OpenAI tester angiveligt en ny måde at tage betaling for AI-agenter

OpenAI lader angiveligt et mindre antal store erhvervskunder betale, først når en AI-agent har gennemført en aftalt forretningsopgave. Der er tale om en begrænset pilot – ikke en offentligt lanceret prismodel – og OpenAI har ikke oplyst, hvilke opgaver der indgår, eller hvad priser og kontraktvilkår er. 5

Eksperimentet er interessant, fordi selvstændige AI-agenter kan bruge langt mere computerkraft end en traditionel chatbot. En tokenbaseret regning vokser med prompts, svar, gentagelser og værktøjskald. En resultatbaseret regning knytter i stedet betalingen til et resultat, som kunde og leverandør definerer på forhånd.

Sådan adskiller resultatbaseret betaling sig fra tokenbetaling

OpenAIs offentliggjorte API- og erhvervskundepriser beregner betaling efter input-, cachede input- og output-tokens pr. million tokens. 1 2 Med den model betaler kunden for modelbrugen, uanset om agenten til sidst løser opgaven.

Resultatbaseret betaling ændrer selve faktureringstidspunktet. I stedet for at spørge: ”Hvor mange tokens behandlede systemet?”, spørger kontrakten: ”Opnåede agenten det aftalte resultat?” Det kan eksempelvis være en sag, der er løst, en arbejdsgang, der er gennemført, eller en verificeret opdatering i et virksomhedssystem. De konkrete resultater i OpenAIs rapporterede pilot er dog ikke offentliggjort. 5

Dermed flyttes en del af udførelsesrisikoen fra køberen til leverandøren. Flere forsøg, lange ræsonneringsforløb eller mislykkede kørsler kan øge OpenAIs omkostninger uden nødvendigvis at udløse en betaling.

Hvorfor virksomheder frygter uforudsigelige agentomkostninger

Forudsigelig forbrugsbaseret betaling er forholdsvis enkel i applikationer med stabil brug. Det bliver vanskeligere at lægge budget, når agenter selv vælger deres vej gennem en opgave, kalder værktøjer gentagne gange, delegerer arbejde eller arbejder parallelt.

Det mest opsigtsvækkende rapporterede eksempel handler om en udvikler, der kørte 100 agenter og samlede en OpenAI-tokenregning på 1,3 millioner dollar over 30 dage. 5 Beløbet er ekstremt, men illustrerer den kommercielle udfordring: For autonome systemer kan udgifterne vokse med antallet af forsøg og aktiviteter – ikke nødvendigvis med værdien af det færdige arbejde.

En resultatbaseret kontrakt kan gøre budgettet lettere at forudsige. Den kan også mindske risikoen for, at kunden betaler hele omkostningen for et mislykket forsøg, hvis kontrakten behandler fejl som ikke-fakturerbare. Om det gælder i OpenAIs pilot, og hvordan undtagelser håndteres, er fortsat uvist.

Her kan modellen få fodfæste først

Resultatbaseret betaling er lettest at administrere, når en opgave har en tydelig afgrænsning og en synlig afslutning. Kundeservice er et oplagt eksempel, fordi en løsning ofte kan kontrolleres via status på en supportsag, kundens interaktion eller det forhold, at der ikke længere er behov for menneskelig indgriben.

Andre mulige arbejdsgange kan være snævert definerede kodeopgaver, skadebehandling, kvalificering af kundeemner eller administrative handlinger. Det er muligheder – ikke offentliggjorte anvendelser fra OpenAI. Fælles for dem er, at parterne skal kunne fastslå, hvad der tæller som succes, før agenten går i gang.

En praktisk kontrakt vil sandsynligvis skulle definere:

• den præcise betingelse for succes;
• krav til kvalitet og nøjagtighed;
• hvornår overdragelse til et menneske tæller som fejl eller delvis succes;
• hvordan gentagelser og undtagelser behandles;
• hvilken systemhændelse der dokumenterer, at opgaven er afsluttet; og
• hvordan uenighed om faktureringen løses.

Uden sådanne regler er ”betal kun, når AI’en virker” en tillokkende formulering, men et uklart kommercielt løfte.

Markedet har allerede flere modeller, der kobler betaling til resultatet

OpenAIs rapporterede forsøg følger en bredere ændring i den måde, softwarevirksomheder tager betaling for AI-agenter på. Modellerne ligner hinanden, men er ikke identiske:

• Intercom Fin: Intercom beskriver Fin som en løsning til 0,99 dollar pr. løst resultat. Kunden betaler, når AI’en løser en kundesag fra start til slut uden menneskelig indgriben. 8
• Zendesk: Zendesk bruger betegnelsen ”Verified Resolution” om en vellykket AI-baseret løsning, hvor betalingen knyttes til resultatet frem for blot til en brugerlicens. 14
• Salesforce Agentforce: Salesforce begyndte med en model på 2 dollar pr. samtale og introducerede senere Flex Credits. I Intercoms sammenligning koster en standardhandling 20 credits, svarende til cirka 0,10 dollar pr. handling. Det er forbrugsbetaling knyttet til en handling – ikke nødvendigvis betaling kun for det endelige forretningsresultat. 8

Det viser, hvorfor ”resultatbaseret” og ”forbrugsbaseret” ikke bør bruges som synonymer. Pris pr. handling eller samtale kan gøre brugen lettere at forstå, men kunden kan stadig blive opkrævet, selv om det overordnede forretningsmål ikke er nået.

Hvad undersøgelser siger om virksomhedernes præferencer

De tilgængelige Futurum-resultater peger på et opsplittet marked – ikke på, at brugerlicenser er ved at forsvinde.

I en Futurum-undersøgelse blandt 830 globale IT-beslutningstagere foretrak 43 procent forbrugsbaseret betaling for generativ AI-funktionalitet, mens 27 procent foretrak resultatbaseret betaling. 14 En separat undersøgelse fra andet halvår af 2026 viste, at købere foretrak betaling pr. bruger for separat fakturerede AI-funktioner med 42,3 procent, mod 36,6 procent for forbrugsbetaling og 21,1 procent for resultatbetaling. For den centrale software rapporterede samme undersøgelse større opbakning til forbrugsbetaling på 28,9 procent og resultatbetaling på 22,2 procent, mens betaling pr. bruger lå på 12,6 procent.

Konklusionen er ikke, at virksomhederne har valgt én universel prismodel. Præferencen ser snarere ud til at afhænge af, hvad AI’en skal lave. En forudsigelig funktion, der hjælper medarbejdere, kan passe til en brugerlicens eller et tillæg. En autonom tjeneste, der udfører målbart arbejde, kan være lettere at forsvare med forbrugs- eller resultatbaseret betaling.

Hvorfor resultatbaseret betaling kan brede sig – og hvorfor den måske ikke gør

Modellen har en enkel appel for begge parter. Købere kan koble udgifterne til leveret værdi, mens leverandører får et stærkere incitament til at forbedre driftssikkerheden og begrænse spildt arbejde. Det kan også gøre det lettere for økonomiafdelinger at godkende udrulning af agenter, som ellers ville være vanskelige at budgettere under et åbent tokenforbrug.

Men resultatbaseret betaling udsætter leverandørerne for omkostninger, som de ikke længere automatisk kan sende videre til kunden. Modellen skaber også incitamenter, der skal styres omhyggeligt. Hvis en agent optimeres efter et snævert mål, kan den i princippet opfylde kontrakten og samtidig forringe den samlede kundeoplevelse.

Et andet problem er at placere ansvaret. Forestil dig en arbejdsgang, der bruger flere modeller, eksterne værktøjer, medarbejdere og virksomhedssystemer. Hvis agenten kun gennemfører en del af processen, eller et menneske træffer den endelige beslutning, kan det være svært at afgøre, om OpenAI har leveret det fakturerbare resultat.

Derfor vil resultatbaseret betaling sandsynligvis først brede sig fra snævre og verificerbare arbejdsgange frem for fra åbent vidensarbejde. Hybride aftaler – med en kombination af brugerlicenser, forbrug, credits og udvalgte resultatbaserede gebyrer – kan fortsat være mere praktiske ved komplekse implementeringer. Futurum har beskrevet hybridmodeller som et vigtigt kompromis, mens leverandører afprøver, hvordan AI-priser kan forbindes med kundeværdi. 14

Hvad OpenAI-piloten kan varsle

Hvis den rapporterede aftale bliver udvidet, kan den markere et vigtigt skifte i økonomien omkring AI til virksomheder: Leverandører vil i stigende grad sælge gennemført arbejde – ikke kun adgang til modeller eller forbrug af tokens.

Indtil videre understøtter oplysningerne dog en mere begrænset konklusion. OpenAI tester angiveligt resultatbaseret betaling med udvalgte store kunder, men virksomheden har ikke offentliggjort en generel plan eller nok kontraktdetaljer til, at man kan vurdere priser, omfang eller kommerciel succes. 5 Eksperimentet bør derfor ses som en tidlig afprøvning af, om leverandører af AI-agenter kan gøre ”betal for resultater” præcist nok til virksomheders indkøb.