Inga produkter i varukorgen.
Rapport: Kostnaderna riskerar att skena för AI-användning
AI Det krävs ett skifte från experimentstadiet till industrialisering för att AI ska ge verkligt affärsvärde, samtidigt som användningen spås bli allt dyrare. Det konstaterar SAP i en ny rapport.
Norden måste industrialisera AI-användningen för att behålla sitt försprång. Det konstaterar SAP i en ny rapport där man har kartlagt AI-användning över hela världen.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Techtidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Enligt SAP-rapporten rapporterar företagen i genomsnitt 16 procents avkastning på sina AI-investeringar under 2025 med en förväntan om att nå omkring 31 procent inom två år. Samtidigt ser man ett tydligt skifte i Norden. Här blir AI inte längre billigare över tid, istället stabiliseras kostnaderna på en hög nivå och stiger i många fall. För nordiska företag innebär det att gamla antaganden om sjunkande molnpriser inte längre håller.
– Tiden när molnkapacitet blev billigare år efter år är över för AI. Företagen skyddar sig inte genom att köpa mer GPU-kapacitet och hoppas att det kommer att fungera om sex månader. Det är när AI används inom verksamheten – i processer för ekonomi, inköp och leveranskedjor – som man får rätt avkastning, säger Hanna Björnbom, lösningsrådgivare och AI-expert på SAP.
Norden har länge legat i framkant digitalt, men det försprånget riskerar nu att bli en bromskloss enligt SAP. Den höga digitala mognaden innebär ofta komplexa it-system och dataflöden som är svåra att få AI att fungera sömlöst i.
– Många förväntar sig hög avkastning, men få har den struktur som krävs för att kunna skörda frukterna. Utan en heltäckande strategi kommer mycket av potentialen att förbli på ritbordet, säger Hanna Björnbom.
Efterfrågan på datorkraft växer snabbt, samtidigt som stora investeringar, brist på tillgängliga GPU:er och ett hårt marknadstryck driver upp kostnaderna. Detta förändrar ekonomin i AI-projekt i grunden eftersom AI blir allt mer kapitalintensivt och därmed jämförbart med stora industriella satsningar, vilket gör att kraven på styrning, prioritering och affärsnytta skärps.
– AI är nu så kapitalintensivt att infrastrukturen finansieras som stora industriella projekt. Då måste företagen gå från experiment till industrialisering. Att operationalisera AI, inte labba med prototyper, är det som skapar värde. AI ska driva kassaflöde, kundservice och produktivitet från dag ett, menar Hanna Björnbom.
Ett avgörande nästa steg handlar om styrning. Hanna Björnbom pekar på ”policy-as-code” som ett sätt att göra regler och regelefterlevnad maskinläsbara och automatiskt tillämpade i AI-flöden. På så sätt kan varje AI-driven åtgärd ske inom tydliga och spårbara ramar.
– Företag vill inte ha fler pilotprojekt, de vill ha AI som faktiskt fungerar. Det är i produktionen som det verkliga värdet skapas, säger hon.
Slutsatsen är tydlig: tiden för fristående AI-experiment är förbi. När kostnaderna stabiliseras på en hög nivå avgörs konkurrenskraften av vilka företag som lyckas skala AI i verksamhetens kärnprocesser och vilka som inte gör det.
