Nya AI-modeller som "tänker" innan de svarar orsakar skenande kostnader. Experter varnar nu för en osynlig skatt som spräcker IT-budgetar.
Techjättarna tävlar om att bygga AI-modeller som kan "tänka" och resonera innan de svarar, som till exempel OpenAI:s o1- och o3-modeller. Syftet är att de ska kunna lösa komplexa problem mer självständigt.
Men den extra hjärnkapaciteten kommer med en dyr prislapp, något branschen nu börjat kalla för en "resonemangsskatt". Varje gång AI:n grubblar över en fråga förbrukar den interna tanke-tokens, vilket är exakt det som företagen betalar för – även om svaret i slutändan blir tomt.
Resultatet är att notan skenar i rasande fart. Enligt siffror från FinOps Foundation har företag med agentdrivna arbetsflöden sett sin tokenförbrukning per utvecklare öka nästan 19 gånger på nio månader. Vissa bolag hade överskridit hela sin AI-budget för 2026 redan i april.
Och dyrare betyder inte nödvändigtvis mer pålitligt. Forskning visar att när en avancerad AI får fel grundinformation, använder den ofta sin tänkarkapacitet för att bygga en ännu mer detaljerad och övertygande lögn.
Interna tester från OpenAI visar paradoxalt nog att den nyare o3-modellen hade en hallucinationsgrad på 33 procent på specifika personfrågor, jämfört med 16 procent för föregångaren o1. AI:n fastnar helt enkelt i ett felaktigt tankespår och vägrar tänka om.
En stor del av problemet på företagsnivå är att AI-agenterna tvingas uppfinna hjulet på nytt vid varje sökning. Istället för att hämta fastställda fakta måste de hela tiden räkna ut vad en användare menar med grundläggande begrepp som "kunder" eller "intäkter".
Nu varnar experter för att företag måste sluta förlita sig blint på modellernas inbyggda intelligens. Utan strikta spärrar och tydligt definierade företagsdata riskerar den nya, smarta AI:n att bli både en ekonomisk och säkerhetsmässig mardröm.
Läs också: