
(Illustrativt billede: Magnific)
I løbet af de sidste to år er kunstig intelligens (AI) blevet set af mange virksomheder som en hurtig løsning på produktivitetsudfordringer. Fra kodning og kundeservice til rapportskrivning, dataanalyse og e-mailbehandling er AI dukket op med løftet om hurtigere, billigere og mindre afhængig af menneskelig arbejdskraft. Men i midten af 2026 vil spørgsmålet i mange virksomhedsbestyrelseslokaler ikke længere være "Skal vi bruge AI?", men snarere "Hvor mange penge bruger AI, og leverer den virkelig en tilsvarende værdi?".
Dette skift betyder ikke, at AI er forældet. Tværtimod er AI fortsat en strategisk teknologi, især inden for programmering, kundeservice, økonomi og intern drift. Men efter en periode med hurtig udrulning drevet af frygt for at sakke bagud, begynder mange virksomheder at indse en mindre glamourøs virkelighed: AI er ikke gratis, og det er heller ikke nødvendigvis billigere end mennesker, hvis det bruges forkert. Når et værktøj stilles til rådighed for tusindvis af medarbejdere, kan hver kommando, hvert tekststykke, hver dokumentanalyse eller hver kodeindtastning blive en omkostning målt i tokens - en måleenhed for den mængde data, som AI-modellen skal behandle.
I slutningen af maj rapporterede Wall Street Journal, at nogle amerikanske virksomheder er begyndt at "rationere" deres AI-udgifter, da omkostningerne til databehandling og tokener stiger hurtigt. Artiklen citerede Ubers tilfælde og bemærkede, at virksomheden brugte sit AI-budget for 2026 på bare fire måneder, hvilket fik den til at genoverveje, hvordan den fordeler sine AI-udgifter. Dette er et vigtigt signal: AI er ikke længere blot et teknologieksperiment, men er blevet en finansiel post, der kræver kontrol, ligesom cloud computing, personale- eller driftsomkostninger.
Uber er et bemærkelsesværdigt eksempel, fordi virksomheden ikke er imod AI. Ubers problem ligger i, at omkostningerne stiger for hurtigt, mens de konkrete forretningsmæssige fordele ikke let kan bevises. The Verge citerer Andrew Macdonald, Ubers bestyrelsesformand og administrerende direktør, for at sige, at det at bruge flere penge på værktøjer som Claude Code ikke er direkte korreleret med et større antal nyttige funktioner for kunderne. Med andre ord kan ingeniørteamet bruge AI mere, men ledelsen skal stadig besvare det grundlæggende spørgsmål: Får slutbrugerne et bedre produkt for de penge, de bruger?

Uber-logoet vises på en telefonskærm på dette illustrative foto taget i Bruxelles, Belgien, den 9. august 2025. (Foto: NurPhoto/Reuters)
Claude Code, Anthropics programmeringsstøtteværktøj, er blevet fokus for denne debat. Det er vigtigt at præcisere for at undgå misforståelser: Anthropic tilbyder stadig månedlige abonnementer til brugere og virksomheder. Men når det bruges i stor skala eller via en applikationsprogrammeringsgrænseflade (API), kan omkostningerne beregnes baseret på tokens, brugsmønstre og yderligere funktioner. Anthropics officielle prisside viser, at Claude API-modeller prissættes baseret på mængden af tokens input og output; virksomhedens dokumentation bemærker også, at nogle ændringer i datakodning kan medføre, at den samme tekst bruger flere tokens end før. Derfor handler problemet ikke om at "løbe tør for månedlige abonnementer", men snarere de vanskeligheder, virksomheder står over for med at forudsige omkostninger, når medarbejdere kontinuerligt bruger AI til krævende opgaver.
Forskellen mellem AI og traditionel software ligger i, hvordan omkostningerne afholdes. Med kontorsoftware betaler virksomheder typisk et månedligt gebyr pr. konto. Med mange AI-værktøjer, især dem til programmering og flertrinsautomatisering, kan omkostningerne stige med dokumentlængde, forespørgselsvolumen, revisionscyklusser, antal kaldte modeller og outputdata. En medarbejder, der bruger AI til at opsummere e-mails, koster måske meget lidt. Men et team af ingeniører, der har AI til at læse kildekode, foreslå rettelser, omskrive flere versioner og køre automatiserede processer, kan generere betydelige omkostninger på kort sigt.
Fra et ledelsesperspektiv er dette et meget velkendt problem: god teknologi er ikke nødvendigvis en god investering, hvis dens effektivitet ikke kan måles. En virksomhed kan føle, at produktiviteten er steget, fordi medarbejderne arbejder hurtigere, men hvis antallet af sparede timer, færre fejl, øget omsætning eller forbedret kundeoplevelse, vil AI-regninger hurtigt blive vanskelige at forsvare. Derfor skifter førende virksomheder fra en "brug så meget som muligt"-mentalitet til en "brug det, hvor det er rigtigt, til de rigtige mennesker og inden for grænserne".

Claude AI-logoet vises på en telefonskærm i denne illustration dateret 6. februar 2026. (Foto: NurPhoto/Reuters)
Ud over blot omkostningerne ved værktøjer bliver historien om, at AI erstatter menneskelige ressourcer, også gennemgået. Den 21. maj citerede Forbes data, der viste, at 29 % af de virksomheder, der tidligere havde skåret personale ned på grund af AI, har genansat til disse stillinger. Disse data skal fortolkes med forsigtighed, men de fremhæver en realitet: at erstatte mennesker med AI er ikke så simpelt som at skære ned på en omkostningspost på lønningslisten. I mange job, især kundeservice, salg, indholdsskabelse, driftsledelse eller håndtering af følsomme situationer, har mennesker stadig roller, som AI endnu ikke fuldt ud kan udfylde.
AI kan reagere hurtigt, men hastighed er ikke lig med præcision. AI kan udarbejde kladder, men kladder skal stadig gennemgås af professionelle. AI kan opsummere data, men ledere skal stadig forstå konteksten for at kunne træffe beslutninger. Hvis virksomheder afskediger personale for tidligt, kan de betale prisen med faldende servicekvalitet, utilfredse kunder, mere kaotiske interne processer og i sidste ende at skulle genansætte og omskole personale. I så fald bliver "besparelser takket være AI" illusoriske besparelser.
Et punkt, der skal overvejes med rette, er, at AI ikke er den eneste årsag til fyringer i virksomheder. Nogle ledere kan nævne AI som forklaring på omstruktureringer, mens de virkelige årsager kan omfatte profitpres, renter, aktionærer, konkurrence eller omkostningsbesparende strategier. Den 1. juni citerede Business Insider Torsten Slok, cheføkonom hos Apollo Global Management, for at sige, at der ikke er klare beviser for AI-inducerede jobtab i de samlede beskæftigelsesdata. Dette antyder et mere komplekst billede end sloganet "AI overtager menneskelige job".
For vietnamesiske virksomheder er erfaringerne fra internationale selskaber meget praktiske. Mange indenlandske virksomheder har måske ikke brugt millioner af dollars på AI, men de kan stadig nemt falde i fælden med at købe flere værktøjer, åbne flere konti og afprøve flere platforme uden en kontrolproces. Hvis hver afdeling vælger sit eget AI-værktøj, hvert team bruger sin egen model, og hver medarbejder uafhængigt indtaster virksomhedsdata på eksterne platforme, ligger risiciene ikke kun i omkostninger, men også i sikkerhed, outputkvalitet og juridisk ansvar.

(Illustrativt billede: Magnific)
Før virksomheder implementerer AI, bør de starte med fem enkle spørgsmål. For det første, hvilket specifikt problem vil AI løse? For det andet, hvad er den maksimale månedlige omkostning? For det tredje, hvem vil have adgang til det, og hvilken type data vil der være tale om? For det fjerde, hvem vil gennemgå de AI-genererede resultater? For det femte, hvilke målinger vil virksomheden bruge til at måle effektiviteten efter tre måneder? Hvis disse fem spørgsmål ikke er blevet besvaret, kan en storstilet implementering af AI være en forhastet beslutning.
En sikrere tilgang er at vælge mindre risikable områder at teste først. AI kan hjælpe med at opsummere interne dokumenter, klassificere kundeanmodninger, foreslå e-mailindhold, finde fejl i programmeringskode, oprette udkast til rapporter eller hjælpe medarbejdere med at søge efter information. Men inden for områder, der involverer økonomi, jura, HR, kundedata eller offentlige udtalelser, skal mennesker stadig være de ultimative korrekturlæsere. Virksomheder bør ikke bruge AI som en "erstatningsmedarbejder", men snarere som en "speed-up-assistent" med klare begrænsninger.
Et andet princip er, at AI-budgetstyring bør ligne omkostningsstyring inden for cloud computing. Der skal være gruppebaserede grænser, advarsler for overskridelse af grænser, månedlige brugsrapporter og evalueringer af afdelingernes præstationer. I forbindelse med programmering skal virksomheder vide, hvor meget tid AI-værktøjer kan reducere til fejlretning, hvor mange dages produktudvikling der kan forkortes, eller hvor mange operationelle målinger der kan forbedres. For kundeservice er det nødvendigt at måle svartid, tilfredshedsniveauer, klagerater og antallet af sager, der er henvist til menneskelige medarbejdere.
Efter sin indledende boom går AI-markedet ind i en mere moden fase. Værktøjer, der ikke viser sig at være effektive, vil blive udfaset. Ukontrollerede udgifter vil være begrænsede. Forventninger om en fuldstændig menneskelig erstatning vil vige pladsen for en mere praktisk tilgang: mennesker udfører dømmende opgaver, mens AI understøtter gentagne, dataintensive eller hurtige opgaver.
Derfor bør "AI bliver fyret, fordi det er for dyrt" ikke fortolkes som AI-fejl. Det, der bliver fyret, er snarere illusionen om, at blot det at købe AI-værktøjer automatisk vil gøre virksomheder billigere, hurtigere og smartere.
AI vil forblive i virksomheder, men under nærmere overvågning fra finans-, teknologi-, jura- og slutbrugerbranchen. I den omvæltning vil den vindende virksomhed ikke være den, der bruger AI mest, men den, der ved, hvordan man bruger AI korrekt, til den rigtige pris og med det rette ansvar.
Kilde: https://vtv.vn/ai-bi-sa-thai-vi-dat-do-100260616145054134.htm










