Datorkraft kommer att bli som olja: En VD:s syn på kostnadsstrategin för AI

De flesta företag hanterar sina AI-kostnader på fel sätt. De ser symboliska utgifter som ett tecken på framsteg – ju högre räkning, desto mer ”AI-inriktat” anses företaget vara. Christian Fielitz, VD för Doodle, hävdar motsatsen: AI-kostnader är ett investeringsbeslut, inte en statussymbol, och de företag som lyckas är de som medvetet beslutar vad de ska sköta internt, vad de ska lägga ut på entreprenad och var de ska behålla kontrollen. Datorprestanda i sig kommer att bli en massvara – ”datorprestanda kommer att bli som olja” – men det betyder inte att din faktura blir lägre. Det innebär att den strategiska frågan förskjuts från hur mycket vi kan spendera till vad vi bör äga.

Denna artikel sammanfattar Fielitz ramverk för att reflektera över kostnaderna för AI, hämtat från hans samtal i juni 2026 i programmet ”Vlad Catcher Show”.

Problemet med jordgubbsfältet: fundera på vem som ger råd om kostnaderna

Innan man följer någons råd om hur mycket man ska satsa på AI, säger Fielitz, bör man fundera över vem som drar nytta av svaret.

"Det är ungefär som att säga att man har en jordgubbsodling och hävdar: ’Vi älskar jordgubbar, alla borde äta fler jordgubbar.’ Men om någon bara äter 10 jordgubbar, så är de ju inte riktigt förälskade. Man borde äta 20, 50, 500 jordgubbar."

De som högljutt hävdar att fler tokens innebär större framsteg är oftast just de som säljer tokens. Det betyder inte att de har fel – men det är värt att påpeka vilka incitament de har. ”Köp bara tokens, annars gör du fel” är ingen strategi. Det är ett säljargument som utger sig för att vara en strategi.

Slutsatsen: skilj på själva budskapet (AI ger verklig hävstångseffekt) och försäljningsprocessen (du bör utnyttja den så mycket som möjligt, så snabbt som möjligt).

Varför databehandling kommer att bli en massvara – och varför det inte kommer att sänka din faktura

Fielitz är tydlig när det gäller den långsiktiga utvecklingen av kostnaden för ren datorkraft:

"Marginalkostnaden kommer att sjunka. Datorkraft kommer att bli som olja, eller som energi som man utvinner. För mig är det en av de saker som med säkerhet kommer att hända."

Hittills låter det som goda nyheter för köparna. Men här är haken. Att kostnaden för ren datorkraft sjunker är inte detsamma som att kostnaden för din AI-användning sjunker – eftersom ekonomin ett steg högre upp är helt ur balans:

"Vi vet att dessa siffror och analyserna kring de nuvarande investeringarna i infrastruktur inte motsvaras av investeringarna i applikationslagret eller det värde som skapas genom applikationslagret."

Enkelt uttryckt: enorma kapitalbelopp satsas på AI-infrastruktur, men det värde som skapas på applikationsnivå har inte hunnit ikapp. När den klyftan minskar tenderar det att ske i form av högre priser för dem som använder tjänsten. Och det är just den aspekten som varje operatör bör ta till sig.

Lärdomarna från molnkostnadernas historia: en fem år gammal strategi som upprepas

Vi har sett den här filmen förut, och det var inte så länge sedan.

"Om man blint lägger allt på stora språkmodeller (LLM) och lägger ut sin kunskap och sitt skapande på andra system, kommer man oavsiktligt att hamna i en situation där leverantören höjer kostnaderna – vilket för övrigt hände inom molninfrastrukturen för fem år sedan. Plötsligt är det som: ’Åh nej.’ Det ledde till multicloud-miljöer, vilket i sin tur ledde till frågan: ’Ska vi egentligen ha egna datacenter igen?’”

Molnmetaforen är den mest användbara tankemodellen i hela diskussionen. Billig och lättillgänglig molnkapacitet uppmuntrade företag att lägga allt inom en enda leverantörs ekosystem. Sedan förändrades priserna, inlåsningseffekten blev kostsam, och pendeln svängde tillbaka mot multicloud och till och med återflyttning till egna datacenter.

AI befinner sig på samma utvecklingsbana, bara lite tidigare. De företag som idag ”blint satsar allt på stora språkmodeller” skapar samma beroende som de molnbaserade företagen ägnade andra halvan av 2010-talet åt att avveckla. Lärdomen är inte att undvika AI – utan att undvika blindt beroende.

Vad som bör hanteras internt respektive läggas ut på entreprenad: ett ramverk med kontrollpunkter

Så vad gör man egentligen med det här? Fielitz svar omformulerar kostnaden för AI till en fråga om kontroll, inte om förbrukning:

"Att ha kontroll över AI-kostnaderna – att veta vad man kan lägga ut på entreprenad och vad man medvetet bör behålla internt som en kontrollpunkt och en konkurrensfördel – är en mycket viktig fråga. Det är något vi diskuterar löpande."

Ett praktiskt sätt att tillämpa ramverket:

• Lägg ut standardprodukterna på entreprenad. Funktioner i allmänna modeller, där omställningskostnaderna är låga och inga konkurrensfördelar skapas, kan hanteras av externa leverantörer. Det här är ”oljan” – köp den på marknaden.

• Håll kontrollpunkterna internt. Allt som utgör en verklig konkurrensfördel, eller som rör data som ni inte har råd att lämna ut, bör hållas under strikt kontroll. För Doodle är det säkerhets- och integritetsskäl som tvingar fram detta: ”Vissa saker måste vi hålla under strikt kontroll, även om vi skulle vilja lägga ut dem på entreprenad.”

• Omvandla kostnader till investeringar. När man medvetet väljer att hantera en verksamhet internt tar man inte bara på sig en kostnad – man skaffar sig en kontrollpunkt. ”Man omvandlar kostnaden till en faktisk investering och säger: ’Okej, vi ska behålla kontrollen över det här.’”

Det handlar just om ordet ”medvetet”. Felet ligger inte i att välja mellan outsourcing och insourcing – utan i att välja det ena eller det andra som standard istället för att fatta ett medvetet beslut.

När AI kostar mer än de människor som den var tänkt att avlasta

Det finns också en kortsiktig kostnadsfälla som man lätt kan missa i all entusiasm:

"Om man bara blint låter folk använda stora språkmodeller – och inte bara AI-verktyg – ser man att kostnaderna faktiskt redan nu är högre än för människor."

Om AI-användningen per arbetsplats inte hanteras kan kostnaden i tysthet överstiga kostnaden för det mänskliga arbete som den var avsedd att komplettera. Det är inte ett argument mot AI; det är ett argument för att införa mätning av den. Om man inte kan se vad AI kostar per arbetsflöde i förhållande till det värde den skapar, kan man inte hantera den – och ”vi är stolta över vår AI-räkning” blir då en mycket kostsam mening.

Paradoxen vid vägens slut: vem köper när det inte finns någon kvar?

Fielitz avslutar diskussionen om kostnaderna med en fråga som ger en helt ny vinkel på hela debatten om AI-utgifter:

"Om allt styrs av AI och det inte finns några människor kvar på företagen – vem ska då köpa er produkt? För det är ju agenter som köper av agenter… så glöm inte det."

Det är till hälften ett skämt och till hälften den viktigaste frågan i en företags AI-strategi. Värdet av att automatisera allt begränsas av att det måste finnas någon att sälja till. En ekonomi där agenter handlar med andra agenter, utan någon mänsklig efterfrågan i botten, är ingen marknad – det är en sluten krets. Konsekvensen för kostnadsstrategin: optimera för bestående mänskligt värde, inte för maximal automatisering. Poängen med att frigöra tid är inte att göra sig av med människor; det är att låta dem utföra det arbete som bara människor kan göra.

Sammanfattning

Fielitz är noga med att inte överdriva sin egen övertygelse: ”Vi säger inte att vi kommer att lösa det. Jag säger bara att vi för livliga diskussioner och försöker sätta oss in i frågan.” Det är just den ödmjukheten som är poängen. Kostnadsstrategin för AI år 2026 är ingen löst ekvation – det är en disciplin:

1. Rabattips från dem som säljer råvarorna. (Jordgubbsodlingen.)

2. Räkna med att databehandlingskapacitet blir en massvara – men räkna ändå med att din leverantörs priser kommer att förändras. (Klyftan mellan infrastruktur och applikationer.)

3. Tänk på molnet. Blind tillit får sina konsekvenser; planera för det redan nu.

4. Välj dina kontrollpunkter med omsorg. Låt andra sköta det som är en standardprodukt, behåll konkurrensfördelen internt och omvandla kostnader till investeringar.

5. Användning av verktyg. Oövervakad AI kan kosta mer än de människor den ska stödja.

6. Håll människorna informerade – de är ju också dina kunder.

Behandla utgifterna för AI på samma sätt som du skulle behandla vilken seriös investering som helst: med en investeringsstrategi, en uppföljningsplan och en tydlig bild av det värde som står på spel.

Denna text är hämtad från Christian Fielitz intervju i juni 2026 i programmet ”Vlad Catcher Show”. Nästa del i serien: 3 tillfällen när du växer ur ditt kalenderverktyg.