Ramp-data viser, at virksomheders brug af AI-tokens vokser hurtigere end udgifterne

TechCrunch rapporterede den 6. november 2026, at Ramp-data viser, at udgifterne til AI-tokens kun voksede med 1,5 % i august og september 2026 mod en månedlig vækst på 42 % i juli, selv om mængden af tokens fortsatte med at stige. Forskellen sætter en grundlæggende antagelse under pres: Større brug af AI i virksomheder fører ikke automatisk til en tilsvarende vækst i modelvirksomhedernes indtægter.

Det seneste Ramp AI-indeks viser et opsving i oktober, men ikke et, der lukker dette gab. De samlede udgifter til tokens steg med 8,9 % i ugen, der sluttede den 23. oktober 2026, sammenlignet med den tilsvarende uge, der sluttede den 25. september 2026, mens mængden af tokens steg med 37,1 %. Forbruget vokser derfor langt hurtigere end udgifterne, selv efter at udgifterne igen begyndte at stige.

Faldende priser og koncentreret efterspørgsel

Mellem disse to uger faldt den gennemsnitlige pris pr. million tokens på tværs af OpenAI og Anthropic fra 0,76 $ til 0,56 $. Indekset angiver dette som et fald på 26,8 %, sammen med fald på 42,4 % for OpenAI og 15,7 % for Anthropic. Prisfaldene er med til at forklare, hvorfor en betydelig stigning i brugen kan føre til en langt mindre stigning i udgifterne.

Udgifterne er også så koncentrerede, at en lille gruppe kunder kan præge den bredere udvikling. I Ramps analyse fra den 14. oktober 2026 fremgik det, at 1 % af virksomhederne stod for 80 % af udgifterne til OpenAI og Anthropic, og at der havde været to måneder i træk med næsten uændrede udgifter til tokens. I september var de mediane månedlige AI-udgifter pr. medarbejder 9.568 $ blandt den øverste 1 % af virksomhederne, der betaler for AI, sammenlignet med 813 $ blandt de øverste 10 % og 15,70 $ for medianvirksomheden.

Betalt brug breder sig ikke desto mindre: Indekset viser, at den nåede 55,9 % af Ramps virksomheder i september, hvor 43,8 % betalte for Anthropic og 40,6 % betalte for OpenAI. Anthropics andel af udgifterne til tokens steg fra 51,3 % i ugen, der sluttede den 25. september, til 60,5 % i ugen, der sluttede den 23. oktober, mens OpenAIs andel faldt fra 44,2 % til 35,1 %. En udbyder kan øge sin andel af en udgiftspulje, der påvirkes af kundernes effektiviseringsgevinster, så en ændring i markedsandelen alene ikke besvarer spørgsmålet om den samlede vækst i udgifterne.

Store kunder holder udgifterne under kontrol

Ramps ledende økonom, Ara Kharazian, fortalte TechCrunch, at afmatningen ikke skyldes manglende efterspørgsel. I stedet pegede han på lavere modelpriser og konkurrence, der har skabt et købermarked. Avancerede kunder bliver også mere disciplinerede: De indstiller standardvalg, så dyre modeller ikke bruges til langvarige opgaver, fastsætter budgetter for medarbejderne og bruger routere til at flytte arbejde fra standardmodeller eller lette modeller til billigere lette modeller.

Kharazians vurdering er, at væksten blandt medianvirksomhederne og virksomhederne i den øverste decil ikke er tilstrækkelig til at opveje de lavere udgifter hos de største brugere. Han satte spørgsmålstegn ved, om lægepraksisser eller bilforhandlere vil nærme sig udgiftsniveauet hos den øverste kundegruppe, selv med efterspørgsel efter kodningsagenter inden for software og finans. For køberne betyder det mere AI-brug for færre penge; for modelselskaberne gør det forholdet mellem forbrug og indtægter mere kompliceret.

Datasættets afgrænsning og den næste prøve på vækst

Indekset bygger på mere end 85.000 amerikanske virksomheder og milliarder af dollars i virksomhedsudgifter via Ramps platform til firmakort og regningsbetaling. Det måler udbredelsen ud fra observerede betalte transaktioner frem for spørgeundersøgelser. Ramp siger, at denne metode sandsynligvis undervurderer aktiviteten, fordi gratis værktøjer ikke medfører betaling, og medarbejdere kan bruge personlige konti. Målingerne af tokenforbrug dækker en mindre delmængde, der bruger Ramp Token Spend Management med tilknyttede data om udbydernes brug og fakturering. Denne delmængde er ikke repræsentativ for det samlede omfang af AI-udgifter hos Ramps kunder, selv om resultaterne viser samme overordnede tendens.

Tallene for koncentrationen skal også tages med et forbehold. Ramps analyse fra oktober siger, at den øverste 1 % er en lille gruppe, hvis udgiftsestimater er mere svingende end estimaterne for medianvirksomhederne og de øverste 10 %, og at Ramp reviderede estimaterne opad efter at have tilføjet nye AI-udbydere. Det gør den øverste kundegruppes præcise størrelse mere usikker, men ændrer ikke de særskilte målinger af tokenmængde og tokenudgifter, som ligger til grund for den centrale forskel.

Kharazian sagde, at fremtidige produkter kan sætte gang i en ny vækstfase, men at de kommercielt avancerede produkter, der er tilgængelige nu, viser en afmatning i udgifterne. Han tvivler på, at personlige agenter vil kunne måle sig med kodningsagenters økonomiske produktivitet. Det åbne spørgsmål er, om en anden kommercielt værdifuld anvendelse hurtigt nok kan udvide efterspørgslen ud over dagens koncentrerede købergruppe til at opveje faldende priser og bedre omkostningsstyring – i stedet for blot at levere flere tokens til en lavere pris.