AI-modeller og plattformer

Ramp-data viser at bedrifters bruk av AI-tokener vokser raskere enn utgiftene

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

TechCrunch rapporterte 6. november 2026 at Ramp-data viser at utgiftene til AI-tokener bare økte med 1,5 prosent i august og september 2026, mot en månedlig vekst på 42 prosent i juli, selv om volumet av tokener fortsatte å øke. Dette spriket setter en grunnleggende antakelse under press: Økt bruk av AI i næringslivet fører ikke automatisk til tilsvarende vekst i inntektene til modellutviklerne.

Den nyeste Ramp AI Index viser en oppgang i oktober, men ikke stor nok til å tette gapet. De samlede utgiftene til tokener økte med 8,9 prosent i uken som sluttet 23. oktober 2026, sammenlignet med den tilsvarende uken som sluttet 25. september 2026, mens tokenvolumet økte med 37,1 prosent. Forbruket vokser dermed langt raskere enn utgiftene, selv etter at utgiftene igjen begynte å øke.

Fallende priser og konsentrert etterspørsel

Mellom disse to ukene falt den gjennomsnittlige prisen per million tokener på tvers av OpenAI og Anthropic fra 0,76 dollar til 0,56 dollar. Indeksen oppgir dette som en nedgang på 26,8 prosent, i tillegg til nedganger på 42,4 prosent for OpenAI og 15,7 prosent for Anthropic. Disse prisreduksjonene bidrar til å forklare hvorfor en betydelig økning i bruken kan føre til en langt mindre økning i utgiftene.

Utgiftene er også så konsentrert at en liten kundegruppe kan påvirke den overordnede utviklingen. I analysen sin fra 14. oktober 2026 oppga Ramp at 1 prosent av selskapene sto for 80 prosent av utgiftene til OpenAI og Anthropic, og viste til to måneder på rad med tilnærmet flate utgifter til tokener. I september var de månedlige AI-utgiftene per ansatt i median 9 568 dollar blant den øverste prosenten av selskapene som betaler for AI, sammenlignet med 813 dollar blant de øverste 10 prosentene og 15,70 dollar for et selskap i medianen.

Betalt bruk blir likevel stadig mer utbredt: Indeksen viser at andelen nådde 55,9 prosent av Ramp-bedriftene i september. 43,8 prosent betalte for Anthropic, og 40,6 prosent betalte for OpenAI. Anthropics andel av tokenutgiftene økte fra 51,3 prosent i uken som sluttet 25. september, til 60,5 prosent i uken som sluttet 23. oktober, mens OpenAIs andel falt fra 44,2 til 35,1 prosent. En leverandør kan øke markedsandelen sin i en utgiftspott som påvirkes av kundenes effektiviseringsgevinster. Endringer i markedsandeler alene gir derfor ikke svar på spørsmålet om den samlede utgiftsveksten.

Store kunder holder kostnadene under kontroll

Ramps sjeføkonom Ara Kharazian sa til TechCrunch at nedgangen ikke skyldes manglende etterspørsel. I stedet viste han til lavere modellpriser og konkurranse som har skapt et kjøpermarked. Avanserte kunder blir også mer kostnadsbevisste: De angir standardinnstillinger som hindrer bruk av dyre modeller til langvarige oppgaver, setter budsjetter for ansatte og bruker rutere til å flytte oppgaver fra standardmodeller eller lette modeller til billigere, lette modeller.

Kharazians vurdering er at veksten blant selskaper i medianen og i den øverste tidelen ikke er tilstrekkelig til å veie opp for lavere utgifter blant de største brukerne. Han stilte spørsmål ved om legekontorer eller bilforhandlere vil nærme seg utgiftsnivået til den øverste kundegruppen, selv med etterspørsel etter kodeagenter innen programvare og finans. For kjøperne betyr dette mer AI-bruk for mindre penger; for modellselskapene gjør det forholdet mellom forbruk og inntekter mer komplisert.

Datagrunnlagets begrensninger og den neste prøven på vekst

Indeksen bygger på data fra mer enn 85 000 amerikanske bedrifter og milliarder av dollar i bedriftsutgifter gjennom Ramps plattform for firmakort og betaling av regninger. Den måler bruk ut fra observerte betalingstransaksjoner, ikke spørreundersøkelser. Ramp sier at denne metoden sannsynligvis undervurderer aktiviteten, fordi gratisverktøy ikke medfører betaling, og ansatte kan bruke personlige kontoer. Tokenmålingene dekker en mindre del av kundene, som bruker Ramp Token Spend Management med tilkoblede data om leverandørbruk og fakturering. Denne delgruppen er ikke representativ for det samlede volumet av AI-utgifter hos Ramp, selv om resultatene viser en lignende tendens.

Tallene for konsentrasjon må også ses med et forbehold. I oktoberanalysen opplyser Ramp at den øverste prosenten er en liten gruppe, og at anslagene for utgiftene deres svinger mer enn anslagene for selskapene i medianen og de øverste 10 prosentene. Ramp sier også at de justerte anslagene opp etter å ha lagt til nye AI-leverandører. Det gjør det nøyaktige omfanget av den øverste kundegruppen mer usikkert, men endrer ikke de separate målingene av tokenvolum og tokenutgifter som ligger til grunn for hovedspriket.

Kharazian sa at fremtidige produkter kan sette i gang en ny vekstfase, men at de kommersielt avanserte produktene som er tilgjengelige nå, viser at utgiftene avtar. Han tviler på at personlige agenter vil kunne måle seg med kodeagenter når det gjelder økonomisk produktivitet. Det åpne spørsmålet er om en annen kommersielt verdifull anvendelse kan utvide etterspørselen utover dagens konsentrerte kundegruppe raskt nok til å veie opp for fallende priser og bedre kostnadskontroll, i stedet for bare å levere flere tokener til en lavere kostnad.

Vera Syn er en KI-generert forskningsagent hos Unite.AI og dekker kunstig intelligens innen finans, bankvirksomhet og finansiell infrastruktur. Arbeidet hennes fokuserer på hvordan KI endrer investeringsbankvirksomhet, kredittvurdering, risikostyring, handelssystemer og svindeloppdagelse i finansinstitusjoner verden over.

Med et presist og kvantitativt perspektiv undersøker Vera hvordan maskinlæringsmodeller brukes til markedsanalyse, kredittscoring, tiltak mot hvitvasking av penger og effektivisering av bankdrift. Hun legger særlig vekt på modellenes nøyaktighet, regulatoriske begrensninger og balansen mellom automatisering, åpenhet og systemrisiko i finansielle systemer.

Artikler skrevet av Vera Syn er KI-genererte og gjennomgås av redaksjonen i Unite.AI for å sikre nøyaktighet, tydelighet og ansvarlig dekning av KIs voksende rolle innen finans og bankvirksomhet.