AI’s største skjulte kostnad er ikke beregning. Det er mennesker.

Alle snakker om kostnadene ved AI. Vanligvis snakker de om GPU-er, modelllisenser eller tokenforbruk. Jeg tror de ser feil.

Den største kostnaden ved bedrifts-AI kan vise seg å være menneskene som er nødvendige for å overvåke det.

En ny studie fant at ansatte sparer omtrent 11 timer i uken ved å bruke AI, men bruker mer enn seks timer på å sjekke utdata, fikse feil, legge til manglende kontekst og sikre at resultatene faktisk er brukbare. Noen har kalt det “botsitting”. Det er et fengende navn, men det peker på et mye større problem.

AI skulle redusere arbeid. I stedet skaper mange organisasjoner en helt ny kategori av arbeid rundt å håndtere AI selv. Det er ikke et teknologiproblem. Det er et operasjonsmodell-problem.

En raskere oppfølger til SaaS-æraen

Jeg har sett denne filmen før.

For femten år siden omfavnet organisasjoner SaaS fordi det gjorde det enklere å kjøpe og distribuere programvare. Forretningsenheter kunne løse problemer uten å vente på IT. Produktiviteten økte. Innovasjonen akselererte. Så kom Shadow IT.

Plutselig visste ingen hvor mange applikasjoner ansatte brukte, hvor selskapsdata ble lagret, eller hvem som hadde tilgang til det. IT var fortsatt ansvarlig, men det hadde ikke lenger visibilitet eller kontroll. AI føles merkelig likt, men forskjellen er hastighet.

En SaaS-applikasjon kan avsløre noen systemer; en AI-agent kan koble til dusinvis på sin første dag. Den kan lese dokumenter, sammenfatte kontrakter, generere kode, oppdatere poster og utløse arbeidsflyter før de fleste organisasjoner har dokumentert at den eksisterer.

Teknologien utvikler seg raskere enn operasjonsmodellen som er bygget for å håndtere den.

Derfor var jeg ikke overrasket over IBMs nylige studie som viste at to tredeler av CIO-er og CTO-er er ansvarlige for AI-systemer de ikke fullt ut kontrollerer. De fleste respondentene sa også at AI spreder seg raskere enn styring kan holde tritt. Det er ikke fordi CIO-er plutselig har blitt mindre kompetente. Det er fordi AI ikke passer inn i tradisjonelle eierskapsmodeller.

Sikkerhet eier risiko.
Juridisk eier overholdelse.
Utviklere bygger integrasjoner.
Forretningsenheter eier resultater.
Leverandører kontrollerer deler av den underliggende infrastrukturen.

Mens AI skjærer over alle disse. Når noe går galt, eier alle en del av svaret, men ingen eier nødvendigvis hele systemet. Det skaper et gap, og organisasjoner fyller nesten alltid dette gapet med mennesker.

Noen gjennomgår AI-genererte rapporter før de sendes til kunder.
Noen sjekker AI-skrevet kode før den deployeres.
Noen verifiserer anbefalinger før beslutninger tas.
Noen undersøker uventet atferd.

Noen av denne oversikten er akkurat det vi ønsker. AI bør ikke operere uten menneskelig dømmekraft, spesielt i regulerte industrier eller høykonsekvens-miljøer. Problemet er når mennesker blir hovedkontrollen.

Fra chatboter til autonome agenter

Tenk på hva som skjer når organisasjoner går utover chatboter.

I dag hjelper en AI-assistent noen med å skrive en e-post.
I morgen sender en AI-agent den.

I dag foreslår AI en oppdatering av en kundepost.
I morgen gjør den endringen selv.

I dag anbefaler AI neste skritt i en forretningsprosess.
I morgen starter den arbeidsflyten automatisk.

Hver ny handling introduserer en ny beslutning:

Bør AI få lov til å gjøre dette?

• Bør den få tilgang til det systemet?
• Bør den hente den dataen?
• Bør noen godkjenne det først?

De fleste organisasjoner besvarer disse spørsmålene manuelt, og det fungerer når du har ti AI-brukstilfeller. Det fungerer ikke når du har hundre… eller tusen. Ironien er at organisasjoner investerer i AI for å forbedre produktiviteten, og så ber de høyt betalte ansatte om å bruke sin tid på å overvåke det.

Det er ikke å skalerer AI. Det er å skalerer overhead.

Microsoft kom til en lignende konklusjon i sin 2026 Work Trend Index. Etter å ha analysert trillions av arbeidspunkt og spurt 20 000 AI-brukere, fant selskapet at den største barrieren for AI-suksess ikke er teknologien, men organisasjonen rundt den.

Ansattene adopterer AI raskere enn selskapene deres tilpasser seg. Den virkelige utfordringen nå er å redesigne hvordan arbeid blir gjort: å bestemme hva AI skal gjøre, hva mennesker skal gjøre, og hvordan de to samarbeider. Jeg tror det er akkurat den samtalen bedriftsledere bør ha. AI skaper ikke verdi bare fordi det er deployert. Det skaper verdi når det er deployert med en tydelig operasjonsmodell som lar mennesker fokusere på dømmekraft i stedet for overvåking.

Omtenkning av AI-styring: Fra politikk til operasjoner

Dette er der samtalen om AI-styring trenger å endre seg. Når folk hører ordet styring, tenker de ofte på politikker, komiteer og dokumentasjon. Disse tingene er viktige, men ingen av dem tar en beslutning i sanntid.

Ingen av dem stopper en AI-agent fra å få tilgang til data den ikke bør se eller pause en arbeidsflyt som oppfører seg uventet. Ingen av dem forklarer, i øyeblikket en handling blir forespurt, om den handlingen er i samsvar med selskapspolitikken.

Det er gapet.

Organisasjoner trenger ikke flere styringsdokumenter. De trenger styring som opererer. Rutinehandlinger bør skje automatisk når de faller innenfor godkjente politikker; høyere-risikohandlinger bør kreve menneskelig godkjenning, og sensitive systemer bør ha tydelige grenser rundt hva AI kan og ikke kan gjøre.

Og hvis en AI-prosess begynner å oppføre seg på måter ingen ventet, bør det være en umiddelbar måte å stoppe det på. Ikke fordi AI ikke kan stole på, men fordi hver forretningsprosess trenger vegger.

Plassering av mennesker der de teller

Selskapene som får mest verdi fra AI eliminerer ikke mennesker fra ligningen. De plasserer mennesker der de er mest verdifulle.

Ikke gjennomgang av hver utdata.
Ikke sjekking av hver prompt.
Ikke passing av hver agent.

De fokuserer mennesker på unntakene, kanttilfellene og beslutningene som faktisk krever dømmekraft. Det er en mye bedre bruk av menneskelig ekspertise.

Den virkelige bedriftsspørsmålet

AI har nådd et punkt der teknologien ikke lenger er det største spørsmålet. De fleste organisasjoner har allerede bevist at det kan generere innhold, skrive kode, sammenfatte informasjon og automatisere repetert arbeid.

Det vanskeligere spørsmålet er om de kan operere AI med tillit på bedriftsnivå:

Kan de se hva det gjør?

• Kan de kontrollere hva det har tilgang til?
• Kan de håndheve politikk konsekvent?
• Kan de forklare hvorfor et AI-system tok en bestemt handling?

Disse er operasjonelle spørsmål, og de er stadig økonomiske. Det er fordi hver time brukt på å overvåke AI river bort på de produktivitetsgevinster som rettfertiget investeringen i AI fra første sted. Selskapene som vinner med AI vil ikke være de som kjører flest modeller eller deployer flest agenter. De vil være de som ikke trenger en hær av mennesker som overvåker dem.

AI bør forsterke arbeidsstyrken din. Det bør ikke stille og bli en ny.