AI adoption buldrer frem i strategi dokumenter, konferencer og på min LinkedIn. Men midt i nyhedsstrømmen, gemmer der sig en interessant statistik.
PWC’s nylige Global CEO Survey viser, at mens 26 % har set lavere omkostninger som følge af AI det seneste år, så har 22 % har set omkostningerne stige. Og 56 % har hverken set lavere omkostninger eller højere omsætning (PWC CEO Survey 2026).
Mens Anthropic, OpenAI, mv. fokuserer på den ene fjerdedel, så synes jeg, at det er de resterende 74%, der burde danne overskrifter. For faktum er, at AI (endnu) ikke kan spores på et makro niveau.
Kan du ikke spore dine AI initiativer til din bundlinje, er du altså langt fra alene. Og ifølge McKinsey vil afstanden mellem de få, der får målbare finansielle resultater, og de mange, der stadig sidder fast i pilotprojekter, kun vokse (McKinsey, April 2026, From promise to impact: How companies can measure-and realize-the full value). Desuden rapporteres udgifter til AI i en form, som du kan budgettere med i din P&L.
Hvis der én ting jeg tager med mig fra erhvervsøkonomi, så er det at reelle omkostninger ikke kun kan udregnes på de direkte omkostninger. Vi overser nemlig de afledte og alternative omkostninger, når vi:
- Anskuer AI som en erstatning for mennesket og ikke som det, den reelt er, nemlig en forskydning af hvilke opgaver mennesket løser.
- Undervurderer hvor meget arbejde der ligger i at ændre arbejdsgange og omorganisere roller og ansvar
- Udelader skjulte og afledte omkostninger fra sin business case
- Høster besparelsen ét sted, og sporer aldrig omkostningen, der lander et andet sted.
Tag kundeservice som eksempel. Kundeservice producerer faktisk to ting på én gang: En problemløsning og en kunderelation. Men den måles ofte kun på den første, mens kunderelationen måles i salg eller marketing.
Forestil dig så, at I sætter en AI-agent til at tage kundehenvendelserne for at spare lønkroner. Bemandingen er en kapacitetsomkostning. Du betaler lønnen, uanset hvor mange henvendelser der kommer ind i den enkelte måned. Den AI-agent, du sætter oven på, har derimod en ægte marginalomkostning per henvendelse. Du har altså lagt en variabel omkostning oven i en fast – og den forsvinder først, når (hvis) du rent faktisk skærer i bemandingen.
Oven i det gør chatbotten det lettere at skrive til jer. Ingen ventetid, intet besvær. Og når den så er sat til at holde samtalen i gang, stiger antallet af henvendelser per kontakt også. Du servicerer ikke den samme mængde billigere. Du får mere af den, fordi du selv har gjort det nemmere. Flere henvendelser, og en pris på hver af dem – det er jo nærmest en omvendt economy of scale. Det, der skulle have været en besparelse, kan i værste tilfælde ende som en udgift, du ikke havde budgetteret med.
Og vi snakker stadig kun tokens, licenser og integrationer. Altså de direkte og indirekte omkostninger. De afledte omkostninger er nye arbejdsgange, der skal implementeres og trænes, monitorering og kvalitetssikring af AI'en, modelvedligehold og governance. De hører hjemme i driftsbudgettet, ikke i investeringen. Så måske blev de estimeret. Men de blev sjældent fulgt op på eller fulgt med i.
Men jeg nævnte jo to ting, der kommer ud af kundeservice. For mens kundeservice høster besparelsen på at løse problemer, så vil den svagere kunderelation vise sig som churn hos salg – eller som lavere brand trust hos marketing. Ingen af stederne bliver den henført til beslutningen om at erstatte kundeservice med AI.
Men det stopper ikke der. Omkostningerne ses også i compliance og jura-afdelingen, når I sender kundedata til en sprogmodel. Det ses i højere lønomkostninger til de nye flaskehalse, vi selv skaber, fordi de sager, der er tilbage til mennesker, nu kun er de svære eller de eskalerede. Og i værste tilfælde ses omkostningerne i sygemeldinger og opsigelser, når kollegaer erstattes af AI.
Jeg siger ikke, at I skal lade være med at starte AI-projekter. Jeg siger, at jeg godt forstår, hvorfor gevinsten ikke kan spores på bundlinjen, men kun ude i de enkelte afdelinger, der kunne spare en halv FTE.
Så når du nu har sat penge af til et AI projekt, så vil jeg foreslå at AI’ens første opgave er at læse og analysere dine kundehenvendelser. Hvor mange af dem skyldes noget, der er i stykker i produktet, på fakturaen eller i processen?
For som vi sagde i min kundeservice tid: Den billigste henvendelse er den, der aldrig opstår. Det er ofte både billigere end en chatbot og en bedre kundeoplevelse, fordi du løser det problem, kunden faktisk tog fat i kundeservice for at få løst.
Om forfatteren
Natasha Yuen Christiansen arbejder med strategi og forretningsudvikling og hjælper organisationer med at forstå, hvad teknologiske forandringer betyder for deres kunder, deres organisering og deres forretning. Ved at kombinere det analytiske med det menneskelige omsætter hun komplekse trends til konkrete perspektiver. Hun har bl.a. hjulpet EWII, Arla og kommuner med at integrere AI i deres processer og arbejdsgange.
