Eru gervigreindarlausnir að verða ódýrari í raun?
Lækkandi einingarkostnaður og flóknari lausnir kalla á markvissari stýringu á notkun og kostnaði gervigreindar.
Gervigreindarlausnir verða nú sífellt aðgengilegri eftir því sem tækninni fleygir fram og einingarkostnaður lækkar. Samkvæmt AI Index 2025 frá Stanford HAI féll kostnaður við að keyra líkan sem skilar sambærilegri frammistöðu og GPT-3.5 úr 20 dölum á hverja milljón tókena1 í aðeins 0,07 dali fram til ársloka 20252. Það jafngildir nær 300-faldri lækkun á kostnaði.
Á sama tíma verður þó sífellt erfiðara að gera grein fyrir kostnaði lausnanna. Útgjöld fyrirtækja vegna stórra mállíkana þrefölduðust á tólf mánaða tímabili fram til ársloka 2025. Þá sögðust 93% þátttakenda í könnun McKinsey hafa farið fram úr fjárhagsáætlun vegna gervigreindar, en fimmtungur fyrirtækja hafði takmarkað notkun tækninnar vegna rekstrarkostnaðar3.
Nokkrir samverkandi þættir skýra þessa þróun.
Fyrirtæki auka notkun gervigreindar hratt, þjónustuveitendur færa sig í auknum mæli frá föstum áskriftum yfir í notkunarmiðaða verðlagningu og dýrustu líkönin eru oft látin sinna einföldum verkefnum sem ódýrari líkön gætu leyst með sambærilegum árangri. Lækkandi einingarkostnaður hefur því ekki endilega skilað lægri heildarútgjöldum, heldur ýtt undir umfangsmeiri og kostnaðarsamari notkun.
Flóknari lausnir hafa þá rutt sér til rúms. Í auknum mæli hefur notkun gervigreindar færst yfir í svokallaða gervigreindarfulltrúa, sem framkvæma aðgerðir sjálfstætt samkvæmt fyrirfram ákveðnu skipulagi eða markmiði, án þess að sérstök beiðni liggi að baki hverju skrefi. Þetta hefur gert kostnaðarstýringu erfiðari, þar sem ein beiðni frá notanda getur hent af stað fjölda aðgerða sem ekki eru samþykktar sérstaklega. Kostnaðurinn ræðst því ekki aðeins af verði einstakra fyrirspurna heldur einnig af umfangi, lengd og sjálfstæði þess ferlis sem gervigreindarfulltrúinn framkvæmir.
Gervigreindarfulltrúi er hugbúnaður sem vinnur sjálfstætt að fyrirfram skilgreindu markmiði. Ólíkt hefðbundnum spjallforritum, sem svara stökum fyrirspurnum, getur hann brotið verkefni niður í smærri skref, sótt upplýsingar, notað önnur kerfi, metið niðurstöður og endurtekið aðgerðir án þess að notandinn þurfi að samþykkja hvert skref sérstaklega. Ein beiðni getur því hent af stað umfangsmiklu og breytilegu vinnuferli.
Þessa þróun hafa menn iðulega kennt við Jevons-þversögnina svokallaða. Hún lýsir því hvernig aukin skilvirkni og lægri einingarkostnaður geta ýtt undir svo mikla eftirspurn að aukin notkun vegi upp á móti væntum sparnaði. Fyrirbærið er vel þekkt úr orkuhagfræði: þegar lýsing varð ódýrari og skilvirkari í Bretlandi á 20. öld jókst notkun hennar svo mikið að heildarorkunotkun til lýsingar jókst.
Það sama á við þegar gervigreind er annars vegar. Eftir því sem hver aðgerð verður ódýrari fjölgar notkunartilvikum og umfangi verkefna, þannig að heildarútgjöld geta aukist þótt kostnaður hverrar einingar haldi áfram að lækka.
Iðulega má því finna dæmi um fyrirtæki sem hafa veitt nær óheftan aðgang að gervigreindarlausnum, án skýrra útgjaldamarka eða virkrar kostnaðarstýringar, en sitja síðar uppi með reikninga upp á fúlgur fjár þegar notkunin vex langt umfram væntingar. Sjá t.d frétt hér um fyrirtæki sem fékk reikning upp á 500 milljónir dala á einum mánuði.
Aukin áhersla á kostnaðarhagkvæmni
Fyrirtæki eru því víða farin að draga saman seglin hvað notkun varðar, velja líkön með markvissari hætti og beina hverju verkefni til þess líkans sem getur leyst það með ásættanlegum gæðum á lægsta mögulega kostnaði.
„Að nota öflugustu líkönin í einföld verkefni er eins og að aka Lamborghini út í búð að kaupa mjólk, þegar bíllinn var hannaður fyrir kappakstursbrautina,“ - Mike Saeks, tæknistjóri hjá Cursor.
Þessi nálgun hefur verið nefnd tokenomics. Þar er ekki aðeins horft til verðs hvers tóken heldur heildarkostnaðar við að ná tiltekinni niðurstöðu: hversu mörg tóken verkefnið krefst, hversu oft líkanið endurtekur aðgerðir og hvort ódýrara líkan geti skilað sambærilegum gæðum.
Ávinningurinn af markvissara líkanavali getur verið verulegur. Samkvæmt rannsóknum Cursor kostar meira en 10.000 dali að byggja vafra frá grunni með GPT-5.5 frá OpenAI. Með blöndu af Composer-líkani Cursor og Opus 4.8 frá Anthropic má hins vegar vinna sama verkefni fyrir 1.339 dali, eða um 87% lægri kostnað4.
Endanlegi mælikvarðinn er hvort niðurstaðan skapi meiri verðmæti en nemur heildarkostnaðinum, að teknu tilliti til gæða, reikninotkunar og mannlegrar vinnu við eftirlit og leiðréttingar. Þetta mat verður sífellt mikilvægara eftir því sem gervigreind þróast úr aðstoðartæki yfir í sjálfstæðari fulltrúa sem geta leyst flókin verkefni og samhæft vinnuferla þvert á starfsemi fyrirtækja.
Áætlað er að útgjöld vegna gervigreindar geti numið um fjórðungi upplýsingatækniútgjalda fyrirtækja á næstu árum. Getan til að tengja þau útgjöld við mælanlega verðmætasköpun verður því lykilforsenda þess að aukin notkun skili raunverulegum ávinningi.
Af þessari þróun má draga nokkrar ályktanir um landslag gervigreindarinnar fram á við:
Álag á innviði gervigreindar mun halda áfram að aukast. Vaxandi eftirspurn eftir reiknigetu kallar á áframhaldandi uppbyggingu gagnavera, orkukerfa og annarra undirliggjandi innviða.
Kostnaðarstýring verður sífellt mikilvægari forsenda verðmætasköpunar. Árangur mun í auknum mæli ráðast af því hversu markvisst fyrirtæki stýra notkun og hversu skilvirkt þau nýta undirliggjandi innviði.
Samkeppnisforskot færist frá einstökum líkönum yfir í þá þætti sem auðvelda stýringu þeirra. Eftir því sem líkön verða ódýrari og aðgengilegri færist meira vægi yfir á innviði og hugbúnað sem velja hagkvæmustu lausnina fyrir hvert verkefni, halda utan um kostnað og tengja notkun við mælanlegan árangur.
Skráðu þig á póstlista Visku sjóða og fáðu greinar um efnahagsmál, tækni og fjármál í hverri viku.
Tóken (e. token) er sú grunneining upplýsinga sem gervigreindarlíkan vinnur með, til dæmis orð, orðhluti eða greinarmerki. Texta er skipt niður í tóken áður en líkanið greinir hann eða myndar svar og fjöldi tókena ræður að stórum hluta reikniþörf, vinnslutíma og kostnaði.
Nestor Maslej et al., “The AI Index 2025 annual report,” AI Index Steering Committee, Institute for Human-Centered AI (HAI), Stanford University, April 2025.
Enterprise AI FinOps Survey, May 2026; 120 enterprise participants, 75 qualified respondents across five major industries.
Lin, W. (2026, July 20). Agent swarms and the new model economics. Cursor. https://cursor.com/blog/agent-swarm-model-economics