Den ikkelineære AI-omkostningskurve: Derfor holder dit budget allerede nu

Comyns helt centrale pointe er, at AI-omkostningerne ikke længere er til at forudsige. I starten af virksomhedernes AI-eventyr kostede simple forespørgsler næsten ingenting, men når virksomheder begynder at bruge AI til komplekse, flertrinsbehandlinger – det Comyn kalder 'agentisk' arbejde – vokser tokenforbruget eksplosivt .

"I starten vil man have, at folk begynder at bruge værktøjerne – og de kostede ikke rigtig meget [...] nu, med den måde modellerne fungerer på, og den mængde kontekst, man kan putte ind i dem, skalerer omkostningerne ikke lineært," forklarede Comyn . Dette skaber, hvad han kalder en 'central ledelsesmæssig udfordring': Økonomi- og teknologidirektører sidder fast i årlige budgetcyklusser, som slet ikke kan håndtere, at omkostningen pr. opgave kan svinge med en faktor 10 til 50 alt efter kompleksitet .

Denne udvikling er ikke abstrakt. Den 1. juni 2026 gjorde GitHub overgangen til forbrugsbaseret afregning for Copilot den smertefuldt konkret. Tidligere dækkede et fast månedsgebyr alle forespørgsler; nu bliver hver token af input, output og cachet kontekst målt via såkaldte GitHub AI Credits, hvor en credit svarer til 0,01 dollar . Storforbrugere, der kører agentiske kodningssessioner, oplever øjeblikkeligt, at regningen eksploderer, og nogle rapporterer om forventede stigninger på 10 til 50 gange . En enkelt kompleks agentsession mod en topmodel kan nu brænde hele det månedlige credit-tillæg på én gang .

'Work slop' defineret: Den skjulte pris for værdiløst AI-output

Comyns anden store advarsel er mere kvalitativ. Han brugte udtrykket 'work slop' til at beskrive den voksende mængde AI-genereret tekst, kode og analyse, som umiddelbart ser produktiv ud, men som reelt tilfører minimal værdi . Dette output hjælper ikke bare ikke – det skaber aktivt skjulte omkostninger: Hvert stykke AI-indhold, der havner i en arbejdsgang, skal gennemgås, faktatjekkes, redigeres eller kasseres af medarbejdere .

Det er erhvervslivets pendant til fænomenet 'AI-slop' på internettet – spam i søgeresultater, formelagte sociale medie-opslag og automatgenereret fyld. I en virksomhedskontekst er risikoen større. 'Work slop' kan stille og roligt forringe intern beslutningstagning, compliance-dokumentation og i sidste ende også kundevendte produkter, hvis det ikke fanges af utilstrækkelige kvalitetskontroller . Jo flere virksomheder udruller AI på tværs af alle funktioner uden grundig validering, desto større bliver bunken af værdiløst arbejde, som nogen må rydde op – mod betaling.

CBAs satsning på 2,4 milliarder A$ og regnestykket for medarbejderne

Comyns advarsel kommer ikke fra en passiv iagttager. CBA investerer cirka 2,4 milliarder australske dollar årligt i teknologi – mere end nogen anden stor australsk bank med mindst 500 millioner dollars . Det er en strategisk satsning på AI-drevet produktivitet, men Comyn anerkender, at denne post også er udsat for den samme uforudsigelige inflation, han advarer andre om .

Samtidig viser CBA i realtid, hvordan AI-effektiviseringer påvirker arbejdsstyrken. Banken nedlagde omkring 300 stillinger i starten af 2026, oveni 90 supportstillinger, der tidligere var erstattet af en AI-chatbot, og yderligere 120 stillinger, der forsvandt i april . Comyn har været ærlig: AI "vil koste job i virksomheder i hele økonomien", og virksomhederne må hjælpe medarbejderne med at forberede sig på den fremtid i stedet for at lade som ingenting .

Alligevel har CBA forpligtet sig til at bruge 90 millioner australske dollar over tre år på sit Future Workforce Program – et markant omskolingsinitiativ for de over 30.000 ansatte . Programmet inkluderer en ny intern karriereplatform kaldet Grow Your Career, AI-fokuseret træning og kompetencekortlægning, der skal gøre intern mobilitet gennemsigtig . Denne dobbelte tilgang – at skære job, mens man omskoler – er en ærlig afspejling af Comyns synspunkt: Forstyrrelsen er allerede her, og virksomheder har brug for en strategi for både dem, der bliver, og dem, der må gå .

Strategiske konsekvenser for alle virksomheder

Sammenfaldet af Comyns advarsel, CBAs egne handlinger og den direkte udløser i form af GitHub Copilots ændrede afregning peger på tre strategiske imperativer for enhver organisation, der bruger AI i produktion:

1. Budgetlægning skal være dynamisk og forbrugsmålt. Tiden med faste årlige AI-budgetter er forbi. Token-baserede afregningsmodeller gør AI til en variabel omkostning, sammenlignelig med cloud computing. Virksomheder har brug for realtidsmonitorering, pr. team-allokering af credits, loft over forbruget og mulighed for at justere budgetter midt i cyklussen – discipliner, som cloud-native virksomheder lærte for et årti siden, men som mange traditionelle virksomheder endnu ikke har implementeret for AI .

2. Kvalitetskontrol er ikke tilvalg – det er et must. 'Work slop' skaber en direkte forbindelse mellem kvalitetssvigt og omkostningseksplosion. Hvert uvurderet AI-output, der kommer ind i en arbejdsgang, kræver efterfølgende manuel gennemgang. Virksomheder må indføre kvalitetsporte, 'human-in-the-loop'-validering og revision af output. Uden disse systemer vil omkostningerne stige, mens værdien forbliver flad .

3. Arbejdsstyrkestrategien må rumme både nedskæringer og opkvalificering på én gang. CBAs model er tankevækkende: AI reducerer antallet af medarbejdere i nogle teams, mens investeringen i omskoling skaber nye karriereveje for andre. Programmet på 90 millioner dollars signalerer, at alternativet til afskedigelser ikke er jobbeskyttelse, men jobtransformation – og at virksomheder har et ansvar for at guide deres medarbejdere gennem den overgang .

Comyns budskab er, at virksomhedernes AI-rejse er gået ind i en markant sværere fase. De lette gevinster er høstet; det, der er tilbage, er komplekst, dyrt og krævende – en disciplin, de fleste organisationer mangler. Regningen for den manglende disciplin ankommer nu i form af både uforudsigelige token-omkostninger og en voksende bunke 'work slop', som nogen må rydde op .

Den ikkelineære AI-omkostningskurve: Derfor holder dit budget allerede nu

Comyns helt centrale pointe er, at AI-omkostningerne ikke længere er til at forudsige. I starten af virksomhedernes AI-eventyr kostede simple forespørgsler næsten ingenting, men når virksomheder begynder at bruge AI til komplekse, flertrinsbehandlinger – det Comyn kalder 'agentisk' arbejde – vokser tokenforbruget eksplosivt .

"I starten vil man have, at folk begynder at bruge værktøjerne – og de kostede ikke rigtig meget [...] nu, med den måde modellerne fungerer på, og den mængde kontekst, man kan putte ind i dem, skalerer omkostningerne ikke lineært," forklarede Comyn . Dette skaber, hvad han kalder en 'central ledelsesmæssig udfordring': Økonomi- og teknologidirektører sidder fast i årlige budgetcyklusser, som slet ikke kan håndtere, at omkostningen pr. opgave kan svinge med en faktor 10 til 50 alt efter kompleksitet .

Denne udvikling er ikke abstrakt. Den 1. juni 2026 gjorde GitHub overgangen til forbrugsbaseret afregning for Copilot den smertefuldt konkret. Tidligere dækkede et fast månedsgebyr alle forespørgsler; nu bliver hver token af input, output og cachet kontekst målt via såkaldte GitHub AI Credits, hvor en credit svarer til 0,01 dollar . Storforbrugere, der kører agentiske kodningssessioner, oplever øjeblikkeligt, at regningen eksploderer, og nogle rapporterer om forventede stigninger på 10 til 50 gange . En enkelt kompleks agentsession mod en topmodel kan nu brænde hele det månedlige credit-tillæg på én gang .

'Work slop' defineret: Den skjulte pris for værdiløst AI-output

Comyns anden store advarsel er mere kvalitativ. Han brugte udtrykket 'work slop' til at beskrive den voksende mængde AI-genereret tekst, kode og analyse, som umiddelbart ser produktiv ud, men som reelt tilfører minimal værdi . Dette output hjælper ikke bare ikke – det skaber aktivt skjulte omkostninger: Hvert stykke AI-indhold, der havner i en arbejdsgang, skal gennemgås, faktatjekkes, redigeres eller kasseres af medarbejdere .

Det er erhvervslivets pendant til fænomenet 'AI-slop' på internettet – spam i søgeresultater, formelagte sociale medie-opslag og automatgenereret fyld. I en virksomhedskontekst er risikoen større. 'Work slop' kan stille og roligt forringe intern beslutningstagning, compliance-dokumentation og i sidste ende også kundevendte produkter, hvis det ikke fanges af utilstrækkelige kvalitetskontroller . Jo flere virksomheder udruller AI på tværs af alle funktioner uden grundig validering, desto større bliver bunken af værdiløst arbejde, som nogen må rydde op – mod betaling.

CBAs satsning på 2,4 milliarder A$ og regnestykket for medarbejderne

Comyns advarsel kommer ikke fra en passiv iagttager. CBA investerer cirka 2,4 milliarder australske dollar årligt i teknologi – mere end nogen anden stor australsk bank med mindst 500 millioner dollars . Det er en strategisk satsning på AI-drevet produktivitet, men Comyn anerkender, at denne post også er udsat for den samme uforudsigelige inflation, han advarer andre om .

Samtidig viser CBA i realtid, hvordan AI-effektiviseringer påvirker arbejdsstyrken. Banken nedlagde omkring 300 stillinger i starten af 2026, oveni 90 supportstillinger, der tidligere var erstattet af en AI-chatbot, og yderligere 120 stillinger, der forsvandt i april . Comyn har været ærlig: AI "vil koste job i virksomheder i hele økonomien", og virksomhederne må hjælpe medarbejderne med at forberede sig på den fremtid i stedet for at lade som ingenting .

Alligevel har CBA forpligtet sig til at bruge 90 millioner australske dollar over tre år på sit Future Workforce Program – et markant omskolingsinitiativ for de over 30.000 ansatte . Programmet inkluderer en ny intern karriereplatform kaldet Grow Your Career, AI-fokuseret træning og kompetencekortlægning, der skal gøre intern mobilitet gennemsigtig . Denne dobbelte tilgang – at skære job, mens man omskoler – er en ærlig afspejling af Comyns synspunkt: Forstyrrelsen er allerede her, og virksomheder har brug for en strategi for både dem, der bliver, og dem, der må gå .

Strategiske konsekvenser for alle virksomheder

Sammenfaldet af Comyns advarsel, CBAs egne handlinger og den direkte udløser i form af GitHub Copilots ændrede afregning peger på tre strategiske imperativer for enhver organisation, der bruger AI i produktion:

1. Budgetlægning skal være dynamisk og forbrugsmålt. Tiden med faste årlige AI-budgetter er forbi. Token-baserede afregningsmodeller gør AI til en variabel omkostning, sammenlignelig med cloud computing. Virksomheder har brug for realtidsmonitorering, pr. team-allokering af credits, loft over forbruget og mulighed for at justere budgetter midt i cyklussen – discipliner, som cloud-native virksomheder lærte for et årti siden, men som mange traditionelle virksomheder endnu ikke har implementeret for AI .

2. Kvalitetskontrol er ikke tilvalg – det er et must. 'Work slop' skaber en direkte forbindelse mellem kvalitetssvigt og omkostningseksplosion. Hvert uvurderet AI-output, der kommer ind i en arbejdsgang, kræver efterfølgende manuel gennemgang. Virksomheder må indføre kvalitetsporte, 'human-in-the-loop'-validering og revision af output. Uden disse systemer vil omkostningerne stige, mens værdien forbliver flad .

3. Arbejdsstyrkestrategien må rumme både nedskæringer og opkvalificering på én gang. CBAs model er tankevækkende: AI reducerer antallet af medarbejdere i nogle teams, mens investeringen i omskoling skaber nye karriereveje for andre. Programmet på 90 millioner dollars signalerer, at alternativet til afskedigelser ikke er jobbeskyttelse, men jobtransformation – og at virksomheder har et ansvar for at guide deres medarbejdere gennem den overgang .

Comyns budskab er, at virksomhedernes AI-rejse er gået ind i en markant sværere fase. De lette gevinster er høstet; det, der er tilbage, er komplekst, dyrt og krævende – en disciplin, de fleste organisationer mangler. Regningen for den manglende disciplin ankommer nu i form af både uforudsigelige token-omkostninger og en voksende bunke 'work slop', som nogen må rydde op .