva et prosjekt faktisk koster å bygge

Intervallene nedenfor er startpunktet, ikke totalen. Legg treårsfaktoren på toppen før du sammenligner mot forventet gevinst.

Løsningstype	Typisk byggekostnad
Enkel chatbot eller virtuell assistent	5 000 til 80 000 dollar
Prediktiv analyseplattform	50 000 til 200 000 dollar
NLP-system	50 000 til 300 000 dollar
Datasynsystem	100 000 til 500 000 dollar og over
Multi-agent pilot eller PoC	80 000 til 180 000 dollar og over

Spennet innenfor hver kategori sier mer enn tallene i seg selv (keyholesoftware.com). En chatbot kan koste seksten ganger så mye som en annen chatbot. Forskjellen er nesten aldri modellen. Den er integrasjonsdybde, datatilgang og krav til sikkerhet.

Aluras posisjon: budsjetter for tre år, ikke for leveransen

Alura mener at du skal budsjettere for tre år, ikke for leveransen. Når vedlikehold ligger på 15 til 25 prosent årlig, er ettårsbudsjettet en systematisk underestimering, ikke et konservativt anslag. Konsekvensen er forutsigbar: prosjektet leveres, gevinsten uteblir i år to fordi ingen har budsjettert for videreutvikling, og systemet blir liggende som en halvdød integrasjon ingen tør å slå av. Vår erfaring er at et treårsbudsjett med eksplisitt vedlikeholdslinje endrer hvilke prosjekter som i det hele tatt blir foreslått, og det er en sunn effekt.

Dette gjør du med AI-budsjettet på mandag morgen

Rammeverket er verdiløst hvis det ikke endrer noe konkret i uken som kommer. Her er de fire grepene som gir mest effekt raskest, uavhengig av hvor langt du er kommet.

Del budsjettet i fem linjer før du henter tilbud

Send de fem postene til leverandøren og be om pris per post. De som ikke kan prise integrasjon og datarens separat, har enten ikke forstått scope eller regner med å fakturere det som endringsordre senere. Be spesifikt om hvem som eier datarensen. Når hoveddelen av prosjektinnsatsen ligger nettopp der (keyholesoftware.com), avgjør svaret på det ene spørsmålet mer enn hele timeprisen.

Sett en frist på 90 dager fra pilot til produksjon

Høytpresterende organisasjoner går fra pilot til produksjon på omtrent 90 dager, mens mange bruker ni måneder eller mer (keyholesoftware.com). Forskjellen er sjelden teknisk. Den handler om hvorvidt beslutningen om produksjonssetting var tatt før piloten startet, eller om piloten var et forsøk på å utsette beslutningen. Sett fristen i kontrakten og bestem på forhånd hva som skjer hvis den ryker.

Krev pris på år to og tre, ikke bare leveransen

Be om en skriftlig vedlikeholdsavtale med prisintervall for de to årene etter lansering, før du signerer år en. Dette er det enkleste grepet i hele artikkelen og det som oftest droppes. Et prosjekt som ser forsvarlig ut på ett år, kan være åpenbart uforsvarlig når hele treårskostnaden er synlig i samme regneark.

Mål en ting som treffer resultatlinjen

Velg en måleenhet som en finansdirektør kjenner igjen: saksbehandlingstid, konverteringsrate, antall henvendelser løst uten menneske. Ikke mål «opplevd produktivitet». Et stort flertall av respondentene i McKinseys globale AI-undersøkelse sier AI har forbedret deres individuelle produktivitet, mens langt færre rapporterer positiv EBIT-påvirkning. Gapet mellom de to tallene er nøyaktig det et godt AI-budsjett skal lukke.

Bygge selv eller kjøpe når 76 prosent kjøpes

Fordelingen i markedet er tydelig: 24 prosent av AI-bruksområdene bygges internt, mens 76 prosent kjøpes (keyholesoftware.com). Det er en nyttig referanse, men ikke et argument i seg selv. Spørsmålet er ikke hva flertallet gjør, det er hva som gjelder for ditt bruksområde.

En beslutningsramme du kan bruke direkte

Spørsmål	Peker mot kjøp	Peker mot egenutvikling
Er bruksområdet kjernevirksomhet?	Nei, det er støttefunksjon	Ja, det er selve leveransen vår
Finnes det et modent produkt i markedet?	Ja, med flere leverandører	Nei, eller bare uegnede varianter
Hvor sensitive er dataene?	Håndterbart med databehandleravtale	Krever full kontroll på lagring og flyt
Har vi kapasitet til drift i tre år?	Nei, teamet er lite	Ja, vi har utviklere som blir
Hva skjer hvis leverandøren dobler prisen?	Vi kan bytte innen rimelig tid	Vi ville vært låst uansett

Legg merke til at tre av fem spørsmål handler om organisasjon, ikke teknologi. Mangel på relevant ekspertise er den klart hyppigste årsaken til at bedrifter ikke bruker AI, og den oppgis av det store flertallet av dem som står utenfor (EU-kommisjonen, 2025). Egenutvikling uten den ekspertisen er ikke en besparelse, det er en utsatt regning.

Aluras posisjon: kjøp først, bygg der det er kjernen

Alura mener at for de fleste norske SMB-er er kjøp av ferdige løsninger riktig startpunkt, og egenutvikling forsvares først når bruksområdet er kjernevirksomhet. Begrunnelsen er kapasitet, ikke kvalitet: en bedrift med fem utviklere som binder to av dem til drift av en intern AI-plattform, har i praksis flyttet en stor del av utviklingskapasiteten ut av produktet. Når infrastrukturvalget først blir aktuelt, er avveiningene beskrevet i bygge AI-infrastruktur eller leie. Et eksempel på hva god gjennomføring kan gjøre: en forsikringsplattform estimert til 18 til 24 måneder ble levert på omtrent fem måneder og kuttet kostnadene kraftig (keyholesoftware.com).

Størrelse forklarer mer enn land i europeisk AI-bruk

Norge inngår ikke i Eurostats EU-tall, så europeisk statistikk er det nærmeste realistiske referansepunktet for en norsk SMB. Bildet er entydig: Danmark ligger i toppen av EU-statistikken og Romania i bunnen, og spennet mellom landene er stort (EU-kommisjonen, 2025). Men landforskjellene forklarer mindre enn den variabelen som betyr mest for budsjettet ditt, nemlig hvor stor bedriften er.

Størrelsesgruppe	Andel av alle bedrifter i EU
Små bedrifter	83 prosent
Mellomstore bedrifter	14 prosent
Store bedrifter	3 prosent

Undersøkelsen bak tallene dekker 157 000 bedrifter (EU-kommisjonen, 2025). Sammensetningen forklarer hvorfor europasnittet ser lavt ut: de aller fleste bedrifter i Europa er små, og det er nettopp små bedrifter som bruker AI minst. En norsk SMB skal derfor ikke måle seg mot overskriftstallet, men mot sin egen størrelsesgruppe.

Liten og stor bedrift står lenger fra hverandre enn land og land

I 2025 brukte 17 prosent av små bedrifter AI, mens andelen var klart høyere blant mellomstore og høyest blant store bedrifter (EU-kommisjonen, 2025). Avstanden mellom liten og stor bedrift er minst like stor som avstanden mellom EU-landet på topp og EU-landet på bunn. Det samme mønsteret går igjen i skaleringen av AI-agenter: i McKinseys globale AI-undersøkelse steg andelen store organisasjoner som skalerer agenter i en eller flere funksjoner fra 27 til 40 prosent, mens den var uendret på 22 prosent blant mindre organisasjoner.

Dette er en budsjettmessig opplysning, ikke bare en statistisk. Store organisasjoner har råd til å bære integrasjons- og compliance-postene over flere bruksområder. En SMB må hente hele kostnaden på ett eller to bruksområder, og må derfor velge smalere og måle strengere.

Hva bedriftene faktisk bruker AI til

Markedsføring og salg er det klart vanligste bruksområdet, tett fulgt av organisering av forretningsadministrasjon, mens logistikk ligger langt lavere (EU-kommisjonen, 2025). Tyngdepunktet ligger i tekst og kundedialog, ikke i fysiske prosesser. Det er også der integrasjonskostnaden er lavest, fordi dataene allerede finnes i CRM og e-post. Vi har sett hvordan dette slår ut i praksis når AI-agenter flytter inn i CRM.

Merk også hvor tynt de mer avanserte anvendelsene er: bare en forsvinnende liten andel av bedriftene bruker AI til autonom fysisk bevegelse. Hvis budsjettet ditt hviler på robotikk eller autonome prosesser, er du langt utenfor der markedet faktisk er, og du bør prise risikoen deretter.

---

Les også: Token-budsjett for AI-kodeverktøy: Uber-saken og norske SMB. Uber brukte opp hele 2026-budsjettet på fire måneder.

---

Gapet mellom opplevd produktivitet og faktisk EBIT-effekt

80 prosent av respondentene i McKinseys globale AI-undersøkelse sier AI har forbedret deres individuelle produktivitet, og 50 prosent sier det hjelper dem å ta bedre beslutninger. Likevel rapporterer bare 37 prosent positiv EBIT-påvirkning, omtrent uendret fra året før. Dette er den viktigste enkeltopplysningen for noen som skal forsvare et AI-budsjett internt.

Individuell produktivitet lekker ut av regnskapet

Spart tid blir bare til resultat hvis den spares på en flaskehals eller faktisk tas ut. Når en saksbehandler sparer tjue minutter fordelt over dagen, forsvinner gevinsten i andre oppgaver uten å treffe noen linje i regnskapet. Det er ikke en anklage mot verktøyet, det er en påminnelse om at gevinstrealisering er en organisasjonsoppgave og en egen budsjettpost i praksis, selv om den sjelden føres som en.

Forventningene om bemanningskutt innfris ikke

39 prosent forventer AI-relatert nedgang i total bemanning det kommende året, opp fra 32 prosent året før. Men bare 14 prosent rapporterer at AI faktisk bidro til nedgang i bemanningen det siste året, altså langt færre enn de som ventet det, ifølge McKinseys undersøkelse. Et AI-budsjett som er finansiert med forventede lønnskutt, er finansiert med et anslag som allerede har bommet en gang i markedet samlet. Bruk kostnadsunngåelse ved vekst i stedet, det er et mer robust argument.

Hvor mange prosjekter som ikke kommer i mål

Omtrent 95 prosent av oppgave-spesifikke generative AI-verktøy når ikke vellykket implementering, og Gartner anslår at over 40 prosent av agentiske AI-prosjekter vil bli kansellert innen utgangen av 2027 (keyholesoftware.com). Bare 6 prosent av respondentene kvalifiserer som AI-high performers i McKinseys undersøkelse. Budsjetter derfor for en portefølje, ikke for ett prosjekt du antar lykkes. To små satsinger der en kan kuttes etter 90 dager slår en stor satsing ingen tør å avslutte.

Compliance og personvern som egen budsjettpost

Blant bedriftene som ikke bruker AI, oppgir flertallet uklarhet om juridiske konsekvenser som årsak, og nesten like mange peker på bekymring for brudd på databeskyttelse og personvern (EU-kommisjonen, 2025). Det er ikke teknologiskepsis. Det er en rasjonell reaksjon på uavklart risiko, og den koster penger å rydde opp i.

Hva posten faktisk inneholder

Compliance og sikkerhet i regulerte bransjer koster 10 000 til 100 000 dollar årlig (keyholesoftware.com). Innholdet er konkret: databehandleravtale og vurdering av overføringsgrunnlag, personvernkonsekvensvurdering der det kreves, logging og sporbarhet av modellbeslutninger, tilgangsstyring, og en rutine for hva som skjer når en ansatt limer inn noe de ikke skulle. Ingen av delene blir billigere av at token-prisen faller.

EU-regelverket setter terskler du bør kjenne

EUs regelverk knytter formodning om systemiske risikoer for generelle AI-modeller til en beregningsterskel på 10^25 FLOPs (EU-kommisjonen, 2024). For en norsk SMB er det ikke din modell som treffer terskelen, det er leverandørens. Poenget er at pliktene dine avhenger av hvilken rolle du har i verdikjeden, og at den rollen bør avklares skriftlig før pilot, ikke etter.

Aluras posisjon: eierskap til data avgjør fremdriften

Alura mener at et AI-prosjekt uten avklart eierskap til data og juridiske rammer ikke stopper på teknologi, det stopper på compliance. I praksis ser det slik ut: modellen fungerer i pilot, og så viser det seg at ingen kan svare på hvem som eier kundedataene i systemet de skal hentes fra, eller om leverandøravtalen tillater bruken. Da står prosjektet, og kostnaden løper. Avklar eierskap og behandlingsgrunnlag i uke en, ikke i uke tolv.

Markedsobservasjon: investeringene konsentreres i USA

Det globale AI-markedet var verdsatt til over 130 milliarder euro i 2023 og forventes å vokse til nesten 1,9 billioner euro innen 2030 (EU-kommisjonen, 2024). Hvor de pengene plasseres, har direkte konsekvens for hva en norsk innkjøper faktisk kan velge mellom.

62,5 milliarder euro mot 9 milliarder

USAs private AI-investering i 2023 var 62,5 milliarder euro, mot 7,3 milliarder i Kina og 9 milliarder euro for EU og Storbritannia til sammen (EU-kommisjonen, 2024). Over perioden 2018 til tredje kvartal 2023 ble nesten 32,5 milliarder euro investert i EU-selskaper, mot over 120 milliarder euro i amerikanske. EUs Digital Europe-program finansierer AI med totalt 2,1 milliarder euro for hele perioden 2021 til 2027, altså en brøkdel av den private amerikanske kapitalen i et enkelt år.

Hva konsentrasjonen betyr for norsk innkjøp

73 prosent av store språkmodeller utvikles i USA og 15 prosent i Kina, og modellutviklere hentet over 70 prosent av all privat finansiering til generativ AI i perioden 2019 til 2023 (EU-kommisjonen, 2024). For deg som kjøper betyr det tre ting: leverandørene er få, de er utenfor EØS, og prissettingen deres er en strategisk variabel de styrer, ikke en markedspris du kan regne med. Prisfallet vi ser nå er drevet av konkurranse mellom et lite antall aktører (TechCrunch). Konkurranse kan avta. Budsjetter for at prisen kan gå opp igjen, og hold arkitekturen din i stand til å bytte språkmodell uten at hele integrasjonen må bygges om.

Vanlige feil i AI-budsjettering

De fleste organisasjoner underestimerer AI-kostnader med mer enn 10 prosent, og nesten en fjerdedel bommer med 50 prosent eller mer (keyholesoftware.com). Feilene er forutsigbare og gjentar seg på tvers av bransjer.

Å budsjettere piloten i stedet for produksjonen

En pilot koster lite fordi den slipper unna integrasjon, tilgangsstyring, support og compliance. Produksjon slipper ikke unna noe av det. Når rundt 65 prosent av livssykluskostnaden ligger etter lansering (keyholesoftware.com), er pilotprisen omtrent like informativ om totalkostnaden som en prøvetime er om et treningsår. Be alltid om produksjonsestimat parallelt med pilottilbudet.

Å tro at datarens er en engangsjobb

Data forfaller. Felter endres, systemer byttes, nye kilder kommer til. Å budsjettere datarens som et prosjekt i år en og null i år to er den vanligste måten å gjøre et velfungerende system dårlig på uten at noen merker det før kvaliteten faller. Sett av en fast årlig linje for datakvalitet, uavhengig av om det planlegges ny funksjonalitet.

Å måle produktivitet i stedet for resultat

AI-kodingsassistenter kan gjøre utviklere opptil 55 prosent raskere på veldefinerte oppgaver, og et stort flertall av utviklere bruker AI-verktøy daglig (keyholesoftware.com). Det er sanne tall og samtidig et dårlig styringsmål, fordi «veldefinerte oppgaver» er en liten del av et utviklingsløp. Mål leveranser i produksjon, ikke hastighet på deloppgaver.

Å ignorere at endringen treffer folk ulikt

47 prosent av mellomledere og individuelle bidragsytere opplever negative effekter av AI, mot 31 prosent av lederne, viser McKinseys globale AI-undersøkelse. Det gapet er en budsjettrisiko, ikke bare en HR-sak. Innføringer som ikke har støtte i laget som skal bruke dem, ender som skyggeløsninger eller stille ikke-bruk, og da betaler du for lisenser uten å få noe igjen.

Vanlige spørsmål om AI-kostnader og budsjett

Spørsmålene under er de som oftest kommer opp når et AI-budsjett skal forsvares for et styre eller en eier.

Hva koster et AI-prosjekt for en norsk SMB?

Det avhenger av løsningstype og integrasjonsdybde. En enkel chatbot eller virtuell assistent ligger typisk på 5 000 til 80 000 dollar i byggekostnad, mens en multi-agent pilot ligger på 80 000 til 180 000 dollar og over (keyholesoftware.com). Legg deretter hele treårskostnaden på toppen, ikke bare byggeprisen. Det tallet, ikke tilbudsprisen, er det du faktisk beslutter om.

Blir AI billigere nå som token-prisene faller?

Inferens blir billigere. Prosjektet blir det ikke nødvendigvis. Gjennomsnittlig token-kostnad har falt til 0,68 dollar per million tokens fra en topp på 1,15 dollar (TechCrunch), men den posten er liten sammenlignet med integrasjon, datarens og vedlikehold. Når bare et lite mindretall av AI-brukende bedrifter i det hele tatt bruker inferensplattformer direkte, er prisfallet for de fleste en leverandørmargin og ikke en kundebesparelse. Vi har regnet på den samme mekanikken i token-kostnader for AI-agenter.

Hvor stor andel av IT-budsjettet bør gå til AI?

Det finnes ingen fasit, men det finnes en referanse: 28 prosent av respondentene i McKinseys globale AI-undersøkelse bruker mer enn en tidel av IT-budsjettet på AI. Mer nyttig enn en prosentandel er en regel: ikke bruk mer på AI enn du har kapasitet til å drifte om tre år. Kapasitetsgrensen kommer nesten alltid før budsjettgrensen i en SMB.

Hvor lang tid tar det fra pilot til produksjon?

Omtrent 90 dager for høytpresterende organisasjoner, ni måneder eller mer for mange andre (keyholesoftware.com). Tiden i seg selv er en kostnad: hver måned piloten står åpen, betaler du for lisenser, oppmerksomhet og en beslutning som ikke tas. Behandle tid til produksjon som en budsjettpost, ikke som en fremdriftsdetalj.

Oppsummering og neste steg for AI-budsjettet

AI-budsjettene vokser kraftig samtidig som prisen på inferens faller (keyholesoftware.com). Forklaringen er at inferens aldri var hovedposten. Integrasjon, datakvalitet, vedlikehold og compliance er det, og ingen av dem blir billigere fordi to amerikanske leverandører konkurrerer om tokens.

De fem postene i kortform

Modell og inferens er den eneste posten prisfallet treffer direkte, og som regel den minste. Integrasjon og datarens er de største, og de ligger i din egen organisasjon. Vedlikehold koster en fast andel av byggekostnaden hvert eneste år. Compliance er en løpende driftskostnad, ikke en engangsvurdering (keyholesoftware.com). Totalen over tre år er vesentlig høyere enn det leverandøren priser i første tilbud.

Tre spørsmål før du signerer

Hvem eier datarensen, og er den priset? Hva koster år to og tre, skriftlig? Hva skjer med prosjektet hvis leverandøren endrer modell eller pris? Klarer du ikke å svare på alle tre, har du et tilbud og ikke et budsjett.

Det siste å ta med seg er kalibreringen: bare 37 prosent rapporterer positiv EBIT-påvirkning fra AI, mens 44 prosent skalerer det i hele virksomheten, ifølge McKinseys globale AI-undersøkelse. Flere skalerer enn tjener penger på det. Et budsjett som tar høyde for det, med portefølje, avslutningskriterier og treårshorisont, er ikke pessimistisk. Det er det eneste som gir deg råd til å prøve igjen når det første forsøket ikke traff.

I Alura hjelper vi norske bedrifter med å bygge AI-strategi som faktisk lar seg gjennomføre. Vi kombinerer dyp teknisk innsikt med erfaring fra alt fra SMB til enterprise, og leverer veikart som virker i praksis, ikke bare i PowerPoint.

Bestill en strategiøkt: en halvdags samtale der vi kartlegger virksomhetens AI-modenhet, identifiserer de tre prosessene med størst potensial, og leverer et konkret veikart med budsjettramme. Uforpliktende.

Kilder

• TechCrunch. AI spend per employee slumped at top firms in August — summer doldrums or a warning sign?
• keyholesoftware.com. AI Software Development Costs 2026: Enterprise Spending ...
• EU-kommisjonen (2025). Use of artificial intelligence in enterprises - Statistics Explained
• EU-kommisjonen (2024). AI investment: EU and global indicators