Kort svar: AI-omkostninger falder i tre prismodeller: abonnementer pr. bruger pr. måned (chat-værktøjerne – typisk størsteposten i små setups), forbrugsafregning pr. token via API (automatisering og flows – ofte overraskende billigt: tekstopgaver ligger typisk i ører-til-få-kroner-klassen pr. kørsel) og AI-tillæg i værktøjer, du allerede betaler for. Det realistiske SMV-budget regnes, ikke gættes: personer × abonnement + estimeret forbrug på automatiserede opgaver + tillæggene – plus de skjulte poster: opsætning, kvalitetskontrol og oplæring. Og én styringsregel over dem alle: forbrugslofter og et kvartalsreview, hvor det ubrugte opsiges.
„Hvad kommer AI til at koste os?“ er blevet et budgetspørgsmål i enhver SMV – og svarene spænder fra „næsten gratis“ til skrækhistorier om løbske API-regninger. Begge dele er sande, afhængigt af disciplin. Denne guide giver dig REGNEMÅDEN frem for hurtigt forældede listepriser: prismodellerne, token-logikken, de skjulte poster – og styringen, der holder regningen forudsigelig.
Abonnementet (fast pris pr. bruger pr. måned) køber adgang til chat-værktøjerne på erhvervsvilkår – med træningsfravalg og admin-styring, som kundedata-guiden kræver; prisen ligner et telefonabonnement og er nem at budgettere. Forbrugsafregningen betaler pr. token gennem API’et – modellen bag al automatisering: rapporter, kundeservice-udkast, produkttekster i batch; regningen følger brugen, hvilket er både styrken (du betaler intet for stilstand) og risikoen (løbske flows koster løbsk – deraf lofterne senere). Tillæggene: AI-funktioner inde i værktøjer, du allerede har – helpdesk, SEO-plugin, regnskab – som opgraderinger eller „credits“; enkeltvist små, tilsammen en post, der skal TÆLLES, fordi den gemmer sig i fem forskellige fakturaer. De fleste SMV’er ender med alle tre – og overblikket er halvdelen af styringen.
En token er et stykke tekst – som tommelfingerregel et halvt til trekvart dansk ord – og API-priser opgives pr. million tokens, særskilt for INPUT (det, du sender: prompt, dokumenter, kontekst) og OUTPUT (svaret, typisk dyrere). Tre konsekvenser er værd at forstå: 1) Lange prompts og store dokumenter koster – sender du hele håndbogen med i hver forespørgsel, betaler du for den hver gang; det er derfor, videns-bots SØGER først og kun sender de relevante passager. 2) Modelvalget flytter prisen med faktorer, ikke procenter – små modeller til rutineopgaver (kategorisering, udtræk), store til det svære; den sortering alene kan tidoble, hvad budgettet rækker til. 3) Størrelsesordenen for tekstopgaver er venlig: en typisk enkeltopgave (et udkast, en opsummering) ligger i ører-til-få-kroner-klassen – så det er VOLUMEN og VANER, ikke enkeltkørsler, der afgør regningen.
Regn budgettet i tre linjer: Linje 1 – mennesker: antal brugere × erhvervsabonnement; for et lille team er det typisk hovedposten og sammenlignelig med jeres øvrige SaaS pr. hoved. Linje 2 – automatisering: list de automatiserede AI-opgaver (rapporter, udkast, alt-tekster, klassificering) med anslået antal kørsler pr. måned, og gang med en konservativ stykpris – de første måneders faktiske forbrug kalibrerer hurtigt tallet; for de fleste SMV’er lander linjen bemærkelsesværdigt lavt, ofte under ét enkelt abonnement. Linje 3 – tillæg: AI-opgraderinger i eksisterende værktøjer, talt op fra fakturaerne. Typisk mønster: linje 1 dominerer, linje 2 overrasker positivt, linje 3 vokser stille, hvis ingen holder øje. Og husk alternativregnestykket fra platformvalget: selvhostet automatisering flytter opgave-omkostninger til én fast serverpris – relevant, når linje 2 en dag vokser.
Den største AI-omkostning står sjældent på en faktura: Opsætningen – promptskabeloner, faktagrundlag, flows og integrationer koster timer, før de sparer dem; budgettér indkøringstid pr. anvendelse. Kvalitetskontrollen – redigering og stikprøver er en VARIG procent af gevinsten (20-30 % på indholdsarbejde, jf. produkttekst-guiden), ikke en opstartsudgift. Oplæringen – værktøjer, teamet ikke kan bruge, er ren udgift; afsæt tid til de fælles vaner (og til politikken, der rammer dem ind). Og lærepengene – nogle eksperimenter fejler; det er ikke spild, men prisen for at finde de anvendelser, der bærer. Modstykket er lige så usynligt og større: de sparede timer. Derfor er ROI-målingen i næste afsnit vigtigere end nogen prisliste.
Fire greb holder budgettet voksent: Én kontooversigt – alle AI-abonnementer, API-konti og tillæg på ÉN liste med ejer og formål (samme disciplin som værktøjskassens); skygge-konti er både en data- og en budgetlækage. Forbrugslofter og alarmer på alle API-konti – så et løbsk flow (løkke-fejlen fra fejl-artiklen) stopper ved loftet i stedet for ved månedsregningen. Kvartalsreview – bruges hvert værktøj? Sidst-brugt-datoer lyver ikke; det ubrugte opsiges uden sentimentalitet. ROI pr. anvendelse – regn den simpelt: sparede timer × timepris mod omkostningen; en anvendelse, der ikke kan forklare sin gevinst i én sætning, er en hobby. Med de fire på plads er svaret på „hvad koster AI?“ behageligt kedeligt: et forudsigeligt, målbart beløb – der tjener sig selv hjem, præcis fordi nogen holder regnskab.
Regn: brugere × erhvervsabonnement + automatiseringsforbrug (ofte overraskende lavt) + tillæg i eksisterende værktøjer. For de fleste små teams ligner totalen deres øvrige SaaS-poster – forudsigelig, når der styres med lofter.
Et stykke tekst – groft et halvt til trekvart dansk ord. API-priser regnes pr. million tokens, særskilt for input og output; lange prompts og store dokumenter koster derfor mere.
Forbrugslofter og alarmer på kontoen fra dag ét, idempotens-værn i flows (mod løkker) – og små modeller til rutineopgaver. Så er selv fejl begrænsede.
