Gartners seneste prognose peger på et AI-marked i fuld acceleration: Det globale forbrug på kunstig intelligens ventes at nå 2,7 billioner dollar i 2026 – en stigning på 49,5 % i forhold til 2025.
22
30
Men tallet er først og fremmest et udtryk for et globalt kapløb om kapacitet. De største investeringer går stadig til servere, chips, datacentre og cloudinfrastruktur, der skal kunne træne og afvikle fremtidens AI-modeller. Det er ikke i sig selv et bevis på, at virksomheder allerede i stor skala har omsat AI-piloter til stabile og rentable arbejdsprocesser.
Prognosen er blevet løftet gennem året
Udviklingen i Gartners egne estimater siger næsten lige så meget som det nyeste hovedtal. I januar lød forventningen på 2,52 billioner dollar i AI-forbrug i 2026, svarende til 44 % vækst. I maj blev prognosen hævet til 2,59 billioner dollar og 47 % vækst. Den seneste vurdering ligger på omkring 2,7 billioner dollar og 49,5 % vækst.
41
29
22
Det tyder på, at efterspørgslen efter AI-kapacitet fortsat overstiger de tidligere forventninger. Ifølge analyser af Gartners langsigtede prognose ventes den samlede vækst fortsat at være høj i 2027, omkring 36 %, før tempoet dæmpes i de efterfølgende år.
17
Infrastruktur sluger den største del af budgettet
Det meste af pengene går ikke til enkeltstående AI-apps. De går til det tekniske fundament: AI-optimeret infrastruktur som tjeneste (IaaS), servere, netværk, processorchips og enheder.
I Gartners majprognose stod AI-infrastruktur for mere end 45 % af det globale AI-forbrug.
29 Teknologileverandører tegner sig for 35 % af forbruget i den seneste rapportering, fordi de køber AI-optimerede servere, cloudkapacitet og chips til at bygge, udrulle og drive modeller og AI-agenter.
22
Det forklarer også, hvorfor højere priser på hukommelseskomponenter ikke har bremset udbygningen. Gartner vurderer, at efterspørgslen efter infrastruktur til de forventede arbejdsbelastninger fortsat er stærk og relativt ufølsom over for dette prispres.
49 For de største cloududbydere og tjenesteudbydere vejer adgang til kapacitet altså tungere end kortsigtet kontrol med komponentpriser.
Software, tjenester og modeller vokser med infrastrukturen
Infrastruktur dominerer, men de øvrige kategorier vokser også. Gartners majvurdering pegede på AI-forbrug i 2026 på cirka 585,5 mia. dollar til AI-tjenester, 453,2 mia. dollar til AI-software og 64,25 mia. dollar til AI-platforme og -modeller. Sidstnævnte kategori var ventet at vokse 63,4 % fra 2025.
38
20
35
For virksomheder er modeladgang kun begyndelsen. Værdiskabende AI kræver også integrationer, klargøring af data, governance, redesign af arbejdsgange, overvågning og driftsstøtte. Infrastrukturboomet skaber forudsætningerne for disse køb, men garanterer ikke, at hver AI-implementering bliver en god forretning.
Gartner forventer desuden, at virksomheder i stigende grad tager specialiserede modeller i brug. I 2027 ventes mere end halvdelen af de generative AI-modeller i virksomheder at være målrettet en branche eller en forretningsfunktion, mod omkring 1 % i 2024.
12
Fra assistenter til AI-agenter
Inden for AI-software er et markant skifte i gang: fra samtalebaserede assistenter til systemer, der kan gennemføre afgrænsede opgaver i flere trin.
Analyser af Gartners prognosedata peger på, at forbruget på indbyggede chatbots og assistenter topper i 2027. Samme år overhaler indbygget agentbaseret AI dem og fortsætter derefter med at vokse.
45
Forskellen er væsentlig. En assistent kan hjælpe med at formulere tekst, søge eller opsummere. En AI-agent er derimod tænkt til at bruge værktøjer og føre arbejde videre gennem en arbejdsgang. Jo mere selvstændigt systemet arbejder, desto vigtigere bliver adgangsstyring, test, sporbarhed og kontrol med brugen.
“Desillusioneringens dal” er ikke et kollaps i investeringerne
Gartner har beskrevet 2026 som et år i AI-teknologiens såkaldte “Trough of Disillusionment” – en fase, hvor den tidlige begejstring møder implementeringer, som ikke leverer det forventede resultat.
41
53
Det er ikke i modstrid med de enorme investeringer. Infrastrukturleverandører kan udbygge kapaciteten kraftigt, samtidig med at den enkelte virksomhed stadig vurderer, hvilke anvendelser der er stabile, økonomisk forsvarlige og tilstrækkeligt kontrollerbare til at blive skaleret.
Kilderne her giver ikke en endelig Gartner-dækkende opgørelse over, hvor stor en del af virksomhederne der har AI i fuld produktion. Derfor bør præcise påstande om udbredelsen af skalerede AI-løsninger behandles med forsigtighed.
Hvad virksomheder bør tage med sig
Den oplagte konklusion er ikke blot at hæve AI-budgettet. Den er at skelne mellem det globale kapløb om infrastruktur og virksomhedens egen evne til at skabe dokumenterbar værdi.
Fire prioriteter er særligt relevante:
- Mål økonomien pr. arbejdsgang. Sammenhold udgifter til modeller, inferens, integration og menneskelig kvalitetssikring med et konkret forretningsresultat.
- Indfør brugsstyring tidligt. Budgetgrænser, rate limits og løbende overvågning bliver vigtigere, når agenter udfører opgaver over flere trin.
- Bevar fleksibilitet i arkitekturen. Hold så vidt muligt data-, evaluerings- og orkestreringslag flytbare frem for at binde hele løsningen til én model eller cloudleverandør.
- Håndtér suverænitet og exit-risiko i indkøb. Gartner peger fortsat på leverandørafhængighed, datasuverænitet og løbskørende omkostninger som centrale problemer, selv om kunderne fortsætter med at købe proprietære AI-løsninger.
30
Bundlinjen
Gartners prognose på 2,7 billioner dollar viser, at AI-investeringerne tager kraftigt fart i 2026 og sandsynligvis holder et højt niveau i 2027. Men historien handler især om opbygningen af global AI-kapacitet.
For den enkelte virksomhed er testen mere snæver: Kan kapaciteten omsættes til sikre, velstyrede arbejdsgange med målbar enhedsøkonomi og varige forretningsresultater?
22
30