2027: året då AI slutar budgeteras som ett experiment
Hittills har många företag behandlat AI som innovationskostnad: en flexibel post, finansierad med "test"-budget, som inte granskades lika hårt som en investering i infrastruktur eller personal. Den eran håller på att ta slut. Precis som vi såg med AI-styrning som blivit ett försäljningskrav, drar köpare — och de CFO:er som godkänner deras budgetar — sig tillbaka från att finansiera lösa pilotprojekt och börjar be om samma sak som för vilken annan operativ investering som helst: ett business case, en uppskattad avkastning och en plan för när saker inte går som förväntat.
Om ert företag stänger 2027 års budget det här kvartalet förändrar det samtalet. Det räcker inte längre att säga "vi vill föra in AI i avdelning X". CFO:n kommer begära siffror, tidsramar och en kontrollpunkt — precis som för vilken annan investering i sexsiffrigt belopp som helst.
Kostnadsposterna ni glömmer om ni bara tittar på modellicensen
Det vanligaste budgeteringsmisstaget är inte att sätta fel siffra — det är att bara sätta en siffra, den för prenumerationen på modellen eller plattformen, och glömma allt som omger den licensen. Ett verkligt AI-projekt har, som minimum, dessa poster:
| Kostnadspost | Varför den glöms bort |
|---|---|
| Integration med CRM, ERP eller datalager | Överstiger ofta kostnaden för modellicensen, och ingen offererar den förrän det tekniska projektet startar |
| Dataförberedelse och rensning | Om datan är spridd eller dåligt strukturerad kan det bli den enskilt största posten i hela projektet |
| Styrning och regelefterlevnad (AI Act, loggar, mänsklig tillsyn) | Inte längre valfritt, och det kostar personaltid, inte bara verktyg |
| Löpande underhåll (omträning, driftövervakning) | Ett AI-projekt tar inte slut vid driftsättning — det försämras om ingen bevakar det |
| Kostnad för utträde eller leverantörsbyte | Vad händer om leverantören höjer priserna eller lägger ner tjänsten — få företag budgeterar för det |
| Intern utbildning och förändringsledning | Om teamet inte använder det är avkastningen på alla andra poster noll |
Det här är ingen teoretisk lista — det är nästan ordagrant samma anledning som vi tog upp i varför 88% av företagen använder AI men nästan ingen ser avkastning: de flesta projekt som misslyckas med att generera avkastning gör det inte på grund av modellen de valde, utan för att de bara budgeterade för en del av vad det faktiskt kostar att driftsätta och underhålla den.
Checklista: 7 saker er CFO kommer begära innan budgeten för 2027 godkänns
- Ett business case med uppskattad avkastning och en konkret tidsram. Inte "det kommer förbättra effektiviteten", utan en siffra och ett datum: hur mycket ni förväntar er att spara eller generera, och vilken månad det börjar synas.
- Resultat från en pilot, även en liten, med validerade mätvärden. Inte ett löfte om vad AI:n kommer göra, utan verklig data om vad den redan gjort i liten skala.
- Uppskattad total ägandekostnad (TCO), inte bara licensen. Inklusive integration, data, styrning och underhåll, som beskrivs i tabellen ovan.
- En redan skissad styrnings- och regelefterlevnadsplan. Vem övervakar, vad granskas och hur dokumenteras det — inte "vi löser det senare".
- En intern ägare med verklig befogenhet över projektet. En sponsor som kan fatta beslut, inte en vag kommitté utan någon som ansvarar för resultaten.
- En beredskapsplan. Vad händer om leverantören fallerar, höjer priserna, eller projektet inte når sina siffror vid sex månader.
- Framgångs- och avbrottskriterier definierade i förväg. Vid vilken tidpunkt, och med vilken data, beslutar ni att fortsätta investera, justera omfattningen eller stoppa.
Budgeten som inte överlever CFO:ns första fråga är oftast den som bara innehåller modellicensen och ett löfte om effektivitet. Den som överlever är den som redan har med hela kostnadstabellen, en pilot med verklig data och en definierad avbrottspunkt — för den gör godkännandet till ett riskhanteringsbeslut, inte en trosakt.
Slutsats
2027 är inte året då AI blir dyrare att budgetera för — det är året den budgeteras på riktigt, med alla sina poster, istället för med den minsta, mest synliga siffran. Företag som kommer till budgetmötet med ett komplett business case — total kostnad, validerad pilot, styrning och en utträdesplan — kommer få ett ja mycket lättare än de som bara dyker upp med ett licenspris och goda intentioner.
På Dataverse Solutions hjälper vi mindre och medelstora företag att bygga det business caset innan de binder upp budget: från den inledande genomförbarhetsdiagnosen till uppskattning av total kostnad och design av piloten som ger de första verkliga uppgifterna.
Vanliga frågor
Hur mycket bör ett mindre företag budgetera för sitt första AI-projekt 2027?
Det beror mycket på användningsfallet, men ett väl avgränsat första projekt — en agent eller en modell för en specifik process — rör sig oftast mellan några tusen och några tiotusentals euro, inklusive integration och en första justeringscykel. Den exakta siffran spelar mindre roll än att budgeten täcker integration, data och underhåll, inte bara licensen — det är där de flesta projekt kommer till korta.
Vad är skillnaden mellan att budgetera en pilot och att budgetera ett projekt i full skala?
En pilot budgeteras för att lära sig: målet är att generera verklig data om användningsfallet fungerar, till lägsta möjliga kostnad. Ett projekt i full skala budgeteras för att producera: det behöver robust integration, formell styrning, ett underhålls-SLA och en beredskapsplan. Att behandla en fullskalebudget som en pilotbudget — utan dessa poster — är en av de vanligaste orsakerna till kostnadsöverskridanden mitt i projektet.
Vad händer om projektet inte levererar den utlovade avkastningen?
Just därför måste framgångs- och avbrottskriterierna definieras innan ni börjar, inte efteråt. Om ni i förväg fastställer inom vilken tidsram och med vilken data projektet ska utvärderas, är en utebliven utlovad avkastning inte en överraskning som lamslår beslutet — det är en redan planerad kontrollpunkt, med en beredskapsplan (justera omfattning, pausa eller avbryta) som redan var godkänd från början.
Är det bättre att begära budget för ett stort AI-projekt eller flera mindre?
För de flesta mindre och medelstora företag är flera små, avgränsade projekt lättare att få godkända och att försvara inför CFO:n än ett stort: vart och ett har sitt eget business case, sin egen pilot och sin egen avbrottspunkt, så ett misslyckande i ett äventyrar inte budgeten för de andra. Ett stort projekt är bara meningsfullt när flera mindre användningsfall redan är validerade och ni söker en gemensam plattform för att skala dem.