Google lancerede i denne uge en ny AI-model til en kvart dollar per million tokens. Lad mig sige det igen: en kvart dollar. Gemini 3.1 Flash-Lite koster så lidt at de fleste virksomheder ikke engang ville kunne se det på kontoudtoget.
For to år siden kostede den slags hundrede gange mere. Priskurven på AI-modeller ligner elmarkedet i omvendt – den falder og falder og falder. Og alligevel er der et paradoks.
Danske virksomheder forventer at øge deres AI-investeringer med 94 procent næste år, ifølge Lenovos CIO Playbook 2025. Samtidig mangler næsten halvdelen klare politikker for hvordan de overhovedet skal håndtere AI. Næsten hver tredje CIO har ikke engang defineret KPI’er for deres AI-projekter.
Så de bruger flere penge, men ved ikke hvad de bruger dem på. Det er ikke et teknologiproblem. Det er et ledelsesproblem.
Hardwaren er billig. Strategien er dyr.
Det er nemt at se på token-priserne og tro at AI er blevet billigt. Det er det også – den del der handler om at køre en model. Men det er lidt ligesom at sige at benzin er billigt, og så konkludere at det er billigt at køre taxaforretning. Benzinen er en brøkdel af regningen.
Den reelle omkostning ved AI sidder et helt andet sted. Den sidder i at finde ud af hvad der faktisk er værd at automatisere. I at have data der er ren nok til at en model kan bruge den. I at bygge integrationer til de systemer I allerede har. Og i at få mennesker til at ændre den måde de arbejder på.
McKinsey rapporterede i 2025 at 88 procent af virksomheder fejler med deres AI-initiativer. Ikke fordi modellerne ikke virker. Men fordi de starter det forkerte sted, mangler den rigtige data, eller aldrig når fra pilot til produktion.
Tre steder pengene ryger
Det første er dataarbejdet. AI er kun så god som den data den har adgang til, og de fleste virksomheder har data der ligger i siloer, i formater ingen har rørt i årevis, eller slet ikke er digitaliseret. At gøre data klar til AI koster typisk mere end selve AI-løsningen.
Det andet er integrationen. En AI-model der lever i sin egen lille boble er en demo, ikke en løsning. Den skal tale med jeres ERP, jeres CRM, jeres kundeservice-system. Det kræver dataintegration – og det er sjældent plug-and-play.
Det tredje er forandringsledelsen. Computerworld citerede for nylig et eksempel hvor en organisation brugte måneder på at udvikle en HR-chatbot som næsten ingen brugte bagefter. Ikke fordi teknologien var dårlig, men fordi ingen havde sikret at medarbejderne forstod hvorfor de skulle bruge den.
Hvad det faktisk koster
Hvis I er en mellemstor dansk virksomhed og vil have AI der gør noget reelt, er regnestykket typisk sådan her: de rene AI-omkostninger – tokens, API-kald, hosting – er den mindste post. Den største post er at finde ud af hvad I skal bygge, og at bygge det rigtigt.
Det er ikke en grund til at lade være. Det er en grund til at starte med strategien i stedet for teknologien. Spørg ikke “hvor kan vi bruge AI?” Spørg “hvad er vores dyreste problem, og kan AI løse det?”
Forskellen er at det første spørgsmål giver jer en pilot der aldrig bliver til noget. Det andet giver jer en business case med et tal i bunden.
