Hvem i bedriften kan svare på hvor mye KI kostet i september? Ikke hva lisensene koster, men hva selve bruken kostet: hvor mange tokens, altså tekstbiter som språkmodellen leser og skriver, agentene brukte, og hvilken avdeling som sto bak. Hvis svaret er «det må vi sjekke», står bedriften i godt selskap. I en undersøkelse fra KPMG, gjennomført fra 4. mai til 2. juni 2026, sa bare fire prosent av lederne i kapitalforvaltning og private equity at driftskostnadene til KI er fullt synlige hos dem (KPMG).
Andel ledere som sier at driftskostnadene til KI er fullt synlige. Illustrasjon: Tekonomi. Kilder: KPMG, Quarterly AI Pulse Survey, andre kvartal 2026.
Tre bransjer, tre svar
KPMG spør hvert kvartal 100 toppledere og seniorledere i hver av tre bransjer: bank, teknologi, og kapitalforvaltning og private equity. Alle jobber i amerikanske selskaper med minst én milliard dollar i omsetning, så dette er store organisasjoner med egne økonomiavdelinger og betydelige IT-budsjetter. Tallene sier derfor mer om hva som er mulig å få til enn om hva en liten bedrift klarer.
I teknologibransjen sier 54 prosent at driftskostnadene til KI-systemene er fullt synlige og aktivt overvåket (KPMG). I bankene er tallet 31 prosent, og ytterligere 58 prosent sier at kostnadene er delvis synlige (KPMG). I kapitalforvaltning er 63 prosent på nivået «delvis synlig», og bare fire prosent kan si «fullt synlig» (KPMG).
Forskjellen er stor, men den er ikke vanskelig å forklare. Teknologiselskapene bygger og selger tjenester der hver forespørsel til en modell koster penger, og de har lært å måle fordi marginene avhenger av det. En kapitalforvalter bruker KI til analyse, rapportering og dokumentgjennomgang, i små porsjoner spredt over mange team. Der kommer regningen som en post blant andre, ofte uten at noen kan si hvilken oppgave den hører til.
Fra faste lisenser til forbruk
Det som gjør dette til et økonomispørsmål og ikke bare et IT-spørsmål, er at kostnadsmodellen har skiftet. Programvare ble lenge kjøpt som lisens per bruker per måned. Du kunne gange antall ansatte med prisen og legge tallet i budsjettet. En KI-agent som jobber selvstendig, leser dokumenter, kaller andre verktøy og prøver på nytt når noe feiler, gir en regning som svinger med hvor mye den brukes og hvor godt oppgaven er beskrevet. To team kan løse nesten samme oppgave og ende med helt ulik kostnad.
KPMG-rapporten peker selv på at toppledelsen er blitt mer opptatt av dette. Ifølge teknologirapporten har ansvaret for KI-baserte beslutninger havnet høyt oppe, og det har ifølge KPMG «generert økt synlighet» rundt driftskostnadene. I kapitalforvaltning oppgir 59 prosent at ansvaret ligger hos toppsjefen eller en toppledergruppe (KPMG). Når sjefen eier spørsmålet, kommer snart spørsmålet «hva koster det egentlig?», og da hjelper det lite å svare med en lisensoversikt.
Hva de som har kontroll gjør
Undersøkelsen er ikke en oppskrift, men den gir noen spor. I kapitalforvaltning oppgir 61 prosent at de har dashbord for overvåking av KI-kostnader som ett av tiltakene mot at regningen løper (KPMG). Det er et naturlig første steg, og det er rimelig å tro at det kommer før de fleste andre. Men et dashbord viser bare det som er merket. Har ikke agentene egne nøkler, eller bruker alle den samme, ender kostnaden i én stor klump som ingen kan dele opp.
I praksis handler det om tre ting som en økonomisjef og en IT-ansvarlig kan bli enige om på én ettermiddag. Hver agent og hvert prosjekt bør ha sin egen tilgang til modellene, slik at forbruket kan knyttes til et budsjett. Det bør settes en grense per måned som utløser en varsling før regningen kommer, ikke etter. Og én person bør være navngitt som eier av tallet, slik KPMG-tallene om ansvar på toppnivå antyder at flere nå gjør.
En kostnad uten pris
Det er fristende å lese tallene som en advarsel mot KI, men det er ikke det de viser. Samme kvartalsundersøkelse sier at 90 prosent i teknologibransjen vurderer tilgang til billigere, men like gode modeller som en viktig faktor for strategien de neste seks månedene, 40 prosentpoeng mer enn forrige kvartal (KPMG). Prisene faller, og det gjør det mer fristende å la forbruket vokse. Her ligger poenget: når enhetsprisen går ned, kan totalregningen likevel gå opp, fordi flere oppgaver blir lønnsomme å automatisere. Det er helt greit, så lenge noen kan se det skje.
Utfordringen er at en bedrift uten oversikt ikke kan skille mellom de to utfallene. Gikk regningen opp fordi agentene gjør nyttig arbeid, eller fordi en løkke har kjørt natten over? Uten tall på bruk per oppgave er begge forklaringene like sannsynlige, og avgjørelsen om å skalere opp eller bremse tas på magefølelse.
Det som ikke står i tallene
Undersøkelsen har klare begrensninger. Den dekker store amerikanske selskaper, 100 ledere per bransje, og svarene er lederes egen vurdering av hva de ser, ikke en revisjon av hva som faktisk måles. Flere medier har i tillegg omtalt en annen KPMG-måling der om lag halvparten av lederne skal ha skalert ned eller utsatt KI-agenter fordi kostnadene oversteg gevinsten. Den tallfestingen har jeg ikke kunnet bekrefte i KPMGs egne dokumenter, og den er derfor ikke brukt her.
Spørsmålet fra åpningen kan uansett brukes som en enkel test. Be om en oversikt over hva KI kostet i forrige måned, fordelt på team og oppgave. Får du den samme dag, er bedriften foran. Får du den om tre uker, med tall som ikke stemmer med fakturaene, vet du hva som må på plass før neste agent settes i produksjon.