Hvad sker der, når virksomheder ikke længere har råd til deres AI?

I de første år gjorde Uber en tur på tværs af byen billigere end en taxatur. Investorerne dækkede forskellen, indtil virksomheden var nødt til at tjene penge. Data fra Rakuten Intelligence viste, at priserne på samkørsel i USA steg med 92 % mellem 2018 og 2021, og i 2023 blev selv Ubers administrerende direktør overrasket over at høre, hvad en tur på tre miles i New York nu kostede.

Kunstig intelligens nærmer sig et tilsvarende vendepunkt. Anthropic bekræftede i juni, at virksomheden fortroligt havde indgivet en ansøgning om børsnotering i USA, og efter sigende forbereder OpenAI sig på at følge trop. Børsnoterede virksomheder står til ansvar over for deres aktionærer hvert kvartal, og det tilsyn har en tendens til at påvirke prissætningen.

Det rejser et spørgsmål, som mange virksomheder endnu ikke har stillet: Hvad sker der, hvis den AI, deres produkter bygger på, bliver dyrere, mere begrænset eller begge dele? Svaret afhænger mindre af, hvad AI-laboratorierne beslutter, end af hvordan den enkelte virksomhed har bygget sin forretning op omkring dem, og der er stadig tid til at forberede sig.

AI-omkostninger er flyttet fra it-budgettet til forretningsmodellen

De første AI-regninger var små nok til at blive bogført som eksperimenter. I dag indgår AI i produkter og arbejdsgange, så prisen påvirker dækningsbidraget direkte. De nuværende priser afspejler en periode med store investeringer.

I en test foretaget af analysefirmaet SemiAnalysis gav et Claude Max-abonnement til 200 dollar om måneden forbrug til en værdi af omkring 8.000 dollar om måneden efter standardpriserne for API-adgang. Det er generøst over for brugerne og viser, hvor langt nogle priser ligger fra de underliggende omkostninger ved tjenesten.

Nogle justeringer er allerede begyndt. Midt i 2025 ændrede AI-kodeværktøjet Cursor sit abonnement til 20 dollar om måneden, så forbruget blev afregnet efter API-priser, og Anthropic indførte ugentlige forbrugsgrænser for de mest aktive brugere af Claude Code. Udvikleren Simon Willison foreslog, at æraen med AI-forbrug subsidieret af investorer måske er ved at være forbi.

Analytikere anbefaler noget lignende. Gartners vejledning fra august 2026 opfordrer ledere til at forberede sig på sandsynlige prisstigninger på AI. Gartners analytikere har også advaret om, at organisationer, der ikke forstår, hvordan AI-omkostningerne skalerer, kan fejlbedømme dem med 500 % til 1.000 %.

Faldende enhedspriser hjælper, men kun til en vis grænse. Epoch AI viser, at prisen på et givet niveau af AI-ydeevne falder kraftigt hvert år, men MIT-forskere fandt, at nyere ræsonneringsmodeller bruger langt mere regnekraft på at nå frem til deres svar. Regningen vokser med forbruget, og forbruget bliver ved med at stige.

Hvad børsnoterede AI-laboratorier kan betyde for de startups, der bygger videre på deres teknologi

En børsnotering skaber disciplin. Børsnoterede AI-laboratorier skal vise investorerne en vej til bæredygtige dækningsgrader, og prissætningen er et af de mest direkte greb, de har til rådighed. Det kan betyde højere listepriser, strammere forbrugsgrænser, at funktioner flyttes til dyrere abonnementer, eller at ældre modeller udfases tidligere.

Startups deler også marked med deres leverandører. AI-laboratorier tilbyder i stigende grad deres egne programmer, som Anthropic har gjort med Claude Code, så det betaler sig at være tydelig om, hvilken værdi virksomheden tilfører ud over selve modellen.

Der er også en positiv side. Børsnoterede virksomheder offentliggør flere oplysninger, hvilket giver kunderne et bedre indblik i, hvordan AI prissættes. Konkurrencen mellem udbyderne og de hurtigt forbedrede åbne modeller bør holde priserne i skak for dem, der er klar til at skifte.

Sådan kan virksomheder mindske deres afhængighed

Forretningsrisikoen afhænger af to spørgsmål. Vil kunderne synes, at tjenesten er værd at betale mere for, hvis omkostningerne stiger? Og er dækningsbidraget stort nok til at absorbere en prisstigning? For virksomheder, der er usikre på svarene, kan fem tiltag hjælpe, og ingen af dem kræver, at man starter helt forfra.

Kend omkostningen ved hver opgave. Mange teams kender deres månedlige AI-regning, men ikke prisen på en enkelt kundehandling. Ved at måle omkostningen pr. opgave kan man se, hvilke funktioner, kunder eller anvendelser der bliver urentable, hvis priserne stiger med 30 %, 50 % eller endda 100 %.

Brug AI dér, hvor den skaber størst værdi. Store modeller er bedst til at håndtere tvetydighed, for eksempel når de skal gribe et problem an for første gang. Konventionel software egner sig ofte bedre til gentagne opgaver. Inden for softwaretest kan AI for eksempel finde ud af, hvordan et brugerforløb skal kontrolleres, hvorefter kontrollen kan køres tusindvis af gange som almindelig kode uden at kalde en model.

Vælg en model, der passer til opgaven. Epoch AI fandt, at de bedste åbne modeller, der kan køre på ét grafikkort til almindelige forbrugere, er omkring et år eller mindre bagefter de førende modeller. Til rutineopgaver kan en mindre model eller en model, der hostes på egne servere, levere acceptable resultater til en brøkdel af prisen.

Bevar muligheden for at skifte. Produkter, der er bygget op omkring bestemte funktioner hos én udbyder, er sværest at flytte. Et enkelt lag mellem produktet og modellen samt regelmæssig afprøvning af alternativer gør en fremtidig prisstigning til et forhandlingsspørgsmål.

Fast­sæt prisen efter resultatet. Når kunderne faktureres for tokens, sendes enhver ændring i AI-priserne direkte videre til dem. En fast pris pr. resultat, for eksempel en gennemført opgave eller en løst henvendelse, holder priserne stabile for kunderne og giver virksomheden mulighed for at absorbere ændringer i egne omkostninger. Samme tankegang er nyttig ved indkøb: Værktøjer, der prissættes efter resultat, gør det lettere at forudsige fremtidige udgifter.

Overkommelighed er et designvalg

Ubers prisstigninger satte ikke en stopper for kørselsbestilling via apps. De satte en stopper for forretningsmodeller, der byggede på, at kørsler altid ville være subsidierede. AI vil sandsynligvis følge en lignende udvikling. Når de store laboratorier bevæger sig ud på aktiemarkederne, vil AI blive prissat tættere på, hvad det koster at levere, og virksomhederne vil blive bedømt på, om deres produkter stadig fungerer til den pris.

De virksomheder, der er bedst rustet til den omstilling, betragter AI som en afhængighed, der skal måles og styres. For virksomheder, der endnu ikke er kommet i gang, er det ikke for sent. Hvert af disse skridt kan tages allerede i dette kvartal, og hvert skridt gør det lettere at håndtere den næste prisændring.