Budskap och riktning är tydlig från företag, myndigheter och regering: AI-användningen ska öka och det ska gå snabbt.
Men hela diskussionen vilar på ett antagande som sällan uttalas, och som verkligheten nu håller på att göra upp med. Antagandet om att AI i princip är gratis, eller att det i alla fall är billigare än vanliga anställda.
Det är inte bara en naiv och märklig utgångspunkt, det stämmer inte och det kommer framöver stämma allt mindre.
Kalkylen för AI jämfört med anställda blir annorlunda när kostnaden blir tydligare
Under årets första månader hände något som är ganska talande för detta. Uber, ett av världens mest datadriva företag, förbrukade årets hela AI-budget på fyra månader.
Företagsledningen konstaterade att de inte bara grovt missbedömt hur mycket de skulle behöva förbruka, utan också att det var svårt att se hur förbrukningen på ett tydligt sätt skapat några direkta värden för kunderna.
Microsoft är ett annat exempel. De drog tillbaka tusentals licenser för ett populärt AI-kodningsverktyg, ett verktyg som var mer omtyckt bland ingenjörerna än företagets eget. Kostnaderna var en del av förklaringen, men minst lika viktigt var att de egna anställda inte använde Microsofts egna AI-verktyg.
Chips, datacenter och el räcker inte till
Det som nu börjar hända är att den verkliga kostnaden för att lösa en uppgift med AI blir tydlig, och den ser annorlunda ut än vad tidigare kalkyler visade.
Förklaringen är inte så komplicerad. Agenter, det vill säga AI-system som självständigt utför uppgifter i flera steg, konsumerar mångfalt mer beräkningskapacitet än när man bara ställer en fråga och får ett svar. Priset per enhet AI har visserligen fallit dramatiskt, men den totala fakturan stiger ändå eftersom användningen ökar ännu snabbare. Goldman Sachs bedömer att den sortens AI-användning kan driva upp förbrukningen med över 2 000 procent fram till 2030.
Samtidigt är kapaciteten för att köra dessa system en trång sektor. Chips, datacenter och el räcker inte till. The Economist beskriver det som en ”supply crunch”, en situation där efterfrågan på AI-kapacitet vuxit snabbare än industrin kan bygga ut. Det riskerar att pressa upp priserna för slutkunden.
Till det kommer att de priser som företag och andra idag budgeterar utifrån delvis är subventionerade. Företagen bakom AI-modellerna går back och finansieras av riskkapital i väntan på att marknaden mognar. Det kommer inte vara hållbart i längden.
AI och anställda värderas för sitt bidrag
Kalkylen för AI jämfört med anställda blir annorlunda när kostnaden blir tydligare. När skillnaden minskar förändras också diskussionen. Värden som anställda bidrar med – omdöme, ansvar, relationer och flexibilitet – framstår plötsligt som något annat än en kostnad att minimera.
Men det viktigare skiftet handlar om fokus. När något är tillräckligt billigt mäter vi det inte och ställer inga krav på att det ska leverera. Exemplet från Uber är ett tydligt exempel. Stigande kostnader tvingar fram ett fokus som borde ha funnits där från början.
Den relevanta frågan är inte ”hur mycket AI använder vi?” De relevanta frågorna är: vad skapar den här AI-användningen för värde och vad kostar den, inte idag utan om fem år?
Det är inga konstiga frågor. Det är vanliga frågor som ställs på varje budgetmöte, om allt annat. Märkligt nog har de saknats nästan helt i diskussionen om AI.
Nu är de på väg tillbaka. Av ekonomiska skäl, snarare än principiella. Men resultatet kan ändå bli bättre beslut och en mer rättvis måttstock. En där både AI och anställda värderas efter vad de faktiskt bidrar med.
