AI-kodning kan bli dyrare än utvecklarlöner redan 2028

Det är en prognos – inte ett fastslaget faktum – men utvecklingen syns redan i företagens fakturor.

Därför kan AI-kostnaden gå om lönen

Gartner pekar på två trender som förstärker varandra .

• Tokenförbrukningen ökar kraftigt. När utvecklare använder AI-agenter för mer självständigt kodarbete skickas och genereras betydligt fler tokens. Tokens är de text- och dataenheter som stora språkmodeller bearbetar och som många AI-tjänster tar betalt för.
• Prissättningen blir mer rörlig. Leverantörer som Anthropic, Cursor och GitHub Copilot har i allt högre grad gått från fasta månadsabonnemang till användnings- eller tokenbaserad prissättning . Kostnaden följer då arbetsmängden i stället för att vara låst till en abonnemangsavgift.

Enligt Gartners seniora analytiker Nitish Tyagi har månadsräkningar per utvecklare i vissa fall gått från 20 eller 100 dollar till 2 000–5 000 dollar . Tyagi har samtidigt varnat för att AI-kostnaderna kan fortsätta öka när investeringar i infrastruktur och lönsamhetsproblem pressar upp modellpriserna .

Uber blev ett tydligt varningstecken

Det mest dokumenterade exemplet är Uber. Företaget hade förbrukat hela sin AI-kodningsbudget för 2026 redan efter årets fyra första månader .

Som svar införde Uber ett tak på 1 500 dollar per anställd, per verktyg och månad för agentbaserade kodverktyg som Anthropic Claude Code och Cursor . Taket gäller alltså separat för varje verktyg.

I mars 2026 använde 84 procent av Ubers ingenjörer Claude Code, jämfört med 32 procent i slutet av 2025 . Innan begränsningarna infördes låg den månatliga kostnaden per ingenjör på mellan 500 och 2 000 dollar . Ubers operativa chef sade enligt rapporteringen: ”Kopplingen mellan AI-utgifter och kundvärde finns inte där ännu” .

Budskapet är tydligt: hög användning är inte automatiskt samma sak som hög affärsnytta.

Fler företag börjar dra i handbromsen

Uber är inte ensamt om att försöka få kontroll över kostnaderna:

• Microsoft drog tillbaka tillgången till Claude Code för sina utvecklare bara några månader efter lanseringen, enligt rapportering om kostnadsproblemen .
• Priceline uppges ha fått se femfaldiga prisökningar på AI-kodningsverktyg .
• Gartner förutspår att 40 procent av företag som använder användningsbaserade AI-kodverktyg kommer att få oplanerade kostnader som överstiger den förväntade budgeten med mer än det dubbla senast 2027 .

Accenture: det är inte bara utvecklare som använder tokens

Accenture-exemplet visar dessutom att kostnadsökningen kan komma från oväntat håll. Enligt läckt ljudmaterial och rapportering stod icke-tekniska medarbetare för en tung del av tokenförbrukningen när de använde AI-verktyg för att omvandla PDF-filer till presentationer .

Företaget planerar enligt samma rapportering att lansera ”Token IQ”, ett verktyg som ska ge ledningen bättre insyn i om AI-utgifterna skapar tillräcklig avkastning .

De flesta företag ser fortfarande inte hela AI-notan

KPMG:s globala AI Pulse-undersökning för andra kvartalet 2026 omfattade fler än 2 100 ledande beslutsfattare i 20 länder. Bara 26 procent av organisationerna uppgav att de har realtidsinsyn i kostnaderna för sin AI-användning .

• 50 procent har endast delvis insyn.
• 22 procent har liten eller ingen insyn och upptäcker i praktiken kostnaden först när fakturan kommer .

KPMG:s globala AI-chef Steve Chase har beskrivit detta som en grundläggande risk för ekonomisk transparens. Vissa kunder har enligt honom förbrukat hela årsbudgeten för tokens och molntjänster på några månader, och i ett fall sexfaldigades tokenanvändningen .

Det användningsbaserade betalningssystemet gör AI-utgifter svårare att hantera med traditionella IT- och ekonomirutiner . Ett företag kan alltså ha dashboards och godkännandeprocesser – men ändå sakna en samlad bild av vad systemen faktiskt kostar.

Gartners råd: styr användningen innan fakturan skenar

Gartners rekommendationer i juni 2026-analysen och rapporten 10 Best Practices for Optimizing Generative and Agentic AI Costs bygger på en mer disciplinerad styrmodell .

1. Bestäm när AI ska användas

Företag bör definiera vilka arbetsuppgifter som lämpar sig för AI-agenter och hur självständiga agenterna får vara. Gartner delar in arbetet i tre modeller: utvecklarstyrt, utvecklare med agentstöd och helt agentstyrt .

2. Matcha modell efter uppgift

Enklare och återkommande uppgifter – exempelvis testskrivning, refaktorering, grundläggande kodstruktur och dokumentation – bör i första hand skickas till mindre och billigare specialistmodeller. De mest avancerade modellerna bör reserveras för komplexa och värdefulla uppgifter .

3. Förbättra kontexten

Med så kallad context engineering försöker utvecklingsteam ge AI-systemen mer relevant och mindre överflödig information. Bättre kontext kan minska antalet tokens som går åt till missförstånd, upprepningar och onödigt arbete .

4. Inför caching, batchning och övervakning

Token-caching och batchade förfrågningar kan minska onödig beräkningsanvändning. Samtidigt bör företag följa tokenförbrukningen per utvecklare, team, kodbas och arbetsflöde i realtid .

5. Bygg ekonomisk styrning för AI

Gartner rekommenderar ett styrskikt av FinOps-typ – alltså ekonomisk kontroll anpassad för moln- och förbrukningsbaserade tjänster. Det bör innehålla realtidsövervakning, individuella budgetar och automatisk upptäckt av ovanligt hög användning .

Produktivitetsvinsten är verklig – men inte överallt

AI-agenter verkar ge störst effekt på avgränsade och väldefinierade uppgifter som testskrivning, refaktorering, dokumentation och enklare buggfixar .

För arkitekturbeslut, helt nya felsökningsproblem och resonemang över flera system är produktivitetsförbättringen däremot mer begränsad . Företag behöver därför uppskatta hur stor del av utvecklarnas arbete som faktiskt tillhör den första kategorin innan de räknar hem AI-investeringen.

Slutsats: AI blir en riktig kostnadspost

Tiden med obegränsad AI-användning utan ekonomisk uppföljning ser ut att gå mot sitt slut. Verktygen kan ge tydliga produktivitetsvinster, men kostnaderna kan växa snabbare än nyttan om användningen saknar regler och uppföljning .

Gartners råd handlar därför inte om att överge AI. Det handlar om att behandla AI som en verklig kostnadspost – med synlighet, rätt modell för rätt uppgift, tydliga budgetar och skyddsräcken innan nästa faktura kommer.