Det er dette vi kaller tokenomics. Prisen per token er bare en del av bildet. Det interessante er hva en AI-oppgave koster å produsere, og hvilken verdi den skaper.
Tokenfabrikken
En token er den minste enheten en språkmodell arbeider med, det kan være en del av et ord, et ord eller et tegn. Generativ AI fungerer ved å forutsi neste token, igjen og igjen, og bygger opp svarene sine token for token. Slik leser og skriver modellen, og slik betaler vi for bruken.
Den enkleste måten å forstå dette på er å se tokens som råvare og datasenteret som fabrikk. Inn går strøm, maskinvare og data. Ut kommer tokens som blir til tekst, kode, analyser og beslutninger. Som i all annen produksjon finnes det en stykkkostnad, en kvalitet, en gjennomstrømning og et visst svinn.
Tokenomics betyr å få mest mulig verdi ut av hver token, ikke å bruke færrest mulig.
Den billige fasen går mot slutten
I flere år har tokens føltes nesten gratis. De største modell-leverandørene har vokst raskt på risikokapital og presset prisene for å ta markedsandeler. Mye tyder nå på at den tiden går mot slutten.
Flere leverandører beveger seg fra faste abonnementer til forbruksbasert prising, samtidig som «ubegrenset» bruk blir stadig vanskeligere å forsvare økonomisk. Modellene er heller ikke utviklet for å være sparsomme med tokens. En mer avansert modell vil forbruke flere tokens enn en enklere modell. Ettersom pris og forbruk øker er det viktig å forstå økonomien bak det.
Tokenomics starter med kostnaden per oppgave
Det mest interessante er ikke prisen per token, men hva en oppgave kostet å løse med AI, og til syvende og sist hva den var verdt.
Ta et enkelt eksempel: En kunde stiller et spørsmål til en supportbot. Selve svaret koster bare noen øre å produsere. Kostnaden ligger i beregningene modellen gjør for å komme fram til et svar. Dersom en medarbeider skulle håndtert samme sak manuelt, kunne den kostet virksomheten tjue kroner i arbeidstid.
Forskjellen mellom kostnaden for AI-svaret og kostnaden for det menneskelige arbeidet det erstatter, er tokenomics i praksis. Når den kalkylen er tydelig, blir diskusjonen om tokenforbruk langt enklere.
Verdien blir konkret når den måles per oppgave. For eksempel:
- Kundeservice: kostnad per løste sak
- Utvikling: tokens per godkjente kodeendring
- Juridisk arbeid og research: tokens per gjennomgåtte dokument
- Produktivitet: tokens per spart arbeidstime
- Salg og marked: tokens per kvalifiserte lead eller ferdige kampanjeelementer
Når slike tall finnes, blir AI mindre en uforutsigbar kostnad og mer en investering med målbar avkastning.
Ikke alle tokens er like
Teknisk sett er heller ikke alle tokens den samme varen. En token du sender inn, har ikke den samme kostnaden som en token modellen skriver ut. Tokens som gjenbrukes fra cache eller hentes fra en ekstern kunnskapskilde, skiller seg fra tokens som genereres fra bunnen av. Resonerende modeller kan bruke mange interne tokens for hvert synlige svar. Bilde, lyd og video har dessuten sin egen kostnadslogikk.
I tillegg kommer et annet spørsmål: Hvor produseres tokenen?
I en krisesituasjon blir dette også et spørsmål om tilgjengelighet og beredskap. AI som bare kan kjøres gjennom globale skytjenester, er sårbar for kapasitetsproblemer, geopolitisk uro, nettverksbrudd, eksportrestriksjoner eller kommersielle prioriteringer utenfor vår kontroll. Derfor bør egen eller suveren infrastruktur ikke bare vurderes som et spørsmål om pris og personvern, men som digital beredskap. Litt som strømproduksjon i Norge. Vi ønsker selvfølgelig å handle kraft effektivt med omverdenen, men vi vil ikke være fullstendig avhengige av at andre land leverer strøm når behovet er størst. På samme måte bør virksomheter og samfunnskritiske aktører kunne produsere nok lokal AI-kapasitet til å holde viktige tjenester i gang, også når normalen svikter.
I tillegg er mange i dag opptatt av suverenitet. En token generert av en åpen modell på suveren norsk eller nordisk infrastruktur er noe annet enn en token som sendes til en frontier-modell under et annet lands regelverk. Avhengig av leverandør og avtalevilkår kan data brukes til videre modellutvikling eller andre formål virksomheten ikke selv kontrollerer. Selv når data lagres innenfor EU, kan amerikansk lovgivning som CLOUD Act pålegge amerikanske selskaper å utlevere informasjon de har kontroll over, uavhengig av hvor den fysisk er lagret.
Samme token. Helt ulik økonomi. Helt ulik risiko.
Gi AI en egen budsjettlogikk
De fleste virksomheter har lært seg å budsjettere for skykostnader. Nå er tiden inne for å gjøre det samme med AI.
Første steg er å få oversikt over hvilke team, arbeidsflyter, AI-agenter, kunder og produkter som forbruker tokens, og hvilke resultater forbruket gir. Med den innsikten blir det lettere å styre investeringene dit de gir størst effekt, i stedet for å oppdage kostnadene når fakturaen kommer.
Vi har laget en sjekkliste som kan hjelpe deg i gang med arbeidet med å kartlegge din egen Tokenøkonomi. Denne kan du laste ned helt gratis her.
Hvor begynner du?
Ikke med å kutte forbruket.
I de fleste organisasjoner finnes det to grupper, de som knapt har begynt å bruke AI, og de som allerede bruker det aktivt hver dag.
Begge gruppene må bli med videre. De som er usikre må komme i gang uten at de mest aktive mister fart. Samtidig trenger erfarne brukere bedre forståelse for kostnader, verdi og hvilke arbeidsoppgaver som gir størst gevinst.
Tak og forbud løser lite. Det som virker, er kunnskap, erfaring og gode eksempler. Flere må ta verktøyene i bruk, og de som allerede er i gang må bli enda mer treffsikre.
Verdien ligger ikke i lavest mulig tokenforbruk. Den ligger i hva hver token bidrar til.
Har du kontroll på din tokenøkonomi? Les mer om Advania ALT og hvordan denne plattformen kan gi deg kontroll på kostnader, bruk og utvikling av AI i virksomheten.
.jpg?width=600&name=Image%20(10).jpg)
