Overraskende AI-regninger tvinger bankenes CFO-er til å stramme inn kostnadskontrollen
CFO-er i storbankene fikk uventede regninger under den første AI-adopsjonsrushet, og kostnadskontroll er nå blitt en nødvendighet. Agentic AI – nettopp den teknologien bankene satser på – er ifølge Bloomberg iboende vanskelig å budsjettere, og bare 12 av 50 globale storbanker kan vise til dokumentert avkastning.
Da bankene i den første rushet om å ta i bruk AI ville rekke frem, ble CFO-ene bedt om noe de sjelden slipper: å godta utgifter uten å vite hva de faktisk ville ende på. Nå, etter for mange overraskende regninger, har det å finne en måte å kontrollere kostnadene på blitt en nødvendighet, melder Bloomberg i en artikkel gjengitt av Moneycontrol 22. oktober 2026.
Hvorfor budsjettstyringen svikter
Problemet er ikke bare at AI er dyr – det er at kostnadene er strukturelt uforutsigbare. Noe av det største håpet om produktivitetsgevinster i bankene er knyttet til agentic AI, som kan løse komplekse oppgaver autonomt. Men nettopp denne typen AI er iboende vanskelig å budsjettere for, fordi mengden regnekraft hver enkelt oppgave forbruker kan variere kraftig, ifølge Bloomberg.
Forskjellen fra tradisjonell programvare er mekanisk: En klassisk IT-prosess har en nesten fast kostnad per kjøring. En AI-agent som utfører en oppgave selvstendig – slår opp, resonerer, kaller verktøy, prøver igjen – bruker et antall tokener som avhenger av hvor vanskelig den enkelte oppgaven viser seg å være. To tilsynelatende like oppgaver kan derfor ende med svært ulike regninger, og når bankene beveger seg mot agentbaserte arbeidsflyter, varierer tokenbehovet betydelig, ifølge rapporteringen.
Bain-partner: Ingen har kontroll på kostnadene
Hvordan det føles internt i organisasjonene, oppsummerte Bhavi Mehta, partner i Bain & Co. og selskapets globale leder for advanced analytics i finansielle tjenester, i et sitat gjengitt av Bloomberg via Moneycontrol:
«Jeg tror faktisk ikke at noen i organisasjonen har god kontroll på det – hvis jeg skal gjøre XYZ, hva blir kostnaden min da», sa Mehta.
Det er en slående innrømmelse fra en av bransjens ledende konsulenter: på tvers av roller – fra utviklere til økonomisjefer – mangler bankene et pålitelig svar på hva en gitt AI-oppgave koster. Uten det grunnlaget blir budsjetter per definisjon gjetninger, og avvik mot regnskapsinnsiden blir overraskelser snarere enn unntak.
Avkastningen mangler i offentligheten
Kostnadsproblemet måles opp mot en annen bekymring: hva AI-investeringene egentlig gir. Bare 12 av de 50 største globale bankene som spores av AI-benchmarkselskapet Evident har offentlig tilskrevet forventet eller realisert avkastning til sin AI-adopsjon, ifølge Evidents nyeste rapport, gjengitt av Bloomberg.
Tallet må leses med forsiktighet: Det gjelder offentlig dokumentasjon, ikke nødvendigvis bankenes interne forhold. En bank kan ha god avkastningskontroll internt uten å gi tallene ut. Men kontrasten er tydelig – nesten alle de største bankene investerer i AI, mens et lite mindretall offentlig knytter konkrete gevinster til investeringene.
Allerede pressede IT-budsjetter
AI-regningene kommer ikke i et tomrom. Det er en ulmende problemstilling i bankene, der teknologibudsjetterne allerede er under press fra konkurrerende krav – fra modernisering av legacy-IT til cybersikkerhet, ifølge Bloomberg. For CFO-ene betyr det at hver uventet AI-utgift konkurrerer direkte med systemmodernisering og sikkerhetsoppgraderinger som i verste fall er regulatorisk påkrevd.
Samtidig lander historien midt i tredje kvartals rapporteringssesong, der økende AI-investering gjentatte ganger ble løftet som tema – midt i en bredere Wall Street-bekymring om omfanget av AI-utgiftene på kjøpersiden.
Den bredere utgiftsbølgen
At dette handler om mer enn bankene, illustreres av en annen prognose: Bank of America anslår at Alphabet vil bruke om lag 199 milliarder dollar i capex i 2026 og ytterligere 301 milliarder dollar i 2027 – omtrent en halv billion dollar på to år, mye av det knyttet til datasentre, regnebrikker og infrastruktur for økende AI-etterspørsel. Analytikerne spår også negativ fri kontantstrøm på 12,4 milliarder dollar i tredje kvartal, mot rundt 3,9 milliarder dollar forventet av andre analytikere.
Dette er analytikerprognoser, ikke bekreftede resultater, og Alphabets kvartalstall var ikke rapportert da noten ble utarbeidet. Prognosene hører heller ikke direkte inn under bankenes budsjettproblemer – men de viser skalaen på det AI-investeringseventyret som hele økosystemet nå må finansiere.
Åpne spørsmål
Den underliggende Bloomberg-artikkelen, Evident-rapporten og Bain-intervjuene er her bare tilgjengelige i andre hånd, via Bloomberg/Moneycontrol og videre gjengivelser. Det betyr at enkelte detaljer – hvilke banker som er rammet konkret, flere ledersitater og kvartalsspesifikke tall – ikke kan gjengis sikkert, og originalens Bloomberg-publiseringstidspunkt er ubekreftet utover Moneycontrols dato.
Det største ubesvarte spørsmålet er imidlertid praktisk: Hvis ingen i organisasjonen – som Mehta sier – har god kontroll på hva en AI-oppgave koster, hvordan utvikler bankene så kontrollmekanismene som trengs? Tokenovervåking, kostnadsfordeling per agent og tettere kobling mellom AI-prosjekter og økonomistyring virker som nærliggende svar, men hvilke modeller bankene faktisk velger, er fortsatt ukjent i det offentlige dokumentasjonsgrunnlaget.