Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Der sidder lige nu en CFO og godkender en AI-business case, der allerede er forældet.
Ikke fordi teknologien har ændret sig. Men fordi casen regner på prisen for en token, mens virksomheden i virkeligheden er ved at købe noget helt andet: en digital medarbejder, der selv kan arbejde sig frem mod et resultat - et såkaldt autonomt loop der bruger tokens eller credits.
En token er den bid tekst som en AI-model læser eller producerer.
Det gav mening at fokusere på token-prisen, da AI fungerede som et spørgsmål-svar-system: Man sendte én instruktion ind og fik ét svar tilbage. Men qua AI agenternes natur er omkostningen mere variabel.
Derfor skal virksomheder styre efter løste resultater, tydeligt ejerskab og kontrakter, der belønner effekt.
En AI-agent fungerer økonomisk anderledes
Forestil dig en kunde, der skriver: "Jeg vil ændre leveringsadressen på min ordre."
En klassisk chatbot kan forklare kunden, hvordan det gøres.
En agent kan derimod selv forsøge at løse opgaven. Den identificerer kunden, finder ordren, undersøger, om adressen stadig kan ændres, kalder ordresystemet, kontrollerer resultatet og vender tilbage til kunden. Hvis noget fejler undervejs, kan den forsøge igen eller vælge en anden vej.
Hvert skridt kan kræve nye kald til AI-modellen og andre systemer.
Det er det, der menes med et autonomt loop: Agenten vurderer situationen, handler, ser resultatet og beslutter, hvad næste skridt skal være. Det fortsætter, indtil opgaven er løst – eller agenten giver den videre til et menneske.
Derfor har en agent ikke nødvendigvis en fast pris per opgave. Regningen vokser med kompleksiteten og med antallet af skridt, agenten tager.
Forskellen kan være markant.
EY sammenligner et simpelt lineært kundeservice-workflow i 2023 – input, opslag og svar – til omkring 0,04 dollar per interaktion med et orkestreret workflow i 2026, hvor værktøjer, flere vurderinger og iterative loops bringer prisen op omkring 1,20 dollar. I EY's konkrete eksempel er det cirka 30 gange mere per interaktion.
Dette er blot et eksempel på hvor hurtigt økonomien kan ændre sig, når ét svar bliver til en kæde af handlinger. Det betyder ikke, at agenter er en dårlig investering.
Tværtimod kan de skabe en helt anden produktivitet end traditionelt. Men økonomien skal styres på en anden måde.
Der er tre greb, der kan flytte en business case for AI-agenter fra håb til styring
Tilsammen peger de mod en ny disciplin i danske it-organisationer: FinOps for agenter.
Det er en fælles økonomisk styring af AI-forbruget, hvor teknologi, finans og forretning løbende følger både omkostning og værdi.
1. Mål pris per løst resultat – ikke pris per bruger
I SaaS-verdenen har vi vænnet os til at betale per bruger eller per licens. Men den logik passer dårligt på digitale medarbejdere. Det interessante spørgsmål er ikke, hvad agenten koster at have adgang til. Det er: Hvad koster det, når agenten løser en konkret opgave?
Tag en kundeservice-agent, der selv løser 85 procent af alle henvendelser og sender de sidste 15 procent videre til et menneske. 85 procent automatisering lyder umiddelbart som en fantastisk business case.
Men de sidste 15 procent er sandsynligvis også de sværeste sager. Her har virksomheden først betalt for agentens forsøg på at løse problemet og derefter for den menneskelige medarbejder, som overtager. Samtidig ligger den største forretningsmæssige risiko ofte netop i de komplekse sager.
Hvis business casen kun regner på gennemsnitsprisen, risikerer den derfor systematisk
at undervurdere de dyreste sager. Og det er i sidste ende dem, der kan afgøre økonomien.
2. Giv hver agent en ejer ved navn – for både resultat og omkostning
Mange organisationer er allerede begyndt at placere ansvaret for, hvad en agent skal levere.
Langt færre har placeret ansvaret for, hvad den må koste. Det skaber et oplagt problem: Hvis en agent pludselig begynder at bruge dobbelt så mange AI-kald eller systemkald på at løse den samme opgave, hvem har så mandat til at gribe ind? Hvis svaret er uklart, er økonomistyringen også uklar.
Derfor bør hver større agent have en navngiven ejer med ansvar for både resultat og forbrug.
Det betyder blandt andet et budgetloft per agent, løbende måling af pris per løst resultat og mulighed for at stoppe eller begrænse agenten, hvis forbruget udvikler sig anderledes end forventet.
Det er den samme disciplin, en CFO ville kræve af enhver menneskelig afdeling med
tilsvarende økonomisk trækningsret.
3. Flyt kontrakterne fra forbrug til resultat
Det måske mest interessante signal i markedet lige nu er, at resultatbaseret prissætning er begyndt at bevæge sig fra konferencelokaler til konkrete produkter.
Salesforce har eksempelvis gjort Agentforce Help Agent generelt tilgængelig med betaling per sag, agenten løser. Princippet er enkelt: Kunden betaler, når agenten løser en sag fra start til slut. Ikke for hvor mange beskeder der blev sendt. Ikke for hvor mange gange modellen blev kaldt. Og ikke, hvis sagen ender hos et menneske.
Det ændrer risikofordelingen. Ved traditionel forbrugsbaseret AI-prissætning kan leverandøren tjene flere penge, jo mere agenten bruger – også selv om den tager en unødvendigt lang vej frem mod resultatet. Ved resultatbaseret prissætning bliver leverandøren derimod belønnet for at løse opgaven effektivt.
Uanset leverandør er princippet vigtigt: Når leverandøren først tjener penge ved et leveret resultat, begynder leverandørens incitamenter at ligne kundens resultatopgørelse.
Fra software portefølje til digital organisation
Bag de tre greb ligger et større skifte. En portefølje af digitale medarbejdere skal i stigende grad styres, som man ville styre en organisation: på forretningsresultater, med navngivne ansvarlige og løbende økonomisk styring.
Så til CFO'en med AI-business casen på bordet: Send den retur med tre spørgsmål.
1) Hvad koster ét løst resultat – inklusive de svære undtagelser?
2) Hvem ejer det tal ved navn?
3) Og hvornår flytter kontrakten sig fra forbrug til resultat?
Hvis svarene mangler, er casen ikke klar. Og hvis ingen kan svare på, hvad jeres dyreste agent kostede sidste måned, har I ikke en business case.
I har et abonnement på håb.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
