Da Microsoft måtte rasjonere KI-modellene de selv selger

Ironien, punkt for punkt

Microsoft er OpenAIs primærinvestor og eneforhandler av modellene via Azure, men internt fant man at ingeniører brukte de dyreste modellene til trivielle oppgaver, noe som drev kostnader selv økonomiavdelingen ikke kunne akseptere . Konserndirektør Jay Parikh sendte en e-post der han slo fast at «tokenmaxxing er ikke det vi optimaliserer for», og kunngjorde at divisjonene skulle få AI-token-budsjettmål fra juli 2026 .

«Tokenmaxxing» ble en spillifisert atferd. Ingeniører konkurrerte på interne ledertavler om å maksimere token-bruken – KI-ekvivalenten til å behandle datakraft som fantasy football-poeng . Praksisen blåste opp forbruket uten målbar forretningsverdi, ettersom selskaper oppdaget at «å kaste KI på alt» økte kostnadene uten en tilsvarende produktivitetsøkning .

Satya Nadella måtte selv gripe inn og ba ansatte slutte å bruke de kraftigste KI-modellene til alle oppgaver, og heller matche modellen til problemet . Selskapet byttet intern standardmodell til den billigere GPT-5.6 og inndro Claude Code-lisenser for de fleste ansatte for å stoppe pengebruken .

Det større skiftet i hvordan KI-suksess måles

Bransjen beveger seg fra token-volum som en forfengelighetsmåling til resultatbasert måling av KI-avkastning.

Ledertavler for token-bruk fjernes. Amazon og Meta har begge fjernet interne ledertavler for KI-tokenbruk etter at ansatte spilte dem . Meta CTO Andrew Bosworth advarte ansatte: «All bevegelse er ikke fremgang, og token-bruk alene er ikke et mål på effekt av noe slag» .

Token-telling erstattes med distribusjonsmåling. Amazon erstattet sitt «KiroRank»-system med «normaliserte distribusjoner» – som teller KI-assistert kode som faktisk når produksjon .

Tak per ingeniør og modellinndeling. Meta vurderer å innføre token-tak per ingeniør . Selskaper går over til «modellnivå-rettigheter» som låser riktig (billigere) modell til riktig rolle, og setter varsler ved kostnadsterskler .

Budsjettstyring fremfor bruksmaksimering. Atlassian satte et tak etter at den månedlige KI-regningen ballongerte fra omtrent 5 millioner dollar til over 15 millioner dollar . Citi inndro midlertidig tilgang til de nyeste Claude- og ChatGPT-modellene for utviklere etter at de ble «den primære driveren for økt bedriftsforbruk» av samlede KI-kreditter . Anthropic lanserte verktøy for bedriftsutgiftskontroll etter at 78 % av bedriftene rapporterte om overraskende KI-regninger .

Kjernelærdommen: tokens er ikke seter – i motsetning til tradisjonell SaaS, skalerer generativ KI kostnadene med hver eneste forespørsel, forsøk og agent-sløyfe . Bransjen behandler nå KI ikke som en uendelig produktivitetseliksir, men som en styrt ressurs som krever samme økonomiske disiplin som enhver annen kritisk innsatsfaktor. Suksess måles i levert kode, løste saker eller inntektspåvirkning, ikke i rå tokenforbrenning.