AI-finansieringen treffer 8000 mrd og presser norske priser

Hva inference-rushet faktisk er

Kapitalen i AI-bransjen har skiftet retning det siste året. Mens 2023 og 2024 ble preget av investeringer i selve treningen av store modeller, går rundene i 2026 i økende grad til inference, altså selve kjøringen av modellene når en kunde ber om et svar. Baseten er prototypen på skiftet: selskapet ble lansert i 2019 og rir nå det TechCrunch beskriver som et inference gold rush.

For norske beslutningstakere er distinksjonen praktisk. Et selskap som henter kapital for å bygge større modeller, vurderes annerledes enn et selskap som henter kapital for å levere eksisterende modeller raskere. Begge typer leverandører finnes allerede i AI-stacken til en typisk SMB, og prislogikken er ikke den samme på de to lagene.

Skille mellom trening og inference

Trening er engangsoperasjonen der en modell justeres mot et datasett. Inference er den løpende driften der modellen produserer svar i sanntid. Treningen koster mest i absolutte tall, men inference er det laget en virksomhet betaler for hver eneste dag den bruker AI i produksjon. For en SMB er det inference-fakturaen som vokser i takt med adopsjonen, ikke trenings-fakturaen.

Prisingen fungerer ulikt på de to lagene. Trening prises som forskningsbudsjett eller leie av compute. Inference prises per token, per kall eller per millisekund. Når Baseten nærmer seg en runde på 1,5 milliarder dollar ved en verdsettelse på 13 milliarder dollar, signaliserer markedet at inference-laget tåler et eget verdsettelses-univers.

Hvorfor inference ble en egen industri

Modellene blir større, kontekstvinduene utvides, og samtidig forventer brukerne kortere ventetid. Det skaper en arkitektonisk utfordring som ikke automatisk løses av at OpenAI eller Anthropic eier modellene. Baseten lover å håndtere inference raskt mens kostnadene kontrolleres ved å rute forespørsler til den modellen som er best for hver oppgave.

Det er den typen orkestrering en intern utviklingsavdeling sjelden ønsker å bygge selv. Mellomledd-leverandører selger ikke en modell, de selger en tjenestelags-optimalisering. For en norsk SMB betyr det at AI-stacken bør inneholde minst to leverandørvalg: ett for modellen, og ett for kjøringen. Alura mener inference er et eget marked og bør evalueres separat fra modellvalg.

Hva som driver kapitalflyten nå

Rundene viser en bratt oppgang. Baseten gikk fra en Series D på 150 millioner dollar til en Series E der selskapet ble priset til 5 milliarder dollar, før den nye runden nå nærmer seg en verdsettelse på 13 milliarder dollar. Tidshorisonten mellom Series D og Series E var ni måneder.

Det er en økning på 160 prosent på under et halvt år. To tolkninger finnes: en faktisk eksplosjon i topplinje, eller en knapphet på leverandører som leverer på enhetsøkonomien. Begge er hypoteser inntil tallene blir offentlige.

Baseten-runden i tall og hva den betyr

Pressen om Baseten gjør runden interessant i seg selv. TechCrunch rapporterer at Baseten er nær å fullføre en finansieringsrunde på 1,5 milliarder dollar ved en verdsettelse på 13 milliarder dollar, mens deler av runden gjøres til 11 milliarder dollar. Det er et signal i seg selv.

For norske kjøpere er ikke selve summen det viktigste. Det viktige er at en spesialist på inference nå verdsettes høyere enn store deler av Oslo Børs' småselskaps-indeks samlet. Det endrer forventningsbildet for hvor mye en spesialisert SaaS-leverandør kan koste.

Runde	Tidspunkt	Beløp	Verdsettelse
Series D	Ni måneder før Series E	150 millioner dollar	Ikke oppgitt i kildene
Series E	Tidligere i 2026	Ikke oppgitt i kildene	5 milliarder dollar
Ny runde (under sluttføring)	Annonsert november 2026	1,5 milliarder dollar	13 milliarder dollar (deler til 11 milliarder)

Tallene i runden

Selve runden er 1,5 milliarder dollar. Verdsettelsen ligger på 13 milliarder dollar for noen investorer og 11 milliarder dollar for andre. Forrige runde, Series E, priset selskapet til 5 milliarder dollar. Series D, som lå ni måneder før Series E, var på 150 millioner dollar.

Den prosentvise endringen er 160 prosent på under et halvt år. Sammenligner du det med tradisjonelle SaaS-runder fra 2020-2022, er det dramatisk over snittet. AI-segmentet opererer altså på en separat tidslinje for verdsettelses-vekst, og det er denne tidslinjen norske kjøpere må vurdere når de signerer flerårige kontrakter.

Hva selskapet faktisk gjør

Baseten beskriver seg som en plattform som håndterer inference raskt mens kostnadene kontrolleres ved å rute forespørsler til den modellen som er best for hver oppgave. Praktisk betyr det at en kunde ikke trenger å velge en modell for alt, men kan la systemet velge etter forespørselens karakter.

For en norsk SMB er denne logikken kjent fra andre infrastruktur-lag. Det handler om abstraksjon: kjøperen vil ikke optimalisere selv, men ønsker en tjeneste som gjør det. Spørsmålet er hva slik abstraksjon vil koste i sluttbruker-pris når leverandøren verdsettes til 13 milliarder dollar og må vise vekst som matcher prisen.

Hvilke investorer som leder runden

Runden er koordinert av Spark Capital, Sands Capital, Altimeter Capital og Wellington Management. Det er fond med ulik risikoprofil. Noen er klassiske VC-er. Andre er public markets-aktører som ofte deltar i sene private runder før børsnotering.

Sammensetningen er informativ for kjøperen. Når institusjonelle aktører blander seg inn i en sen privat runde, ligger en eventuell børsnotering ofte ett til to år frem. Det påvirker leverandørens incentiver: kortsiktig kontantstrøm blir viktigere enn ren markedsandel, og det vil før eller siden vises i prisingen mot kundene.

Hvor OpenAI og Anthropic står før børsnoteringene

OpenAI og Anthropic annonserte begge i juni at de hadde søkt om børsnotering. Det skjer i kjølvannet av SpaceX' børsnotering, som ble tidenes største. Konkurransen om å være først er reell, ifølge analytikere e24 har snakket med.

Å være først på børs kan ha betydning for AI-narrativet, og det er begrenset plass i markedet for store børsnoteringer. Det er den enkle markedsmekanismen som ligger bak racet, sett fra investorsiden.

Selskap	Omsetning	Verdsettelse	IPO-status
OpenAI	Rundt 13 milliarder dollar i fjor	8 000 milliarder kroner (mars-runden)	Søkt notering i juni
Anthropic	10,9 milliarder dollar i andre kvartal	Ikke oppgitt i kildene	Søkt notering i juni

OpenAIs tall og posisjon

OpenAI hadde i fjor en omsetning på rundt 13 milliarder dollar, men går likevel med underskudd. Selskapet er verdsatt til 8 000 milliarder kroner etter siste finansieringsrunde i mars.

Forholdet mellom omsetning og verdsettelse forteller en historie om vekstforventninger. Selskapet er priset som om dagens topplinje skal multipliseres en rekke ganger over neste fem til syv år. For mer kontekst på selskapet selv kan du lese vår grundige oversikt over OpenAI.

Anthropics vekst

Anthropic hadde en omsetning på 10,9 milliarder dollar i andre kvartal. Bare det tallet, sett alene, sier mye: en enkelt kvartalsrapport som nærmer seg det OpenAI omsatte for i hele fjor.

Anthropics enterprise-strategi har vært mer tydelig dedikert til store bedriftskunder enn til konsument-segmentet. Det forklarer noe av kvartalstallet, men ikke alt. Investorer som har plassert seg i begge selskap, ser nå to ulike forretningsmodeller modnes parallelt, og det er en av flere grunner til at racet om å være først på børs er så hett.

Hvorfor begge melder seg samtidig

Timingen er ikke tilfeldig. Markedet har høye forventninger til AI, og forventninger som virker håndterbare i private markeder kan bli nådeløse under offentlig eierskapslys. Begge selskap vil over kanten før forventningene endrer karakter.

Effekten på leverandørbildet for norske kjøpere er at to av de største AI-modellene snart må publisere reviderte regnskaper etter SEC-standarder. Det vil gjøre due diligence enklere, men også åpne for at markedet sender prisene videre opp eller ned avhengig av første kvartalsrapport som offentlig selskap.

Hva en split-priced runde sier om markedet

Baseten-runden er split-priced, med noen investorer inn til 11 milliarder dollar og andre inn til 13 milliarder dollar. Slike strukturer er ikke standard i klassiske VC-runder.

Mekanismen forteller noe om hvor markedet faktisk klarerer en sen runde. Når ledelsen og hovedinvestorer pusher en pris en del andre fond ikke vil møte, splittes runden for å fullføres. Det er ikke et negativt signal i seg selv, men det er informasjon.

Hvorfor investorer fikk ulik pris

Den tradisjonelle forklaringen er at sene aktører får bedre vilkår når de bidrar med strategisk validering, mens nye aktører betaler en premium for tilgang. Den moderne forklaringen, særlig i AI-segmentet, er at noen fond har caps på maksimal verdsettelse i sine mandater og må derfor få inn under et bestemt nivå.

I praksis betyr en split at den endelige verdsettelsen på 13 milliarder dollar er den optimistiske avlesningen, mens 11 milliarder dollar ligger nærmere konsensusprisen blant mer disiplinerte investorer. Forskjellen er betydelig for samme aktivum på samme tidspunkt, og det er sjelden et nøytralt signal.

Signaler i risikoappetitten

Når et marked aksepterer split-priced runder, er etterspørselen sterk nok til at avtalen går gjennom uansett. Men markedet er ikke ensartet i prisingen. For en kjøper betyr det at neste runde ikke nødvendigvis fortsetter oppover. Den kan også konsolidere, eller falle, dersom børsklimaet svekkes etter de første store AI-noteringene.

Det er denne typen markedsdynamikk som bør disiplinere norske kjøpere. Alura mener at høye verdsettelser ikke garanterer leverandørholdbarhet, og at risiko bør vurderes parallelt med funksjonalitet. En leverandør som er priset høyt i dag, kan være under restrukturering om tolv måneder uten at produktet endrer karakter.

Et rammeverk for norske kjøpere mot vekstkurven

Et godt rammeverk svarer på tre ting: hva selskapet faktisk leverer, hva en kontraktsbinding koster i eksit-scenarier, og hvordan enhetsøkonomien ser ut når subsidiene tar slutt. Verdsettelsen i seg selv er en dårlig proxy for noen av disse.

Norske SMB-er har en fordel her: de er sjelden så store at de tvinges inn i flerårige enterprise-avtaler. Det gir forhandlingsrom som bør utnyttes mens rundene er ferske og leverandørene fortsatt ekspansive.

Spørsmål til leverandøren	Hvorfor det betyr noe	Hva svaret skal inneholde
Hvordan ser enhetsøkonomien ut?	Avgjør om prisen kan stige etter at dere er låst inne	Marginer per million tokens eller per kall
Hva er deres eksitscenario?	Bestemmer datatilgang og driftskontinuitet ved eierskifte	Konkrete kontraktklausuler om data og logger
Hvor mange lag tilbyr dere?	Påvirker bytte-kostnader og lock-in	Teknisk arkitektur og API-stabilitet
Hva er prising-roadmapen?	Avslører om dere får en kunstig lav inngangspris	Tre års prising eller pristaks-klausul

Tre spørsmål før kontrakt

Det første spørsmålet handler om enhetsøkonomi. Alura mener man bør be om åpenhet om enhetsøkonomi før man signerer flerårige inference-avtaler. Hvis en leverandør ikke kan beskrive hva en typisk forespørsel koster å betjene, har den heller ikke kontroll på hvor mye prisen til kunden må stige neste år.

Det andre spørsmålet handler om eksit-mekanikk. Hva skjer med kundedata, logger og finjusterte modellvekter ved en oppkjøps- eller konkurssituasjon? Det tredje spørsmålet handler om lag-arkitektur: tilbyr leverandøren bare ett lag, eller er det en stack som binder kjøperen til hele økosystemet?

Tidshorisonten i kontrakter

Standard-kontrakter på tre år gir leverandøren forutsigbarhet og kjøperen en lavere månedspris. I et marked der verdsettelser øker 160 prosent på under et halvt år, er tre år en evighet. Korte kontrakter med eksplisitt revisjons-klausul er ofte bedre samlet sett.

Vi anbefaler at norske SMB-er knytter kontraktslengden til den underliggende usikkerheten. Hvis leverandøren er pre-IPO, vurder tolv måneders avtaler med opsjon på fornyelse. Hvis leverandøren er børsnotert med flere års offentlige tall, kan lengre kommitering forsvares fordi risikoen er målbar.

Praktisk start: kartlegg inference-leverandørene

Den raskeste måten å redusere risiko på, er å skaffe oversikt. Mange norske SMB-er vet ikke nøyaktig hvilke modeller og hvilke inference-leverandører som ligger bak deres egne AI-funksjoner, særlig der disse er bygd via tredjeparts-integrasjoner.

En kort inventory tar timer, ikke uker. Resultatet er en liste over hvilke leverandører som faktisk får betalt, hvilke som er enkle å bytte ut, og hvilke som har strategisk lock-in dere bør forhandle på.

Inventar av nåværende leverandører

Start med faktura-data fra siste tolv måneder. Filtrer på alt som er kategorisert som AI, ML, LLM, GPU eller compute. Suppler med leverandørlisten fra IT-avdelingens SSO-konsoll, der mange AI-verktøy logger inn. Spør også produktteamene direkte hvilke API-er de kaller mest.

Sorter listen i tre kolonner: modell-leverandør, inference-leverandør og applikasjonslag. De fleste SMB-er finner at samme leverandør står i flere kolonner. Det er ikke uvanlig, men det er et risikopunkt verdt å notere.

Definer evaluerings-kriterier

Kriteriene må være konkrete nok til å skille leverandører. Eksempler: maks pris per million tokens, garantert latency i millisekunder, GDPR-stå-sted, datasenter-region, eksit-klausul ved misligholdt SLA, og om leverandøren kan vise enhetsøkonomi-tall.

Listen bør være på maks ti punkter. Lengre lister blir umulige å score sammenlignbart, og man ender opp med å velge etter magefølelse. Ti punkter med tydelig vekting fungerer bedre i en innkjøps-prosess som skal kunne forsvares i et styrerom.

Forhandlingsposisjon

Pre-IPO-selskaper trenger inntekt for å vise vekst frem mot notering. Det gir kjøperen forhandlingskraft som ikke nødvendigvis finnes hos modne SaaS-leverandører. Bruk det. Be om volumrabatter, lengre prøveperioder, og rett til å bytte ned-tier kostnadsfritt hvis bruken faller.

Pass på at kontrakten gir dere lov til å fyre opp en alternativ leverandør parallelt. Den klausulen koster ingenting ved signering, men er gull verdt hvis prisen skal reforhandles om atten måneder. Vår guide til å måle avkastning på AI-investeringer setter tallene i sammenheng for norske SMB-er.

Hvor pengene faktisk flyter i AI-stacken

AI-stacken er ikke en monolitt. Den består av minst fire lag, og kapital flyter ulikt på hvert lag. En norsk SMB kjøper sjelden alle lagene direkte, men betaler indirekte for de fleste gjennom integrerte SaaS-tilbud.

Forståelse av hvor pengene flyter gir innsikt i hvilke leverandører som faktisk har holdbar økonomi, og hvilke som tjener på subsidier fra venturekapital som senere må tilbakebetales gjennom høyere kundepriser.

Lag for lag i stacken

Det første laget er hardware, dominert av et par store amerikanske brikkeprodusenter. Det andre er infrastruktur og hyperscalers, som tilbyr GPU-tid og datasenter-kapasitet. Det tredje er modeller, der OpenAI og Anthropic dominerer. Det fjerde er inference og applikasjonslaget, der spesialister som Baseten opererer.

Verdsettelser har vokst på alle lagene, men ulikt. Hardware har lengst track record og høyest absolutt verdi. Modell-laget vokser raskest i topplinje. Inference-laget vokser raskest i verdsettelses-multipler. OpenAIs 8 000 milliarder kroner illustrerer modell-lagets vekst, Basetens 160 prosent på under et halvt år illustrerer inference-lagets.

Hvilket lag SMB-er faktisk kjøper

De fleste norske SMB-er kjøper applikasjons- og inference-laget direkte, og betaler for modell- og infrastruktur-laget indirekte via det. Det betyr at en endring i prisen på modell-laget vil slå inn med forsinkelse i SMB-ens egne kostnader, ofte ved neste kontraktsfornyelse.

Skjult prisrisiko er reell her. Hvis modell-leverandøren beslutter å gå offensivt på prising etter en eventuell børsnotering, vil applikasjons-leverandørene måtte velte kostnader videre, eller absorbere dem og redusere marginene. Begge utfall påvirker kjøperen til slutt, og oftest med null forhandlingsmulighet midt i en avtaleperiode.

Regulering og innsyn etter en eventuell børsnotering

OpenAI og Anthropic har søkt om børsnotering. Når de er notert, må de publisere kvartalsrapporter etter standarder fra amerikansk regulator. Det endrer informasjons-tilgangen for kjøpere fundamentalt.

Norske SMB-er har vært vant til å vurdere AI-leverandører basert på sparsomme private finansieringsrunder. Snart vil de få samme nivå av offentlige tall som de er vant til fra Microsoft, Google og Amazon, og det vil flytte forhandlingsbalansen.

Hva offentlige tall vil endre

Privat blir omsetnings-tall og marginer ofte oppgitt selektivt. Offentlig krever SEC standardiserte rapporter med revidert regnskap, segmentering og diskusjoner av risiko. For en innkjøps-prosess er det en oppgradering, men det krever også at kjøperen kan lese årsrapporter på engelsk og kjenner standardene.

Det er sannsynlig at de første kvartalene vil overraske, både opp og ned. Markedet vil prise om underveis, og leverandører som taper kursverdi vil ofte forhandle hardere på pris ut mot kundene for å holde topplinjen oppe foran neste rapport. Forventninger som virker håndterbare i private markeder kan bli nådeløse under offentlig eierskapslys.

SEC-filings og hva norske kjøpere kan bruke dem til

En 10-Q viser kvartalstall. En 10-K viser årstall med dypere risiko-diskusjoner. Innkjøps-ansvarlige bør lese minst risk factors-seksjonen og management discussion-seksjonen. Disse forteller hva leverandøren selv frykter, ikke hva selgerne kommuniserer.

Hvis risk factors omtaler regulatorisk eksponering, kundekonsentrasjon, eller GPU-tilgjengelighet, er det signaler norske kjøpere kan diskutere direkte med leverandørens key account-team. Det er enklere å forhandle med et selskap der svakhetene er kjente, enn med et privat selskap der alt er antagelser.

Vanlige feil norske SMB-er gjør i AI-leverandørvalg

Vi ser tre tilbakevendende feil. De handler om å forveksle verdsettelse med kvalitet, om å låse seg inn i ett økosystem for tidlig, og om å hoppe over inference-laget som om det var en gratis funksjon i modell-laget.

Hver feil koster lite isolert sett, men de stabler seg opp og blir kostbare når en kontrakt skal fornyes etter to-tre år og leverandøren plutselig har dobbel prisliste.

Feil	Hvorfor det skjer	Motgrep
Velger leverandør på verdsettelse	Antar at høy pris betyr solid selskap	Sjekk omsetning og lønnsomhet i offentlige kilder
Låser seg til ett økosystem	Enklere på kort sikt, lavere månedspris	Krav om multi-vendor-arkitektur fra start
Hopper over inference som eget valg	Tar for gitt at modell-leverandøren er optimal også på kjøring	Eget anbud for inference-laget
Ignorerer kontraktslengde	Lavere månedspris med lengre avtale	Tolv måneders avtale med opsjon på fornyelse for pre-IPO-leverandører

Å hoppe over inference som eget valg

Den vanligste feilen er å anta at modell-leverandøren også er den beste inference-leverandøren. Det er ikke alltid riktig. Baseten ble lansert i 2019 og har siden bygd spesifikk teknologi for å rute forespørsler til den best-for-task modellen.

Det betyr at en spesialist kan presse responstid og kostnader på en måte en generalist sjelden gjør. Konsekvensen av å hoppe over evalueringen er at man betaler en premium uten å vite det, og det er nettopp denne premium en runde på 1,5 milliarder dollar gjør synlig: spesialiseringen har en verdi markedet betaler for.

Å låse seg til ett økosystem

Den nest vanligste feilen er å bygge alle integrasjoner mot en enkelt modell-leverandør. Det reduserer kompleksiteten på kort sikt, men gjør reforhandling vanskelig når kontrakten utløper. Leverandøren vet det og priser deretter.

Multi-vendor-design krever litt mer arbeid ved oppstart, men det betaler seg i forhandlingssituasjoner. En enkel test er å sette opp en parallell pipeline mot en sekundær leverandør hver tolvte måned, slik at det reelle byttepunktet alltid er nær. Hvis dere har eksperimentert med bildegenerering, illustrerer vår guide til DALL-E hvor enkelt det er å sammenligne flere leverandører innen samme funksjon.

Å forveksle høy valuering med soliditet

OpenAI er verdsatt til 8 000 milliarder kroner men går med underskudd. Det er den klareste enkelt-indikatoren på at verdsettelse og soliditet ikke er samme tall. Alura mener at høye verdsettelser ikke garanterer leverandørholdbarhet, og at risiko bør vurderes parallelt med funksjonalitet.

Praktisk betyr det at en kjøper skal se på tre tall samtidig: omsetningsvekst, kontantstrøm fra drift, og verdsettelse. Hvis bare det siste tallet er høyt, er det ikke en sterk leverandør, det er en spennende investering. Anthropic, til sammenligning, hadde 10,9 milliarder dollar i omsetning bare i andre kvartal, og det er det slags konkret operasjonelt tall som bærer en høy verdsettelse.

Ofte stilte spørsmål om finansiering og valuering

Vi får de samme spørsmålene fra norske ledere når disse rundene treffer pressen. Her er direkte svar på de mest tilbakevendende.

Disse svarene gjelder den generelle markedsdynamikken slik den ser ut nå. Konkret rådgivning bør tilpasses egen situasjon, kontraktsportefølje og bransje.

Bør vi vente til OpenAI er børsnotert før vi velger leverandør?

Nei. Beslutninger om AI-leverandør bør tas på forretningsbehov, ikke på når en enkelt leverandør noterer seg. Hvis dere venter på OpenAIs børsnotering, taper dere tolv måneder med læring og effektiviseringsgevinster.

Det riktige er å velge leverandør basert på dagens behov og bygge inn kort kontraktslengde og revisjons-klausul. Da kan dere reagere på endrede priser uavhengig av om en leverandør noteres eller ikke. Ventestrategien gir bare mening hvis dere allerede har en fungerende baseline.

Er Baseten en konkurrent til OpenAI?

Strengt tatt nei. Baseten driver inference, altså kjøring av modeller, mens OpenAI både trener og driver. Men i praksis kan en kjøper bruke Baseten til å kjøre modeller utviklet av andre leverandører, og dermed redusere avhengigheten av en enkelt modell-leverandør.

Det er det indirekte konkurranseforholdet som er interessant. Baseten lover å rute forespørsler til den modellen som er best for hver oppgave, noe som strukturelt motvirker enkel lock-in til OpenAI eller Anthropic. Det forklarer også hvorfor inference-spesialister tiltrekker seg så mye kapital nå.

Hva betyr split-priced for vår avtale?

Direkte betyr det ingenting for en kunde-avtale. Indirekte betyr det at leverandøren har ulike forventninger blant sine investorer, som kan påvirke fremtidige prisbeslutninger. Be om en tre-års prising som del av kontrakten, slik at dere har visibilitet uansett hva investorene mener om verdsettelsen.

Hvis leverandøren ikke vil gi tre års prising, be om en pristaks-klausul med rett til oppsigelse hvis taket brytes. Det er en standard mekanisme i SaaS-kontrakter som ofte glemmes i AI-segmentet fordi alt går så raskt at innkjøps-funksjonen ikke får tid til å bruke verktøyene den allerede har.

Hvordan beskytter vi oss mot leverandørkonkurs?

Tre grep: krev datatilgang ved oppløsning, sørg for at modellvalg er portabelt, og hold en sekundær leverandør varm. Det første sikrer at logger og treningsdata kan tas ut. Det andre sikrer at en alternativ leverandør kan kjøre samme modell-type. Det tredje sikrer at byttetiden er kort nok til at driften ikke stopper.

Konkurs er mindre sannsynlig hos en leverandør som henter 1,5 milliarder dollar i ny kapital, men det er ikke umulig. Verdsettelser kan kollapse raskt om markedet endrer syn, og det er enklere å forberede seg i ro enn i panikk. Klausulene koster ingenting ved signering.

Tre grep å ta denne uken

Innsiktene over koker ned til tre konkrete handlinger som kan gjennomføres i løpet av en arbeidsuke. De forutsetter ikke ekstra budsjett, men de krever ledelses-prioritet og noen timer fra finans, IT og produkt sammen.

Hvis dere gjør disse tre tingene før kvartalet er omme, vil neste leverandørforhandling være materielt bedre informert.

Lag inventar over inference-leverandører

Bruk faktura-data og SSO-konsoll til å identifisere hvilke leverandører som faktisk leverer inference til virksomheten. Skill mellom dem som lager modeller og dem som kjører dem. Listen skal være på papiret før uka er omme, og den skal kunne diskuteres på neste ledermøte.

Inventaret bør oppdateres hver tredje måned. Ved hver oppdatering noterer dere endringer i pris, latency og leverandørstatus. Det er en enkel disiplin som gir voldsom verdi i forhandlinger fordi dere alltid har ferske tall å vise leverandøren.

Be om enhetsøkonomi-tall fra leverandørene

Send en kort epost til hver inference-leverandør med fire spørsmål: hva er marginen per million tokens, hva er deres roadmap for prising neste tolv måneder, hva er datatilgangs-klausulen ved konkurs eller oppkjøp, og hvor stor andel av omsetningen utgjør deres ti største kunder.

Mange leverandører vil ikke svare på alt. Det er informasjon i seg selv. De som svarer åpent, kommer over tid foran i evaluerings-prosessen. De som ikke svarer, havner i en kategori med høyere risikopåslag. Slik fungerer det også i tradisjonell innkjøp av forretningskritisk programvare.

Sett en revisjonsfrist i hver eksisterende avtale

Gå gjennom AI-relaterte kontrakter og noter neste oppsigelses- og revisjons-frist. Lag en kalender-påminnelse seks uker før hver av disse. Det gir tid til å sette opp en alternativ leverandør i parallell før forhandlingen begynner.

Den siste praksisen er den enkleste og mest oversett. Mange selskaper merker først at en kontrakt er fornyet automatisk uker etter at vinduet er stengt. I et marked der verdsettelser øker 160 prosent på under et halvt år og to av de største AI-leverandørene snart skal noteres på børs, er en glemt revisjonsfrist en dyr forglemmelse.

Lyst til å forstå AI dypere? Vi i Alura snakker daglig med norske beslutningstakere som lurer på hvor AI faktisk gir mening for deres virksomhet. Ingen presentasjon, ingen forhåndsfasit, bare en ærlig samtale om hva som er mulig, hva som er overhypet, og hva som er klokt for akkurat din situasjon.

Snakk med oss om AI: uforpliktende, 30 minutter, video eller telefon.