En token er den mindste enhed, en sprogmodel arbejder med – en del af et ord, groft sagt. Generativ AI fungerer ved igen og igen at forudsige den næste token og bygger på den måde sine svar op token for token. Det er sådan, AI både læser og skriver – og i dag også sådan, vi betaler.
Den nemmeste måde at forstå økonomien på er at se tokens som råvarer og datacentret som fabrik. Ind kommer strøm, hardware og data. Ud kommer tokens, som bliver til tekst, kode, analyser og beslutninger. Som i al produktion findes der en stykpris, en kvalitet, en gennemstrømning og et vist spild. Tokenomics er kunsten at styre den produktion: at få mest mulig værdi ud af hver token – ikke at producere så få som muligt.
I flere år har tokens føltes næsten gratis. De store modelselskaber er vokset hurtigt på risikovillig kapital og har presset priserne for at vinde markedsandele. Meget tyder nu på, at den tid går mod sin afslutning. Flere leverandører bevæger sig fra faste abonnementer mod forbrugsbaseret prissætning, samtidig med at ubegrænsede AI-abonnementer bliver stadig sværere at forsvare økonomisk. Modellerne er desuden ikke bygget til at spare på tokens. Jo mere avanceret du bruger dem, desto flere går der med. Prisen bevæger sig opad, samtidig med at forbruget gør det samme.
Det virkeligt interessante er ikke prisen per token, men hvad en hel AI-udført opgave koster at producere – og hvad den er værd. Tag et simpelt regneeksempel. En kunde stiller et spørgsmål til en supportbot. Selve svaret koster kun nogle få øre at producere; det er inferensen, den beregning AI-modellen laver for at finde frem til et svar. Hvis en medarbejder i stedet havde håndteret samme sag manuelt, havde det måske kostet virksomheden tyve kroner i arbejdstid. Forskellen mellem omkostningen ved AI-svaret og omkostningen ved det menneskelige arbejde, det erstatter, er tokenomics i en nøddeskal. Når det regnestykke er tydeligt, er spørgsmålet om tokenforbruget i praksis allerede besvaret.
Værdien bliver først konkret, når den måles per opgave. Nogle eksempler:
Når du kan sætte den slags tal, er AI ikke længere en uforklarlig omkostning, men en investering med et afkast, du kan følge.
Ikke engang teknisk er alle tokens den samme vare. En token, du taster ind, koster ikke det samme som en token, modellen skriver ud. En token, der genbruges fra en cache eller hentes fra en ekstern videnskilde, adskiller sig fra en, der genereres fra bunden, og en ræsonnerende model, der "tænker", bruger mange interne tokens for hvert synlige svar. Billede, lyd og video har desuden deres egen omkostningslogik. At forstå den mix er at forstå, hvor pengene reelt går hen.
Dertil kommer en anden, mindst lige så vigtig forskel: hvor token'en produceres. En token, der genereres af en åben model på suveræn svensk infrastruktur, er noget andet end en token, der sendes til en frontier-model under et andet lands regelsæt. I sidstnævnte tilfælde kan dine data i værste fald blive brugt til at træne den næste model. Selv hvis de opbevares inden for EU, kan amerikansk lovgivning som CLOUD Act tvinge en amerikansk leverandør til at udlevere dem, uanset hvor de fysisk befinder sig. Samme vare, altså, men helt forskellig økonomi og helt forskellig risiko.
Vi lærte engang at budgettere cloudomkostninger. Nu skal vi også begynde at budgettere AI-forbruget. Et token-budget skaber synlighed: hvilke teams, arbejdsgange, AI-agenter, kunder og produkter forbruger tokens – og hvilket forretningsresultat giver det? Med det billede kan du styre mod værdi i stedet for at blive overrasket af regningen, og flytte budget hen, hvor hver token gør størst nytte.
Ikke med at skære i forbruget. I de fleste organisationer findes der to grupper: dem, der endnu ikke er kommet i gang med AI, og dem, der allerede bruger det flittigt. Kunsten er at løfte begge samtidig – få de tøvende til at komme i gang, uden at de aktive mister fart, og hjælpe de aktive med at bruge teknologien klogere, uden at give skeptikerne ret i, at det bare bliver dyrt. Det gøres ikke med lofter og forbud, men ved at informere og lære. AI er en læringsrejse. Opgaven er at få hele organisationen videre på den, ikke at bremse. Pointen er ikke mindre brug, men mere værdi per token: flere, der tør, og de allerede aktive, der bliver skarpere.