Den icke-linjära kostnadskurvan: Din budget är redan fel

Comyns centrala budskap är att AI-kostnaderna har slutat vara förutsägbara. I början av företagens AI-resa kostade enkla frågor nästan ingenting, men när företagen nu pressar modellerna att utföra komplexa, flerstegsresonemang – så kallat ”agentiskt” arbete – ökar tokenförbrukningen på ett icke-linjärt sätt .

”I början ville man att alla skulle börja använda verktygen – och de kostade inte särskilt mycket [...] nu, med hur modellerna fungerar och hur mycket sammanhang du kan lägga in, skalar inte kostnaderna linjärt”, förklarade Comyn . Detta skapar det han kallar en ”central ledningsutmaning”: ekonomichefer och teknikchefer är låsta i årliga budgetcykler som inte kan hantera kostnadsvariationer på 10 till 50 gånger per uppgift, beroende på komplexitet .

Denna dynamik är inte abstrakt. När GitHub den 1 juni 2026 övergick till användningsbaserad fakturering för Copilot blev den plötsligt smärtsamt konkret. Tidigare täckte en fast prenumerationsavgift alla förfrågningar; nu mäts varje token för inmatning, utmatning och cachad kontext via GitHub AI Credits, där en kredit motsvarar 0,01 USD . Tunga användare som kör agentiska kodningssessioner ser omedelbart sina räkningar skjuta i höjden, med rapporter om prognostiserade ökningar på 10 till 50 gånger . En enda komplex agentsession mot en toppmodern modell kan nu förbruka en hel månads kreditutrymme i ett enda svep .

”Work slop” definierat: Den dolda kostnaden för värdelös AI-output

Comyns andra stora varning är kvalitativ. Han använde uttrycket ”work slop” för att beskriva den ökande mängden AI-genererad text, kod och analys som ser produktiv ut men som tillför försumbart verkligt värde . Denna output hjälper inte bara inte – den skapar aktivt dolda kostnader: varje AI-genererad del som kommer in i ett arbetsflöde måste granskas, faktakontrolleras, redigeras eller kasseras av anställda .

Detta är företagsvärldens motsvarighet till konsumentfenomenet ”AI-sörja” – spam i sökmotorer, formella inlägg i sociala medier och autogenererat fyllnadsmaterial. I en företagsmiljö är risken högre. ”Work slop” kan tyst försämra intern beslutsfattning, regelefterlevnad och till och med kundinriktade produkter om det inte passerar genom adekvata kvalitetskontroller . Ju mer företag använder AI inom alla funktioner utan rigorös validering, desto större blir högen av värdelöst arbete som man måste betala anställda för att städa upp.

CBA:s teknologisatsning på 2,4 miljarder AUD och personalekvationen

Comyns varning kommer inte från en oberoende betraktare. CBA investerar cirka 2,4 miljarder australiska dollar per år i teknologi, vilket är minst 500 miljoner mer än någon annan stor australisk bank . Denna satsning beskrivs som ett strategiskt spel på AI-driven produktivitet, men Comyns kommentarer erkänner att även denna budgetpost är exponerad för samma oförutsägbara inflation som han varnar andra för .

Samtidigt visar CBA effekten av AI-drivna produktivitetsvinster på arbetsstyrkan i realtid. Banken drog ner cirka 300 tjänster i början av 2026, utöver de 90 supportroller som tidigare ersatts av en AI-chatbot och ytterligare 120 tjänster som försvann i april . Comyn har varit tydlig: AI ”kommer att ta bort jobb inom företag i hela ekonomin” och företagen måste hjälpa personalen att förbereda sig för den framtiden, inte låtsas något annat .

Ändå har CBA också avsatt 90 miljoner AUD under tre år till sitt Future Workforce Program, en betydande omskolningssatsning för sina över 30 000 anställda . Programmet innehåller en ny intern karriärplattform som heter Grow Your Career, AI-fokuserad utbildning och kompetenskartläggning för att göra intern rörlighet transparent . Denna dubbla hållning – att samtidigt skära ner och omskola – är en ärlig återspegling av Comyns syn att störningen redan är här, och att företag behöver en strategi både för dem som stannar och för dem som går .

Strategiska implikationer för alla företag

Sammantaget pekar Comyns varning, CBA:s egna handlingar och den omedelbara utlösande faktorn – GitHub Copilots prismodellförändring – på tre strategiska imperativ för alla organisationer som använder AI i produktion:

1. Budgetering måste bli dynamisk och mätbar. Tiden för fasta årliga AI-budgetar är över. Tokenbaserade prismodeller gör AI till en rörlig kostnad, jämförbar med molntjänster. Företag behöver realtidsövervakning av kostnader, kreditallokering per team, användningstak och möjligheten att justera budgetar mitt i cykeln – discipliner som molnbaserade företag lärde sig för ett decennium sedan men som många traditionella företag ännu inte har anammat för AI .

2. Kvalitetskontroll är inte valfritt. ”Work slop” skapar en direkt koppling mellan kvalitetsbrist och kostnadsöverskridning. Varje ogranskad AI-output som kommer in i ett arbetsflöde kräver efterföljande mänsklig granskning. Företag måste införa kvalitetskontroller, mänsklig övervakning och granskning av output. Utan dessa system kommer kostnadslinjen att stiga medan värdelinjen förblir platt .

3. Personalstrategi måste planera för samtidiga neddragningar och uppkvalificering. CBA:s modell är vägledande: AI minskar personalstyrkan i vissa team medan omskolningsinvesteringar skapar nya karriärvägar för andra. Programmet på 90 miljoner AUD signalerar att alternativet till uppsägningar inte är att skydda jobb, utan att omvandla jobb – och att företag bär ett ansvar för att vägleda sin personal genom denna övergång .

Comyns kärnbudskap är att företagens AI-resa har gått in i en klart svårare fas. De enkla vinsterna är skördade; det som återstår är komplext, dyrt och kräver en disciplin som de flesta organisationer saknar. Notan för den bristande disciplinen kommer nu i form av både oförutsägbara tokenkostnader och en växande hög med ”work slop” som någon måste städa upp .

Den icke-linjära kostnadskurvan: Din budget är redan fel

Comyns centrala budskap är att AI-kostnaderna har slutat vara förutsägbara. I början av företagens AI-resa kostade enkla frågor nästan ingenting, men när företagen nu pressar modellerna att utföra komplexa, flerstegsresonemang – så kallat ”agentiskt” arbete – ökar tokenförbrukningen på ett icke-linjärt sätt .

”I början ville man att alla skulle börja använda verktygen – och de kostade inte särskilt mycket [...] nu, med hur modellerna fungerar och hur mycket sammanhang du kan lägga in, skalar inte kostnaderna linjärt”, förklarade Comyn . Detta skapar det han kallar en ”central ledningsutmaning”: ekonomichefer och teknikchefer är låsta i årliga budgetcykler som inte kan hantera kostnadsvariationer på 10 till 50 gånger per uppgift, beroende på komplexitet .

Denna dynamik är inte abstrakt. När GitHub den 1 juni 2026 övergick till användningsbaserad fakturering för Copilot blev den plötsligt smärtsamt konkret. Tidigare täckte en fast prenumerationsavgift alla förfrågningar; nu mäts varje token för inmatning, utmatning och cachad kontext via GitHub AI Credits, där en kredit motsvarar 0,01 USD . Tunga användare som kör agentiska kodningssessioner ser omedelbart sina räkningar skjuta i höjden, med rapporter om prognostiserade ökningar på 10 till 50 gånger . En enda komplex agentsession mot en toppmodern modell kan nu förbruka en hel månads kreditutrymme i ett enda svep .

”Work slop” definierat: Den dolda kostnaden för värdelös AI-output

Comyns andra stora varning är kvalitativ. Han använde uttrycket ”work slop” för att beskriva den ökande mängden AI-genererad text, kod och analys som ser produktiv ut men som tillför försumbart verkligt värde . Denna output hjälper inte bara inte – den skapar aktivt dolda kostnader: varje AI-genererad del som kommer in i ett arbetsflöde måste granskas, faktakontrolleras, redigeras eller kasseras av anställda .

Detta är företagsvärldens motsvarighet till konsumentfenomenet ”AI-sörja” – spam i sökmotorer, formella inlägg i sociala medier och autogenererat fyllnadsmaterial. I en företagsmiljö är risken högre. ”Work slop” kan tyst försämra intern beslutsfattning, regelefterlevnad och till och med kundinriktade produkter om det inte passerar genom adekvata kvalitetskontroller . Ju mer företag använder AI inom alla funktioner utan rigorös validering, desto större blir högen av värdelöst arbete som man måste betala anställda för att städa upp.

CBA:s teknologisatsning på 2,4 miljarder AUD och personalekvationen

Comyns varning kommer inte från en oberoende betraktare. CBA investerar cirka 2,4 miljarder australiska dollar per år i teknologi, vilket är minst 500 miljoner mer än någon annan stor australisk bank . Denna satsning beskrivs som ett strategiskt spel på AI-driven produktivitet, men Comyns kommentarer erkänner att även denna budgetpost är exponerad för samma oförutsägbara inflation som han varnar andra för .

Samtidigt visar CBA effekten av AI-drivna produktivitetsvinster på arbetsstyrkan i realtid. Banken drog ner cirka 300 tjänster i början av 2026, utöver de 90 supportroller som tidigare ersatts av en AI-chatbot och ytterligare 120 tjänster som försvann i april . Comyn har varit tydlig: AI ”kommer att ta bort jobb inom företag i hela ekonomin” och företagen måste hjälpa personalen att förbereda sig för den framtiden, inte låtsas något annat .

Ändå har CBA också avsatt 90 miljoner AUD under tre år till sitt Future Workforce Program, en betydande omskolningssatsning för sina över 30 000 anställda . Programmet innehåller en ny intern karriärplattform som heter Grow Your Career, AI-fokuserad utbildning och kompetenskartläggning för att göra intern rörlighet transparent . Denna dubbla hållning – att samtidigt skära ner och omskola – är en ärlig återspegling av Comyns syn att störningen redan är här, och att företag behöver en strategi både för dem som stannar och för dem som går .

Strategiska implikationer för alla företag

Sammantaget pekar Comyns varning, CBA:s egna handlingar och den omedelbara utlösande faktorn – GitHub Copilots prismodellförändring – på tre strategiska imperativ för alla organisationer som använder AI i produktion:

1. Budgetering måste bli dynamisk och mätbar. Tiden för fasta årliga AI-budgetar är över. Tokenbaserade prismodeller gör AI till en rörlig kostnad, jämförbar med molntjänster. Företag behöver realtidsövervakning av kostnader, kreditallokering per team, användningstak och möjligheten att justera budgetar mitt i cykeln – discipliner som molnbaserade företag lärde sig för ett decennium sedan men som många traditionella företag ännu inte har anammat för AI .

2. Kvalitetskontroll är inte valfritt. ”Work slop” skapar en direkt koppling mellan kvalitetsbrist och kostnadsöverskridning. Varje ogranskad AI-output som kommer in i ett arbetsflöde kräver efterföljande mänsklig granskning. Företag måste införa kvalitetskontroller, mänsklig övervakning och granskning av output. Utan dessa system kommer kostnadslinjen att stiga medan värdelinjen förblir platt .

3. Personalstrategi måste planera för samtidiga neddragningar och uppkvalificering. CBA:s modell är vägledande: AI minskar personalstyrkan i vissa team medan omskolningsinvesteringar skapar nya karriärvägar för andra. Programmet på 90 miljoner AUD signalerar att alternativet till uppsägningar inte är att skydda jobb, utan att omvandla jobb – och att företag bär ett ansvar för att vägleda sin personal genom denna övergång .

Comyns kärnbudskap är att företagens AI-resa har gått in i en klart svårare fas. De enkla vinsterna är skördade; det som återstår är komplext, dyrt och kräver en disciplin som de flesta organisationer saknar. Notan för den bristande disciplinen kommer nu i form av både oförutsägbara tokenkostnader och en växande hög med ”work slop” som någon måste städa upp .