For ikke så længe siden kørte virksomheder interne ranglisteder for at se, hvilket team der kunne forbruge flest AI-tokens på en måned. Meta havde en. Amazon havde en. NVIDIAs administrerende direktør sagde offentligt, at han ville være "dybt bekymret", hvis en softwareingeniør på $500K ikke brugte $250K om året på tokens.
Den æra har et navn: Tokenmaxxing, og det er forbi.
I april 2026 begyndte virksomheder at ringe til FinOps Foundation og sige, at de allerede var 3x over deres hele 2026 token-budget, knap fire måneder inde i året. Samtalen skiftede natten over fra "gå hurtigt og forbruge tokens" til "vi har brug for sikkerhedsmechanismer, hvordan kontrollerer vi dette?"
Uber brugte sit hele 2026 AI-kodningsbudget op inden april. Microsoft annullerede Claude Code-abonnementer på tværs af vigtige produktafdelinger. Og et eller andet sted deri rapporteres en virksomhed, som ingen har nævnt endnu, tilsyneladende at have pådraget sig en Claude-regning på $500 millioner, fordi ingen satte en forbrugsbegrænsning.
For startups er dette ikke blot et problem for store virksomheder. Det er bestyrelsessamtalen, der er på vej til dig.
Hvad Tokenmaxxing faktisk var (og hvorfor det gjorde god mening på det tidspunkt)
Tokenmaxxing beskrev drivkraften til at forbruge så mange AI-tokens som muligt, og behandlede høj forbrug som en stenografi for produktivitet. Logikken var ikke helt urimelig - tidlig AI-adoption krævede eksperimenter, og da administrerende direktører offentligt krævede, at teams skulle bevæge sig hurtigt og bruge de bedste modeller uanset omkostninger, var "forbruge flere tokens" effektivt firmapolitik.
Problemet er, hvad der skete bagefter.
En undersøgelse af 2.444 virksomheder viste, at for hver $1, som virksomheder bruger på AI-tokens, går $0,44 til at reparere bugs genereret af AI, $0,27 til at omskrive AI-produceret kode, og $0,11 til review og merge-forsinkelser. Det er $0,82 af hver dollar, der går til at rydde op i outputtet, ikke til at skabe værdi fra det.
Ingengiøranalytikfirmaet Faros AI fandt, at kodeomsætning — linjer af kode slettet versus tilføjet — steg med mere end 800% under høj AI-adoption. Flere tokens, mere spild, mere omarbejdelse.
Tokenmaxxing målte ikke produktivitet. Det målte aktivitet. Det er ikke det samme.
Spørgsmål og svar: De præcise spørgsmål din bestyrelse stiller nu
Sp. Hvad brugte vi faktisk på AI sidste kvartal?
Det lyder grundlæggende. De fleste startups kan ikke besvare det på en ren måde. Den vigtigste strukturelle ændring, du kan foretage, er at isolere AI-forbrug, så det er synligt og attributerbart. Tag omkostninger konsistent, så når du konstruerer ROI-fortællingen, er omkostningssiden troværdig. Hvis dine AI-omkostninger er begravet inden for generel cloud-infrastruktur eller ingeniørbemanding, går du uberustet ind i den samtale med bestyrelsen.
Sp. Hvad fik vi ud af det?
Bestyrelser, der i 2024 stillede spørgsmål som "hvad er din AI-strategi?", stiller nu spørgsmål som "hvad kostede det, hvad kom der tilbage, og hvordan ved du det?" Ifølge Kyndryl's 2025 Readiness Report føler 61% af seniorledere større pres for at bevise AI ROI end for et år siden. Det svar, som bestyrelser ønsker, er ikke "vores ingeniører er mere produktive." Det er omsætningspåvirkning, omkostningsreduktion eller cykelkompression med faktiske tal.
Sp. Bruger vi AI på de rigtige ting?
De fleste virksomheder automatiserer som standard opgaver, som folk ikke kan lide, i stedet for opgaver, der er mest værdifulde for virksomheden. Hvis dit teams primære AI-use cases er at sammenfatte e-mails og generere standardtekster, har bestyrelsen ret til at stille spørgsmål ved, om det er den bedste brug af budgettet.
Sp. Hvor længe før vi ser et reelt afkast?
Halvdelen af investorerne forventer AI-afkast inden for seks måneder. Kun 16% af administrerende direktører mener, det er opnåeligt. Det mellemrum er der, hvor dårlige bestyrelsessamtaler opstår. Sæt tidslinjen tidligt og forklar det klart; ellers anvender bestyrelser den forkerte målestok og konkluderer, at investeringen fejlede, når den simpelthen var tidlig.
Hvad startups faktisk skylder deres bestyrelser: En praktisk ramme
1. En omkostningslinje, der er synlig og tagget
Du kan ikke forsvare forbrug, du ikke kan se. Alle AI-relaterede omkostninger — model-API-opkald, agent-infrastruktur, værktøjsabonnementer og ingeniørtid på AI-projekter — skal tagges og spores separat. 97% af finansdirektører siger, at deres bestyrelser forventer en regelmæssig redegørelse for AI-investeringer og fremskridt, hvor omkostningsbesparelser, ROI og produktivitetsgevinster topper listen. Giv dem den redegørelse, før de skal bede om det.
2. En use case-liste, ikke en filosofi
"Vi integrerer AI på tværs af virksomheden" er ikke en bestyrelsesopdate. Det, bestyrelser har brug for, er en kort, ærlig liste: hvilke specifikke use cases er live, hvad koster det at køre dem, og hvad målretal resultat producerer hver enkelt? Tre use cases, du kan måle, slår tolv, du "udforsker".
3. Ledende indikatorer, mens du venter på de bagudslæbende
AI ROI tager længere tid at dukke op i omsætning, end de fleste forventer. De målinger, der opretholder bestyrelsestillid, deler tre karakteristika: baselined (målt mod en dokumenteret før-tilstand), enhedsbaseret (omkostning pr. opgave, cykelgang, fejlrate, ikke vag "produktivitet") og sporbar (evidentieret af data, ikke påstået). Hvis dit tilbagebetalingsperiode er 18 måneder væk, vis banen ved måned seks.
4. Et ærligt svar om, hvad der ikke virker
Det værste, der kan ske i en bestyrelsessamtale om AI, er at blive taget i at forsvare noget, der stille og roligt fejlede for måneder siden. Vælg de use cases, der ikke leverer, sig det, og forklar, hvad du gør anderledes. Bestyrelser kan håndtere et vendepunkt. De har svært ved at stole på et team, der kun rapporterer sejre.
Det skift, der allerede er sket
Tokenmaxxing var AI-ækvivalenten af at måle udviklerudgange efter kodelinjers antal. Alle vidste, det var en mangelfuld metrik — det var bare nemmere end at måle faktisk påvirkning.
Korrektionen er ikke en tilbagetrækning fra AI. Trods tilbagetrækningen fra tungt token-forbrug forbliver generativ AI-forbrug på et historisk højdepunkt. Google rapporterede, at Gemini sprang fra 480 billioner tokens pr. måned i maj 2025 til 3,2 kvadrillion tokens pr. måned inden maj 2026. Teknologien bruges mere end nogensinde. Forskellen er, at det frie pas på ansvarliggørelse er væk.
For startups er det faktisk gode nyheder. Hvis du kan møde op til dit næste bestyrelsesmøde med en ren omkostningslinje, en kort liste over use cases, der virker, og ærlige tal, er du allerede foran de fleste.
Bestyrelsen beder dig ikke om at gå langsommere på AI. De beder dig om at vide, hvad du bruger det til. Det er et rimeligt krav.
TL;DR
Tokenmaxxing — løbet om at forbruge så mange AI-tokens som muligt — kollapsede, da virksomheder som Uber brugte sit hele 2026 AI-kodningsbudget op inden april, og en unavngiven virksomhed pådrog sig en Claude-regning på $500 millioner uden sikkerhedsmechanismer på plads. Bestyrelser har stoppet med at acceptere forbrugsstatistik og produktivitetskrav som bevis; de ønsker nu en ren omkostningslinje, specifikke use cases og rigtige tal knyttet til omsætning eller besparelser. Startups, der møder op til den samtale forberedt med synligt forbrug, ærlige målepunkter og en realistisk tidslinje, kommer ud foran størstedelen, der stadig måler aktivitet i stedet for resultater.
Ønsker du at opbygge et højtukkende fjernarbejdsteam for teknologi?
Tjek MyNextDeveloper, en platform hvor du kan finde de øverste 3% af softwareingeniører, der er dybt passionerede om innovation. Vores on-demand, dedikerede og grundige softwaretalentløsninger giver en omfattende løsning for alle dine softwarebehov.
Besøg vores website for at udforske, hvordan vi kan hjælpe dig med at sammensætte dit perfekte team.
