06. July 2026
I lang tid har teknologibransjen brukt "pris per million tokens" som den ultimate målestokken for å sammenligne kostnadene på store språkmodeller (LLMer). En ny analyse viser imidlertid at denne metrikken har mistet nesten all reell verdi for beslutningstakere som skal budsjettere AI-prosjekter.
Årsaken ligger i hvordan modellene er skrudd sammen under panseret. Forskjellige AI-leverandører bruker ulike "tokenizere" – verktøyet som deler opp tekst i biter maskinen forstår. Det betyr at en tekst på 1000 ord kan koste vesentlig mer i én modell enn i en annen, selv om prisen per token på papiret er identisk. I tillegg har moderne funksjoner som "prompt caching" (hvor systemet husker tidligere instruksjoner gratis) og automatisk strukturerte dataformater snudd opp ned på den tradisjonelle regnemåten.
For økonomisjefer og IT-direktører som planlegger skyinvesteringer, betyr dette at man må slutte å sammenligne råvarepriser på API-er. Den smarte måten å budsjettere på nå er å måle "pris per løst oppgave" (cost-per-task). Ved å sette opp konkrete test-scenarier basert på faktiske arbeidsoppgaver – som å oppsummere en rapport eller kategorisere en e-post – får man det sanne bildet av hvilket system som faktisk gir mest verdi for pengene. Les hele analysen her.
En fersk gjennomgang av Amazon-grunnlegger Jeff Bezos' langsiktige strategiske tenkning kaster lys over hvordan selskaper bør navigere i et stormfullt AI-landskap. Mens markedet febrilsk prøver å gjette hvilken AI-start-up som blir den neste giganten, minner Bezos oss på et fundamentalt lederprinsipp: Bygg strategien på de tingene som ikke kommer til å endre seg.
For Amazon handler det om at kundene alltid vil ha lave priser, rask levering og et enormt utvalg. Ingen våkner opp om ti år og ønsker at pakkene kom tregere. Generativ AI og avansert robotikk er ekstremt kraftige verktøy, men de er kun midler for å oppnå disse tidløse målene mer effektivt.
For selskaper som utformer sine egne AI-veikart, er lærdommen å flytte fokuset bort fra teknologien i seg selv. I stedet for å spørre "hva kan vi bruke AI til?", bør man spørre: "Hva er våre kunders mest grunnleggende behov som aldri vil endre seg, og hvordan kan AI hjelpe oss med å levere på dette ti ganger raskere eller billigere?". Det gir en langt mer robust investeringsstrategi enn å jage etter siste versjon av språkmodellene. Dypdykk i Bezos' tankegang her.