Bortom AI-euforin: byter vi bara lönekostnader mot AI-fakturor?

AI-implementering står på agendan på varje styrelsemöte. Teamen uppmanas att använda AI överallt, budgetar omfördelas och bemanningsplaner skrivs om kring löftet att färre personer med AI ska åstadkomma mer än fler personer utan.

Men det finns en fråga som sällan ställs högt: når den ekonomiska nyttan av AI faktiskt verksamheten, eller rinner det mesta tyst ut igen i form av betalningar för själva AI:n?

Det här är inget argument mot AI. Vi bygger AI-driven mjukvara varje dag och använder AI i vår egen utvecklingsprocess. Det är ett argument för att se på AI på samma sätt som en företagare ser på vilken annan investering som helst: genom fakturorna, inte genom entusiasmen.

En av våra kunder fattade ett beslut som många företag fattar just nu. De minskade utvecklingsteamet med fem programmerare och bad de kvarvarande utvecklarna att jobba snabbare genom att använda AI-verktyg i stor skala: kodassistenter, AI-agenter, premiumabonnemang på modeller och API-åtkomst för automatiserade flöden.

På pappret var besparingen tydlig: ungefär 25 000 € i månaden i löner och lönerelaterade kostnader.

Några månader senare såg bilden annorlunda ut. Den månatliga AI-fakturan (licenser, API-förbrukning, agentkörningar, integrationer och verktygen runt omkring) hade vuxit till ungefär samma 25 000 €.

Och resultatet? Före förändringen hade företaget ständigt svårt att leverera projekt i tid. Efter förändringen hade det fortfarande det. Deadlines missades precis som tidigare. Sett från den som skriver under fakturorna blev ingenting bättre. Kostnadsposten flyttade helt enkelt från lönelistan till AI-leverantörerna.

Det här är inget enstaka fall. Det är ett mönster, och det är värt att förstå varför det uppstår.

Låt oss vara rättvisa: känslan av fart som AI ger är äkta. En AI-assisterad utvecklare kan generera en komponent på några minuter, sätta upp ett API på en timme och på en dag producera det som tidigare tog en vecka. Det är spännande att se, och den entusiasmen är verklig.

Men känslan av fart och faktisk leveranstakt är två olika saker. Mjukvaruprojekt blir sällan försenade för att utvecklare skriver för långsamt. De blir försenade för att kraven är oklara, beslut dröjer, integrationer är svårare än väntat, tester hittar problem sent och kunskapen sitter i huvudet på ett fåtal personer.

AI snabbar upp ett steg i processen dramatiskt: att producera kod. För stegen runt omkring gör den betydligt mindre. När du snabbar upp ett steg och lämnar resten oförändrat försvinner inte flaskhalsen. Den flyttar. I dag flyttar den ofta till kodgranskning, testning, integration och framför allt till frågan om vad som faktiskt ska byggas.

Om du tar ett steg tillbaka från entusiasmen och ser på verksamheten med ägarens ögon blir en annan och betydligt mindre synlig process tydlig: aktiviteten har ökat, men genomflödet har inte det.

AI-fakturan består sällan av en enda rad. När företag räknar på kostnaden för AI tänker de oftast på prenumerationer. Den verkliga totala ägandekostnaden är bredare:

Prenumerationer och licenser. Premiumplaner för kodassistenter, chattverktyg och designverktyg, ofta flera per person, eftersom varje verktyg är bra på något eget.

API- och tokenförbrukning. Automatiserade pipelines och AI-agenter anropar modeller hela tiden. En agent som gör om försök, läser om en stor kodbas eller fastnar i en loop på en uppgift som misslyckas kan bränna igenom en budget utan att någon märker det förrän fakturan kommer.

Modellträning och finjustering. Att anpassa modeller till dina data, bygga retrieval-pipelines, förbereda och tvätta dataset och utvärdera resultaten. Det här arbetet är dyrt, och det görs oftast av just de seniora utvecklare som du har minst råd att distrahera.

Systeminförande och integration. Att koppla AI till befintliga system, behörigheter, säkerhetsgranskningar, regelefterlevnad, övervakning och att ändra processer så att teamen faktiskt använder verktygen. Det är i systeminförandet som många AI-projekt i det tysta gör av med större delen av budgeten.

Granskning och omarbete. AI-genererad kod måste fortfarande läsas, förstås, testas och underhållas. När färre personer granskar mer genererad kod slinker fel igenom och kommer tillbaka senare som omarbete, incidenter och teknisk skuld.

Lägger du ihop allt detta blir det betydligt lättare att förstå hur en AI-faktura kan bli lika stor som de lönekostnader den var tänkt att ersätta.

Att banta teamet förändrar mer än kostnadsstrukturen. Fem utvecklare som slutar tar med sig sammanhang: kunskap om affärsregler, historiken bakom beslut, specialfallen som ingen dokumenterade. AI kan inte återskapa den kunskapen. Den kan bara arbeta med det den får.

De utvecklare som stannar kvar bär nu mer ansvar. Deras jobb skiftar från att skriva kod till att styra AI:n, granska det den producerar och rätta det den gör fel. Det är värdefullt arbete, men det är inte gratis, och det skalar inte i all oändlighet. En människa hinner bara granska en viss mängd genererad kod per dag med verklig uppmärksamhet.

Så företaget står till slut med färre personer, mer output, mer granskningsbörda, samma oklara krav och samma förseningar. Problemet bakom de missade deadlines var aldrig skrivhastigheten, så att snabba upp skrivandet löste det inte.

Det finns en bredare ekonomisk dimension som sällan kommer med i kalkylen, men som borde göra det.

Varje jobb i den lokala ekonomin har effekter långt utanför företaget som betalar lönen. En programmerares lön genererar inkomstskatt och arbetsgivaravgifter. Den betalar hyra eller bolån, matinköp, barnens utbildning, semestrar, bilar och restaurangbesök. En stor del av de pengarna cirkulerar lokalt och håller uppe andra företag, som i sin tur anställer andra människor, och en del av dem är dina egna kunder.

När samma budget i stället går till en prenumeration hos en global AI-leverantör stannar det mesta av det kretsloppet av. Pengarna lämnar den lokala ekonomin, och de skatter och den konsumtion de hade burit uppstår till stor del någon annanstans.

För ett enskilt företag kan det verka som ett abstrakt problem. Multiplicerat med tusentals företag som fattar samma beslut blir det mycket konkret: svagare lokal efterfrågan, ett mindre skatteunderlag och färre människor som har råd med de produkter och tjänster som lokala företag säljer.

Det betyder inte att företag ska undvika AI. Det betyder att ersätta människor med AI-fakturor inte automatiskt är en besparing, redan innan du räknar med vad det kostar ekonomin du verkar i.

Ta fram förra månadens siffror och svara ärligt på tre frågor:

1. Hur mycket sparade du faktiskt på personalkostnader tack vare AI?

2. Hur mycket lade du ut extra på AI-prenumerationer, API-användning, AI-implementering, modellträning och systeminförande, inklusive tiden för de personer som hanterar allt detta?

3. Fick du in extra intäkter? Levererade du fler projekt, levererade du snabbare, vann du nya kunder eller lanserade du produkter som du inte hade kunnat lansera tidigare?

ROI för AI-implementeringen är inte skillnaden mellan de två första siffrorna. Den är den första siffran plus den tredje, minus den andra. Om den tredje siffran är noll har du i bästa fall bytt en kostnad mot en annan. Om den andra siffran är större än den första betalar du för känslan av fart.

AI kan ge verklig avkastning. Vår erfarenhet är att de företag som lyckas brukar följa några principer:

Utgå från en mätbar flaskhals, inte från ett verktyg. Ta reda på var tid och pengar faktiskt går förlorade och sätt in AI just där. Om flaskhalsen är oklara krav hjälper det inte att generera mer kod.

Förstärk människor i stället för att ersätta dem som standard. En erfaren, AI-assisterad utvecklare som kan verksamheten är där det mesta av värdet skapas. Att skära bort erfarenheten för att betala för AI:n tar ofta bort just det som gör AI effektiv.

Mät resultat, inte aktivitet. Följ upp kostnad per levererad funktion, ledtid från idé till produktion och felfrekvens, inte antalet promptar eller rader genererad kod.

Behandla AI-kostnader som molnkostnader. Sätt budgetar och gränser, övervaka förbrukningen, välj mindre modeller för rutinuppgifter, cacha resultat och överväg egenhostade eller öppna modeller där de räcker till.

Investera i processen runt koden. Tydliga specifikationer, bra granskningsrutiner och automatiserade tester är det som förvandlar AI-genererad output till levererad mjukvara.

På ITFriends är AI en del av hur vi bygger mjukvara varje dag, och vi har sett den göra bra team betydligt mer produktiva. Vi är inte skeptiska till AI. Vi är skeptiska till AI-införanden som aldrig mäts.

Frågan är inte om du ska använda AI. Frågan är om AI skapar nytt värde för din verksamhet eller bara flyttar din befintliga budget från dina medarbetare till någon annans servrar.

Om du inte är säker på vilket av de två som händer i ditt företag är det precis där vi kan hjälpa till: från en ärlig genomlysning av dina AI-kostnader till en AI-implementering som byggs kring mätbara affärsresultat.