Budgettet, som succesen sprængte

Ubers teknologidirektør, Praveen Neppalli Naga, gav The Information det tal, der burde stoppe enhver ejer midt i en sætning: selskabet havde brændt hele sit planlagte AI-kodebudget 2026 på fire måneder. Uber havde rullet værktøjet ud til cirka 5.000 ingeniører i december 2025, og udbredelsen steg fra 32 procent af ingeniørerne i februar til 84 procent, der i marts 2026 blev klassificeret som store agentiske brugere. Ved foråret lagde rapporterne de månedlige omkostninger per ingeniør mellem 150 og 250 dollar i gennemsnit og mellem 500 og 2.000 dollar for storforbrugere. Intet var gået galt. Værktøjet virkede, ingeniørerne brugte det, og at bruge det er det, der tømte budgettet.

Samme mønster dukkede op hos Microsoft. Flere rapporter, anført af The Verge, beskriver, at Microsoft skærer det meste interne Claude Code-adgang i sin division Experiences and Devices fra - gruppen bag Windows, Microsoft 365, Outlook, Teams og Surface - inden 30. juni 2026 og flytter ingeniører til GitHub Copilot CLI. Den officielle udlægning er samling af værktøjskæden, men rapporterne er klare om drivkraften: ved forbrugsprissætning sprænger tung brug af et agentisk kodeværktøj årsbudgettet, fordi værktøjet måles på forbrugte tokens, ikke på besatte pladser. Jo bedre det virker, jo mere bruges det, og jo mere det bruges, jo højere er regningen.

Hvorfor det betyder noget: det er en basisrate-fejl, ikke et værktøjsproblem

Hvorfor det betyder noget: fejlen er ikke at vælge det forkerte værktøj. Det er at budgettere et nyt værktøj på den gamle basisrate. Virksomheder prissatte AI-kodning, som var det billig autofuldførelse - en lille omkostning per plads, der knap flytter sig med brugen. Agentiske værktøjer bryder den antagelse, fordi de kører løbende ræsonneringscyklusser, og de er prissat til det: omkostningen skalerer med, hvor meget arbejde værktøjet udfører, altså med hvor stor succes udrulningen har. Den, der budgetterer piloten - en håndfuld nysgerrige ingeniører med lette forespørgsler - modellerer den forkerte basisrate for et værktøj, hvis hele værditilbud er, at alle vil bruge det konstant.

Ja, men: dette er ikke et argument for, at agentisk AI er for dyr at bruge. Uber ruller den stadig ud, og produktiviteten er reel - ved foråret stammede cirka 70 procent af Ubers indsendte kode fra AI-værktøjer. Pointen er snævrere: forbrugsprissætning gør udbredelse til en omkostningskurve, og det er successcenariet, ikke piloten, der skal kunne betales. Microsofts svar, at skifte til et andet værktøj, er én løsning; måling og loft per bruger fra dag ét er en anden, som regel den billigere.

Bundlinjen: budgettér tilfældet med fuld udbredelse og mål fra dag ét

Bundlinjen: før du køber et forbrugsprissat AI-værktøj, så modellér omkostningen ved det scenarie, hvor det virker. Tag omkostningen per bruger for din tungeste forventede bruger, gang med det antal, du faktisk agter at rulle ud til, og tjek, om det tal passer ind i årsbudgettet. Gør det ikke, er værktøjet uoverkommeligt i successcenariet, uanset hvor billig piloten så ud, og det disciplinerede træk er at sætte loft og måle per bruger fra dag ét frem for at opdage loftet i fjerde måned, som Uber gjorde.

Det bredere beslutningsprincip overlever denne ene produktkategori. Når en leverandør prissætter per enhed af netop den adfærd, hvis stigning du betaler for, er pilotomkostningen meningsløs, og succesomkostningen er alt. Modellér det udfald, du håber på, ikke den prøve, du kører, og har du ikke råd til værktøjet, der virker perfekt, så køb ikke værktøjet, der fakturerer dig mere for at virke.

Læs videre: Halo dræber motoren, der åd dets studie  |  Microsofts topchef: du betaler for AI to gange