5 spørsmål styret vil stille om AI-kostnadene i 2027-budsjettet

AI-regningen ligger sjelden på ett kostnadssted. Skal ledelsen svare styret, må økonomidata, lisensbruk, skyforbruk og risiko ses i sammenheng.

AI er godt på vei inn i ordinær drift i virksomheter. Da kan kostnaden ikke lenger behandles som noen få programvarelisenser på IT-budsjettet. Den består også av API-forbruk, skykapasitet, integrasjoner, sikkerhet, juridiske vurderinger og tiden ansatte bruker på å utvikle og kontrollere løsningene.

Deloitte fant i sin globale Finance Trends 2027-undersøkelse at 60% av finanslederne mener de trenger mer avanserte metoder for å styre AI-kostnader i 2027.

Tallet kommer hovedsakelig fra store virksomheter og kan ikke overføres direkte til en norsk mellomstor bedrift.

Likevel treffer problemstillingen godt: Ansvaret flyttes raskere enn styringssystemene bygges. Styret kommer neppe til å spørre hvilken språkmodell dere bruker. De vil vite hva AI koster, hvilken verdi virksomheten får igjen, og om risikoen er under kontroll.

1. Hva koster AI oss egentlig

Lisenskostnaden er lett å finne. Totalprisen er større. En Copilot-lisens eller et abonnement på en AI-tjeneste er bare inngangsbilletten. I tillegg kommer forbruksbaserte API-er, skytjenester, datalagring, integrasjoner, konsulenter, sikkerhetsarbeid og intern tid.

Utfordringen er at disse kostnadene ofte havner hos ulike leverandører og på ulike kostnadssteder. Da kan økonomisystemet vise hva virksomheten betaler til Microsoft, Google eller en skyleverandør, men ikke hvor mye som gjelder det enkelte AI-initiativet.

Mitt råd er å gi hvert AI-initiativ en felles identitet på tvers av systemene: navn på løsningen, forretningsområde, eier, formål og forventet gevinst. Uten den koblingen får dere en samling fakturaer, ikke et styringsgrunnlag.

Hvor svaret ligger:

hovedbok og leverandørreskontro i ERP-systemet, innkjøpssystemet, fakturaer, skyleverandørenes kostnadsportaler, SaaS-administrasjon og eventuell timeregistrering for interne prosjektkostnader.

2. Betaler vi for bruk eller bare for tilgang

Mange starter med å kjøpe lisenser bredt. Det kan være riktig for å senke terskelen og få fart på læringen. Men når budsjettet skal forsvares, holder det ikke å vise hvor mange som har fått tilgang. Ledelsen må se hvor mange som faktisk bruker verktøyet, hvor ofte de bruker det, og til hvilke oppgaver.

Sammenlign kjøpte lisenser med aktive brukere og reell aktivitet. Se også etter dobbeltdekning. Den samme medarbeideren kan ha AI-funksjoner inkludert i flere systemer uten at virksomheten har tatt stilling til hvilken løsning som skal brukes til hva.

Det er ikke nok å avdekke dobbeltdekning i ettertid. Hvert AI-verktøy og hver AI-funksjon — også de som ligger innbakt i eksisterende programvare, eller er kjøpt lokalt av et enkelt land eller team uten sentral godkjenning — må initiativføres med et navn, en eier og et forretningsområde før de tas i bruk. Gjøres ikke dette, hoper kostnaden seg opp utenfor det ledelsen faktisk har oversikt over.

Aktivitet er fortsatt ikke det samme som verdi. Men uten oversikt over bruken blir det umulig å skille mellom et verktøy som er tatt i arbeid og en lisens som bare ligger der.

Hvor svaret ligger:

identitetsplattformen, HR-systemets oversikt over ansatte og roller, lisensportalene hos leverandørene og brukslogger for den enkelte tjenesten. Disse dataene bør kunne kobles uten å overvåke innholdet i de ansattes arbeid.

3. Hvilken verdi kan vi knytte til kostnaden

Dette er spørsmålet mange hopper over mens piloten pågår. Man teller brukere, prompter eller produserte sammendrag. Styret vil spørre om virksomheten har fått høyere kapasitet, kortere behandlingstid, bedre kvalitet eller lavere risiko.

Verdien må måles i arbeidsprosessen der AI brukes. Hvis målet er raskere månedsavslutning, må dere måle tiden fra periodeavslutning til rapportering. Hvis AI brukes i kundeservice, må dere se på svartid, løsningsgrad og kvalitet. Hvis løsningen støtter tilbudsarbeid, kan dere måle gjennomløpstid og treffrate.

Vær forsiktig med å bokføre frigjorte timer som en kontant gevinst. Tid blir først økonomisk verdi når den brukes til mer kapasitet, høyere kvalitet eller redusert behov for andre ressurser.

Dette er særlig kritisk i en virksomhet som fakturerer etter timer. Når AI gjør en oppgave raskere, reduseres timene som kan faktureres til kunde — samtidig som kostnaden til AI-lisenser, API-forbruk og skykapasitet øker. Uten en bevisst plan for hvordan frigjort tid gjøres om til ny fakturerbar kapasitet, nye leveranser eller endret prismodell, gir AI et dobbelt negativt utslag på resultatet: lavere omsetning og høyere opex samtidig.

Styret bør derfor ikke bare spørre hva AI kostet, men hva AI gjorde med timeprisen og kapasitetsutnyttelsen. Sett derfor en baseline før dere skalerer, og avtal på forhånd hva som skal til for å øke, videreføre eller stoppe finansieringen.

Hvor svaret ligger:

prosessdata i ERP-, CRM-, saksbehandlings- og supportsystemer, kvalitetsavvik, timeregistrering og de samme KPI-ene som allerede brukes til å styre driften. Gevinstmålingen bør ligge nær prosessen, ikke bare i AI-verktøyets eget dashboard.

4. Hvilke data og risikoer er AI-kostnaden knyttet til

AI-kostnaden kan ikke vurderes uavhengig av dataene løsningen får tilgang til. En rimelig tjeneste kan bli dyr hvis den behandler kundedata, personopplysninger eller opphavsrettsbeskyttet materiale uten tydelige avtaler og kontroller.

I Deloittes CFO Signals oppga 46% at kostnadsusikkerhet eller manglende kostnadstransparens som sin største interne AI-bekymring. På den eksterne siden pekte 43 prosent på mulig søksmålsrisiko ved bruk av beskyttet eller privat innhold, mens 41 prosent trakk frem cybersikkerhet.

Virksomheten trenger derfor et enkelt register over godkjente AI-verktøy og bruksområder. Det bør vise leverandør, systemeier, datatyper, tilgangsnivå, avtalegrunnlag og hvem som følger opp hendelser. Dette trenger ikke være et stort governance-program. For en mellomstor virksomhet kan en stram, oppdatert oversikt være langt mer nyttig enn en omfattende policy ingen bruker.

Hvor svaret ligger:

leverandør- og avtaleregisteret, databehandleravtaler og personvernvurderinger, systemoversikten, tilgangsstyringen, sikkerhetslogger og avvikssystemet. Hvis disse opplysningene ikke kan kobles til kostnaden og eieren av løsningen, mangler styret en vesentlig del av bildet.

5. Hva skjer med budsjettet når bruken øker

Tradisjonell programvare kan ofte budsjetteres som pris per bruker. AI har i større grad variable kostnader. Flere forespørsler, mer data, lengre kontekst, kraftigere modeller og autonome agenter kan endre kostnadsbildet raskt. En pilot med lav trafikk sier derfor lite om kostnaden når løsningen blir en del av den daglige driften.

Budsjettet bør bygges på drivere, ikke bare fjorårets faktura. Lag minst tre scenarier for bruk, og vis hvilke antakelser som styrer dem: antall brukere, volum per prosess, modellvalg, datamengde og forventet vekst. Følg deretter kostnad per transaksjon, rapport, kundesak eller annen relevant enhet.

Det er her økonomi og IT må jobbe på samme datagrunnlag. IT ser teknisk forbruk. Økonomi ser faktura og budsjettavvik. Først når de to bildene kobles, kan ledelsen forklare hvorfor kostnaden øker og om økningen er ønsket.

Hvor svaret ligger:

API- og forbrukslogger, skyplattformens kostnadsverktøy, leverandørfakturaer, prognosemodellen i økonomisystemet og et BI-lag som kobler teknisk volum til kostnadssted, prosess og eier.

AI trenger en portefølje, ikke bare en konto

Det vanligste styringsproblemet er ikke at virksomheten mangler data. Dataene ligger bare i forskjellige systemer og eies av ulike fagmiljøer. Derfor bør AI-kostnader styres som en portefølje av bruksområder, ikke som én samlet konto under IT.

Før budsjettet vedtas, bør ledelsen som minimum kunne gjøre 5 ting:

• peke på én ansvarlig eier for hvert AI-initiativ
• bekrefte at alle AI-lisenser og AI-funksjoner er initiativført — inkludert de som ligger innbakt i annen programvare eller er kjøpt lokalt
• vise samlet kostnad, inkludert forbruk og interne ressurser
• knytte kostnaden til en definert effekt eller risikoreduksjon
• stoppe eller skalere finansieringen når måledataene tilsier det

Da kan ledelsen møte styret med et budsjett som viser hvilke antakelser tallene bygger på, hvor de kommer fra, og hvem som har ansvar for å følge dem opp. Alle AI-kostnader kan ikke beregnes presist. De kan likevel styres langt bedre enn i dag.

Forfatter: Dag Ove Valsgaard er Chief Information Officer i VIEW Group