
(Illustrativ bild: Magnific)
Under de senaste två åren har artificiell intelligens (AI) av många företag setts som en snabb lösning på produktivitetsutmaningar. Från kodning och kundtjänst till rapportskrivning, dataanalys och e-posthantering har AI framträtt med löftet om snabbare, billigare och mindre beroende av mänsklig arbetskraft. Men i mitten av 2026 kommer frågan i många företags styrelserum inte längre att vara "Bör vi använda AI?", utan snarare "Hur mycket pengar spenderar AI, och levererar den verkligen motsvarande värde?".
Denna förändring betyder inte att AI är föråldrad. Tvärtom är AI fortfarande en strategisk teknologi, särskilt inom programmering, kundtjänst, ekonomi och intern verksamhet. Men efter en period av snabb implementering driven av rädsla för att hamna på efterkälken börjar många företag inse en mindre glamorös verklighet: AI är inte gratis, och det är inte heller nödvändigtvis billigare än människor om det används felaktigt. När ett verktyg görs tillgängligt för tusentals anställda kan varje kommando, varje textbit, varje dokumentanalys eller varje kodinmatning bli en kostnad mätt i tokens – en måttenhet för den mängd data som AI-modellen måste bearbeta.
I slutet av maj rapporterade Wall Street Journal att vissa amerikanska företag börjar "ransonera" sina AI-utgifter i takt med att kostnaderna för datoranvändning och tokens stiger snabbt. Artikeln citerade Ubers fall och noterade att företaget förbrukade sin AI-budget för 2026 på bara fyra månader, vilket fick dem att ompröva hur de fördelar sina AI-utgifter. Detta är en viktig signal: AI är inte längre bara ett teknikexperiment, utan har blivit en finansiell post som kräver kontroll, precis som molntjänster, personal- eller driftskostnader.
Uber är ett anmärkningsvärt exempel eftersom företaget inte är emot AI. Ubers problem ligger i att kostnaderna stiger för snabbt medan de konkreta affärsfördelarna inte är lätta att bevisa. The Verge citerar Andrew Macdonald, Ubers ordförande och operativa chef, som säger att mer utgifter för verktyg som Claude Code inte direkt korrelerar med ett större antal användbara funktioner för kunderna. Med andra ord kan ingenjörsteamet använda AI mer, men ledningen behöver fortfarande besvara den grundläggande frågan: får slutanvändarna en bättre produkt för pengarna?

Uber-logotypen visas på en telefonskärm på detta illustrativa foto taget i Bryssel, Belgien, den 9 augusti 2025. (Foto: NurPhoto/Reuters)
Claude Code, Anthropics programmeringsstödsverktyg, har blivit fokus för denna debatt. Det är viktigt att förtydliga för att undvika missförstånd: Anthropic erbjuder fortfarande månatliga prenumerationsplaner för användare och företag. Men när de används i stor skala eller via ett applikationsprogrammeringsgränssnitt (API) kan kostnaderna beräknas baserat på tokens, användningsmönster och ytterligare funktioner. Anthropics officiella prissida visar att Claude API-modeller prissätts baserat på mängden tokens som matas in och ut; företagets dokumentation noterar också att vissa förändringar i datakodningen kan göra att samma text använder fler tokens än tidigare. Därför handlar problemet inte om att "månatliga planer får slut", utan snarare svårigheten som företag möter med att prognostisera kostnader när anställda kontinuerligt använder AI för krävande uppgifter.
Skillnaden mellan AI och traditionell programvara ligger i hur kostnaderna uppstår. Med kontorsprogramvara betalar företag vanligtvis en månadsavgift per konto. Med många AI-verktyg, särskilt de för programmering och flerstegsautomation, kan kostnaderna öka med dokumentlängd, frågevolym, revisionscykler, antal anropade modeller och utdata. En anställd som använder AI för att sammanfatta e-postmeddelanden kan kosta väldigt lite. Men ett team av ingenjörer som låter AI läsa källkod, föreslå korrigeringar, skriva om flera versioner och köra automatiserade processer kan generera betydande kostnader på kort sikt.
Ur ett ledningsperspektiv är detta ett mycket välkänt problem: bra teknik är inte nödvändigtvis en bra investering om dess effektivitet inte kan mätas. Ett företag kan känna att produktiviteten har ökat eftersom anställda arbetar snabbare, men om antalet sparade timmar, minskade fel, intäkterna ökar eller kundupplevelsen förbättras, kommer AI-räkningar snabbt att bli svåra att försvara. Därför övergår ledande företag från en "använd så mycket som möjligt"-mentalitet till en "använd det där det är rätt, för rätt personer och inom ramarna".

Claude AI-logotypen visas på en telefonskärm i denna illustration daterad 6 februari 2026. (Foto: NurPhoto/Reuters)
Utöver kostnaden för verktyg granskas även historien om hur AI ersätter personalresurser på nytt. Den 21 maj citerade Forbes data som visade att 29 % av företag som tidigare hade minskat personalstyrkan på grund av AI har återanställt för dessa positioner. Denna data måste tolkas försiktigt, men den belyser en verklighet: att ersätta människor med AI är inte så enkelt som att skära ner på en kostnadspost på lönelistan. I många jobb, särskilt kundtjänst, försäljning, innehållsskapande, verksamhetsstyrning eller hantering av känsliga situationer, har människor fortfarande roller som AI ännu inte helt kan fylla.
AI kan reagera snabbt, men hastighet är inte detsamma som noggrannhet. AI kan utarbeta utkast, men utkast måste fortfarande granskas av experter. AI kan sammanfatta data, men chefer behöver fortfarande förstå sammanhanget för att fatta beslut. Om företag minskar personalstyrkan för tidigt kan de få betala priset med sjunkande servicekvalitet, missnöjda kunder, mer kaotiska interna processer och i slutändan att behöva omanställa och omskola personal. I så fall blir "besparingar tack vare AI" illusoriska besparingar.
En sak att beakta på ett rättvist sätt är att AI inte är den enda orsaken till uppsägningar i företag. Vissa ledare kan hänvisa till AI för att förklara omstruktureringar, medan de verkliga orsakerna kan inkludera vinstpress, räntor, aktieägare, konkurrens eller kostnadsbesparande strategier. Den 1 juni citerade Business Insider Torsten Slok, chefekonom på Apollo Global Management, som sa att det inte finns några tydliga bevis för AI-inducerade arbetsförluster i den totala sysselsättningsstatistiken. Detta tyder på en mer komplex bild än sloganen "AI tar mänskliga jobb".
För vietnamesiska företag är lärdomarna från internationella företag mycket praktiska. Många inhemska företag kanske inte har spenderat miljontals dollar på AI, men de kan ändå lätt falla i fällan att köpa flera verktyg, öppna flera konton och prova flera plattformar utan en kontrollprocess. Om varje avdelning väljer sitt eget AI-verktyg, varje team använder sin egen modell och varje anställd självständigt matar in företagsdata i externa plattformar, ligger riskerna inte bara i kostnaden, utan även i säkerhet, utskriftskvalitet och juridiskt ansvar.

(Illustrativ bild: Magnific)
Innan företag implementerar AI bör de börja med fem enkla frågor. För det första, vilket specifikt problem kommer AI att lösa? För det andra, vad är den maximala månadskostnaden? För det tredje, vem kommer att ha tillgång till den och för vilken typ av data? För det fjärde, vem kommer att granska de AI-genererade resultaten? För det femte, vilka mätvärden kommer företaget att använda för att mäta effektivitet efter tre månader? Om dessa fem frågor inte har besvarats kan en storskalig AI-implementering vara ett förhastat beslut.
En säkrare metod är att välja mindre riskfyllda områden att testa först. AI kan hjälpa till att sammanfatta interna dokument, klassificera kundförfrågningar, föreslå e-postinnehåll, hitta fel i programmeringskod, skapa utkast till rapporter eller hjälpa anställda att söka efter information. Men inom områden som rör ekonomi, juridik, personal, kunddata eller offentliga uttalanden måste människor fortfarande vara de slutgiltiga granskarna. Företag bör inte använda AI som en "ersättningsanställd", utan snarare som en "snabbhetsassistent" med tydliga begränsningar.
En annan princip är att AI-budgethantering bör likna kostnadshantering inom molntjänster. Det behöver finnas gruppbaserade gränser, varningar för överskridande av gränser, månatliga användningsrapporter och utvärderingar av avdelningarnas prestanda. För programmering behöver företag veta hur mycket buggfixeringstiden AI-verktyg kan minska, hur många dagar av produktutveckling som kan förkortas eller hur många operativa mätvärden som kan förbättras. För kundservice är det nödvändigt att mäta svarstid, nöjdhetsnivåer, klagomålsfrekvenser och antalet ärenden som hänvisats till mänsklig personal.
Efter sin inledande boom går AI-marknaden in i en mer mogen fas. Verktyg som inte visar sig vara effektiva kommer att fasas ut. Okontrollerade utgifter kommer att begränsas. Förväntningar på en fullständig mänsklig ersättning kommer att ge vika för ett mer praktiskt tillvägagångssätt: människor utför bedömningsuppgifter, medan AI stöder repetitiva, dataintensiva eller höghastighetsuppgifter.
Därför bör "AI avskedas för att det är för dyrt" inte tolkas som att AI misslyckas. Snarare är det som avskedas illusionen att bara att köpa AI-verktyg automatiskt kommer att göra företag billigare, snabbare och smartare.
AI kommer att finnas kvar inom företag, men under närmare granskning från finans-, teknik-, juridik- och slutanvändare. I den omvälvningen kommer det vinnande företaget inte att vara det som använder AI mest, utan det som vet hur man använder AI korrekt, till rätt kostnad och med rätt ansvar.
Källa: https://vtv.vn/ai-bi-sa-thai-vi-dat-do-100260616145054134.htm










