Bedrifter tar i bruk KI – men sliter med å bevise verdien

Det er lett å telle KI-lisenser, brukere og pilotprosjekter. Det er vanskeligere å vise at investeringene faktisk gir bedre resultater i en arbeidsprosess – og at gevinsten er større enn de samlede kostnadene. Undersøkelsene fra 2026 viser først og fremst et gap i kostnadsoversikt og måling, ikke at kunstig intelligens (KI) ikke kan skape verdi.232534

Kostnadene er lettere å pådra seg enn å spore

Ifølge Flexera har 31 prosent av organisasjonene presis oversikt over hva de bruker på KI-programvare. Samtidig sier 59 prosent at bortkastede KI-utgifter har økt det siste året.34 I en undersøkelse fra Battery Ventures blant 100 teknologiledere oppga 94 prosent at organisasjonen manglet en felles metode for å vurdere avkastningen på KI-investeringer. Bare 16 prosent rapporterte positiv avkastning på mer enn halvparten av KI-prosjektene sine.23

Budsjettene viser en annen side av problemet: I Futurums undersøkelse for andre halvår 2026 sa 46,9 prosent at KI-utgiftene lå over planen, mens 5,6 prosent lå under.33 Tallene kommer fra ulike utvalg og måler ulike forhold – kostnadsoversikt, opplevd sløsing, prosjektavkastning og budsjettavvik. De kan ikke slås sammen til én «feilrate» for KI.

Bruk er ikke det samme som avkastning

For å måle avkastning må en bedrift vite hvordan arbeidet foregikk før KI ble innført, hva som skal forbedres, og hva løsningen koster å bruke og følge opp. Raskere saksbehandling har for eksempel begrenset verdi dersom kvaliteten faller eller kontrollarbeidet øker.

KPMG fant at de fleste organisasjoner fortsatt manglet fullstendig sanntidsoversikt over driftskostnadene knyttet til KI, selv om mange hadde innført tiltak som kontrollpaneler og godkjenningsprosesser.19 I KPMGs globale undersøkelse rapporterte 15 prosent av organisasjonene med full kostnadsoversikt etablert avkastning, mot 3 prosent av dem uten slik oversikt. Det er en sammenheng – ikke bevis for at oversikt alene skaper avkastning.25

Det kreves også endringer i selve arbeidsprosessene. Bank of Americas teknologisjef har trukket frem helhetlig prosessendring, gjenbruk, styring og avkastning som prioriteringer når KI-prosjekter skal fungere i stor skala.14 Samtidig viste en undersøkelse omtalt av CIO at 61 prosent av organisasjonene hadde satt modernisering av IT-systemer på pause, utsatt, redusert eller skrinlagt slike tiltak de foregående to årene. Omfordeling av budsjetter til KI var ett av pressmomentene, men tallet viser ikke at KI-utgifter forårsaket alle utsettelsene.18

For agentbasert KI – systemer som kan utføre flere trinn i en oppgave – blir behovet for kostnadskontroll, tydelig nytte og risikostyring særlig viktig når prosjekter vokser. Gartner anslo i 2025 at mer enn 40 prosent av slike prosjekter ville bli avsluttet innen utgangen av 2027, blant annet på grunn av økende kostnader, uklar forretningsverdi og utilstrekkelig risikokontroll. Det er en prognose, ikke en observert andel avsluttede prosjekter i 2026.51

Bank of America viser hva som kan måles

Bank of America opplyser at KI-verktøy er tilgjengelige for rundt 200 000 ansatte, og at produktiviteten i kodearbeid har økt med om lag 15–20 prosent blant bankens rundt 19 000–20 000 utviklere.34 Det siste er et mer konkret mål enn antall ansatte med tilgang. Bankens ledelse har også anslått fordeler verdt rundt 800 millioner dollar opp mot kostnader på 400 millioner dollar. Dette er ledelsens egne anslag, ikke uavhengig bekreftelse på at hvert bruksområde er lønnsomt.2 Ifølge en av bankens toppledere er gevinstene foreløpig lettest å identifisere i teknologiarbeid som programmering.1

Lærdommen er å måle hvert bruksområde for seg: Utpek en ansvarlig, fastsett et sammenligningsgrunnlag, før alle kostnader og kontroller kvalitet og risiko. Først når gevinsten holder seg etter at dette er tatt med, gir det mening å skalere opp. Flere brukere er et tegn på aktivitet – ikke i seg selv et bevis på avkastning.192325