Tokenomics-stiftelsen: Linux Foundations nye grep for å standardisere måling av AI-kostnader

Nesten alle FinOps-team driver nå med AI-kostnader, og Linux Foundation har et svar klart: en standardiseringsorganisasjon for tokenbruk. Men datoen for lanseringen er allerede uklar, og rammeverket er foreløpig mest kjent gjennom…

Arkivfoto: Presentación "What’s the state of Open Source in Europe? Insights from the Linux Foundation’s “World of Open Source Europe spotlight 2022” research report" en el congreso esLibre 2023 a cargo de Cailean Osborne (Linux Foundation Europe) en el centro ETOPIA (Zaragoza, España)
Arkivfoto: El Pantera, CC BY-SA 4.0 · kilde Bearbeidelsen er lisensiert under CC BY-SA 4.0.

Tokenomics-stiftelsen: Linux Foundations nye grep for å standardisere måling av AI-kostnader

Nesten alle FinOps-team driver nå med AI-kostnader, og Linux Foundation har et svar klart: en standardiseringsorganisasjon for tokenbruk. Men datoen for lanseringen er allerede uklar, og rammeverket er foreløpig mest kjent gjennom sekundærkilder. Dette vet vi – og dette vet vi ikke.

Nyheten: en standardorganisasjon for tokenøkonomi

En ny stiftelse skal standardisere hvordan organisasjoner måler og forstår hva AI faktisk koster. Tokenomics-stiftelsen er et prosjekt under Linux Foundation og jobber side om side med FinOps Foundation – organisasjonen som gjorde den samme jobben for skyutgifter. Blant medlemmene er store AI-kjøpere som banker og detaljhandelsaktører, i tillegg til skyleverandører og modellleverandører, ifølge InfoWorld (ec7f43b8).

Stiftelsen beskrives som en standardiseringsorganisasjon, ikke et verktøyselskap. Den selger ikke et produkt og leverer ikke et kostnadssporingsverktøy. Arbeidsgruppene skal i stedet publisere åpne, leverandørnøytrale definisjoner, rammeverk, kostnadsdatastandarder som bygger på FOCUS-standarden for skykostnader, samt referansepunkter og sertifisering (ec7f43b8).

En merknad om lanseringstidspunktet: Kildene stride. InfoWorld oppgir august 2026, mens en Cisco-side oppgir juni 2026 (3a965f54). Ingen av de tilgjengelige kildene er stiftelsens egen kunngjøring, så den eksakte datoen kan ikke verifiseres. Det stiftelsen gjør, er imidlertid konsistent beskrevet på tvers av kildene.

Hvorfor nå: AI-utgifter er blitt alminnelig økonomiarbeid

Behovet viser seg i tallene. Ifølge State of FinOps 2026-rapporten svarer 98 prosent av respondentene at de håndterer AI-utgifter – opp fra 31 prosent to år tidligere (2613e3c5). På under to år gikk AI-kostnader fra et nisjetema til en kjerneoppgave for finans- og driftsteamene.

Veksten i selve tokenforbruket er like markant. En undersøkelse publisert på arXiv (Chen et al.) viser at ukentlig tokenvolum på plattformen OpenRouter økte fra 0,4 billioner tokens i desember 2024 til 27,0 billioner i mars 2026 – en omtrent 68-dobling på 15 måneder (d93c7ab6).

Til det kommer agenter. Cisco oppgir, med henvisning til Gartner, at agentbaserte modeller krever 5 til 30 ganger flere tokens per oppgave enn en standard Generative AI-chatbot (3a965f54). Dette tallet bør leses med forbehold: det er sitert i andre hånd, uten tilgang til Gartners underliggende rapport. Men retningen er tydelig – der en chatbot bruker én samtale, bruker en agent mange modelloppkall per oppgave, og kostnaden multipliseres tilsvarende.

Problemet Salesforce møtte

Den mest konkrete illustrasjonen på hva som skjer når tokenbruk ikke styres, kommer fra Salesforce. Business Insider rapporterte tirsdag 17. november at avisen hadde sett en intern memo fra driftsdirektør Miguel Milano, som innfører månedlige tak på ansattes AI-bruk. Ifølge rapporteringen hadde noen ansatte brukt flere tusen dollar i måneden på tokens forrige kvartal. Takene settes til 1 000 dollar per måned for tekniske salgsroller og 100 dollar for ikke-tekniske salgsroller, med utrulling samme måned (282fd024).

I samme rapportering heter det at Salesforce regner med å bruke rundt 300 millioner dollar på Anthropic-tokens i 2026, hvorav en stor andel går til kodearbeid. Dette er selskapets egen forventning, formidlet via Business Insider gjennom Startup Fortune. Verken memoen eller tallene er uavhengig bekreftet, og hele denne delen av historien hviler på sekundærkilder. Men den viser mekanismen: når enkeltpersoner får direkte tilgang til kraftige modeller, kan kostnadene vokse raskere enn kontrollrutinene.

Hvorfor direkte modell-API-er er hardeste å styre

FinOps Foundations arbeidsgruppe peker på direkte kjøp fra modellleverandørers API-er som den vanskeligste AI-kanalen å administrere (2613e3c5). Grunnen er strukturell:

  • Utviklere kjøper direkte. Kjøpet skjer ofte utenfor IT-avdelingens innkjøpsrutiner, og regningen dukker opp som en abstrakt API-faktura.
  • Faktureringen mangler forretningsmessig sammenheng. En fakturalinje forteller hvor mange tokens som ble brukt, men ikke hvilket team, produkt eller hvilken kunde som forårsaket dem.
  • Fordelingsmekanismene er tynne. Uten tagging og nøkler på tvers av kallene er det vanskelig å allokere kostnadene dit de hører hjemme.
  • Prisingen varierer mye. Modellnivåer, funksjoner og pris per token spriker mellom leverandører og mellom modellene, noe som gjør sammenligning og budsjettering vanskelig.

Dette er samme type problem FinOps-bevegelsen tok fatt i for skykostnader for årene siden – og grunnen til at Tokenomics-stiftelsen plasseres ved siden av FinOps Foundation under Linux Foundations teknologiverdi-paraply, der stiftelsen skal lede arbeidet med AI-ens totale kostnad og hvordan verdien måles (2613e3c5).

Rammeverkene: et kostnadskart og en vekstnotasjon

To av stiftelsens foreslåtte verktøy er verdt å se nærmere på – med et vesentlig forbehold: Beskrivelsene kommer fra en InfoWorld-artikkel med kolonnepreg, og framstillingen er forfatterens tolkning, ikke verifisert primærdokumentasjon fra stiftelsen.

Det syv-lags stakken er et kostnadskart over alt som former prisen på et AI-svar, fra strømmen i bunnen til brukerens forespørsel på toppen. Poenget, slik InfoWorld framstiller det, er enkelt: Kartet viser hvor du skal lete før du begynner å kutte (ec7f43b8). Det er en motvekt mot den mest vanlige feilen i kostnadsbesparelser: å kutte på feil sted – for eksempel bytte til en billigere modell når problemet egentlig ligger i hvor mange kall en agent utfører per oppgave, eller i konteksten som sendes med hvert kall.

Big-T-notasjonen er lånt direkte fra programmeringsverdenen. Der Big-O beskriver hvor treg kode blir når datamengden vokser, beskriver Big-T hvor raskt tokenbruken vokser når flere bruker applikasjonen – fra konstant til ubegrenset vekst (ec7f43b8). Ideen er å tvinge fram et svar på et spørsmål som sjelden stilles ved lansering: Hva skjer med regningen når brukermassen tidobles?

Begge rammeverkene er foreløpig mer retning enn standard. Ingen av kildene i denne saken gir tilgang til stiftelsens egne dokumenter, og en leser som vil bruke dem i dag, bør behandle dem som et tankeverktøy snarere enn en etablert spesifikasjon.

Hva bransjen allerede gjør: modellrutere

En del av praksisen vokser uavhengig av standardiseringsarbeidet. I State of Tokenomics-undersøkelsen fra september 2026 svarer 86 prosent av respondentene at de vurderer eller bruker en modellruter, med OpenRouter og LiteLLM som de mest adopterte (2613e3c5).

En modellruter sender ulike oppgaver til ulike modeller – billige modeller for enkle oppgaver, dyrere for de krevende. Det er i praksis en kostnadskontrollmekanisme bygd inn i infrastrukturen, og dens utbredelse antyder at mange organisasjoner allerede opplever at én modell til alle oppgaver er en dyr løsning. Det er også verdt å merke seg at OpenRouter – den mest adopterte rutereren – er samme plattform som leverer de mest dramatiske veksttallene for tokenforbruk. Rutere kan både dempe og konsentrere kostnadsveksten, avhengig av hvordan de konfigureres.

Hva et praktisk utbytte kan være

For team som kjøper AI direkte fra modellleverandører, gir det tilgjengelige materialet noen konkrete grep:

  1. Kartlegg kostnaden før du kutter. Syv-lags-stakkens logikk er å finne riktig lag – energi, inferensinfrastruktur, modellvalg, kontekstlengde, antall kall, agentdesign, brukeratferd – før beslutninger tas.
  2. Sett tall på veksten. Big-T-tenkningen tvinger fram et estimat på hvordan tokenbruken skalerer med bruk, slik Salesforce-tilfellet viser konsekvensen av å ikke gjøre det.
  3. Håndter kanalproblemet. Fordi direkte API-kjøp mangler forretningssammenheng i faktureringen, er tagging, nøkler og interne tak – slik Salesforce innfører – i praksis de tilgjengelige kontrollene i dag.
  4. Vurder rutere. Med 86 prosent av respondentene i evaluering eller bruk, er modellrutere blitt en mainstream del av kostnadsarkitekturen.

De åpne spørsmålene

Flere ting gjenstår å verifisere. Lanseringsdatoen strides av kildene, og ingen primærkunngjøring er tilgjengelig. Salesforce-tallene – takene, de tusenvis av dollar i månedlige utgifter og de rundt 300 millioner dollar til Anthropic – hviler på sekundærrapportering av en intern memo. Rammeverkene er kjent gjennom en tolkende artikkel, ikke stiftelsens egne dokumenter. Gartner-tallet om 5–30 ganger tokenbruk er sitert i andre hånd.

Og det største spørsmålet er ikke dokumentarisk, men praktisk: Vil rammeverkene faktisk tas i bruk? FinOps-bevegelsen viste at standardisering av skykostnader kunne lykkes, men AI-kostnader beveger seg raskere og spriker mer mellom leverandører. Om Tokenomics-stiftelsens definisjoner, FOCUS-utvidelser og fremtidige sertifisering får samme gjennomslag – og hva en sertifisering i praksis vil bety – er foreløpig ubesvart. Til det er organisasjonen, uansett lanseringsmåned, altfor fersk.

Få de viktigste AI-nyhetene i innboksen

Nyheter, analyser og verktøy samlet for deg.