Tokenomics

Artificiell intelligens är nu ett oundgängligt verktyg i företagandet - den som inte använder AI alls kommer att hamna på efterkälken, oundvikligen. Men hur mäter vi AI-användningen? Ett sätt att göra det är att se på hur många tokens ett företag använder.

Men vad är då en token? Det enklaste sättet att tänka på det är som AI-modellens valuta — varje gång du ställer en fråga till en språkmodell, och varje gång den svarar dig, betalas notan i tokens. En token är ungefär en bit av ett ord: ibland ett helt kort ord som “och” eller “men”, ibland en stavelse, ibland bara ett skiljetecken. Tumregeln är att hundra tokens motsvarar omkring sjuttiofem ord på engelska — för svenska blir det något färre ord per token, eftersom våra sammansatta ord (”kommunikationsstrategi”, “varumärkesplattform”) styckas upp i flera bitar.

Varför spelar det här någon roll för ett företag? Därför att tokens är det som faktiskt mäts och faktureras. När ett företag använder AI på allvar — för att läsa avtal, sammanfatta möten, skriva kod, analysera kunddata — växer tokenförbrukningen snabbt. Ett enskilt långt dokument kan sluka tiotusentals tokens. En hel organisation som integrerat AI i sitt dagliga arbete kan landa på miljarder tokens i månaden.

Därför har tokens börjat fungera som en sorts AI-termometer för företag. På samma sätt som elförbrukning en gång blev ett mått på industriell aktivitet, börjar tokenförbrukning bli ett mått på kognitiv aktivitet — på hur mycket av tänkandet, skrivandet och analyserandet som faktiskt sker med AI som medspelare. Det är inget perfekt mått, men det är ett av de mest konkreta vi har.

De stora teknikbolagen har inte bara börjat skryta med tokensiffror utåt — de har börjat tävla med dem inåt. På Meta byggde en anställd i våras en intern leaderboard kallad “Claudeonomics” som rankade bolagets drygt 85 000 anställda efter hur många tokens de förbrukade, med utmärkelser som “Token Legend” och “Cache Wizard” för topp 250. På en månad sägs Metas anställda tillsammans ha förbrukat 60 biljoner tokens — en siffra som, omräknad till listpris, hamnar i miljardklassen. Amazon har infört veckovisa AI-mål för sina utvecklare och följer upp dem på interna topplistor; Microsoft har haft motsvarande dashboards sedan i januari.

Men berättelsen tog snabbt en oväntad vändning. Begreppet tokenmaxxing — praktiken att medvetet köra AI-verktyg på onödiga uppgifter bara för att blåsa upp sina siffror — har dykt upp som ett slags Silicon Valleys nya skrytkonsumtion. En seniorutvecklare som löser ett krångligt problem med en enda välformulerad prompt kan landa på färre tokens än en kollega som malt igenom skräpuppgifter. Leaderboarden belönar den senare. På Microsoft har anställda berättat öppet om hur de ställer frågor om dokumentation som de redan har tillgång till, eller ber AI:n prototypa funktioner de inte tänker bygga, bara för att hålla sin tokensiffra uppe. Metas dashboard togs ner efter att historien blev offentlig.

Det säger något viktigt om var vi befinner oss. Tokens är på samma gång ett genuint mått på AI-mognad och ett mått som är extremt lätt att manipulera — och ett exempel på den klassiska Goodharts lag, där ett mått upphör att vara ett bra mått så fort det blir ett mål. Och här uppstår en intressant spänning för kommunikatörer. Det finns en defensiv linje: Metas CTO Andrew Bosworth har sagt att en toppingenjör som spenderar motsvarande sin lön på tokens får ut tiofaldig produktivitet, och kallat det “no-brainer”; Nvidias Jensen Huang har sagt att han skulle bli orolig om en ingenjör med en halv miljon dollar i lön inte förbrukade minst en kvarts miljon i tokens. Och det finns en kritisk linje: att räkna tokens är som att bedöma en författare på antal anslag, eller en bilförare på bensinåtgång.

Men det betyder inte att tokens är oviktiga. Att inte spendera tokens alls — eller, värre, att inte ens veta hur mycket man spenderar — är att frivilligt ställa sig utanför den produktivitetsrevolution som just nu håller på att omforma kunskapsarbetet. Det är ungefär som att vägra mäta sin elförbrukning under industrialiseringens första decennier, eller att inte föra bok över sin bandbredd när internet höll på att bli infrastruktur.

Man kan välja att inte mäta. Men man kan inte välja att inte halka efter.

För de flesta organisationer ligger sanningen någonstans helt annanstans än hos Meta och Amazon. Tokenförbrukningen är inte alarmerande hög — den är obetydlig. AI:n körs inte överallt — den körs nästan ingenstans. Det finns ingen leaderboard, ingen kultur av experimenterande, ingen baseline att ens räkna ifrån. Det är där den verkliga risken sitter, inte i tokenmaxxing. För kommunikatörer innebär det ett tydligare uppdrag än man kanske först tänker sig: att hjälpa sina organisationer att förstå att tokensiffror är ett konkret, mätbart, ärligt mått på en sak som annars är notoriskt svår att fånga — nämligen om man faktiskt har kommit igång. Den som inte mäter sin AI-användning kommer snart att upptäcka att marknaden mätt åt dem ändå.

Så vad gör man som PR-chef om man inte är programmerare och knappt visste vad en token var för tio minuter sedan? Det enklaste är att börja med tre frågor, ställda till någon som faktiskt vet — IT-chefen, CFO:n, eller den person på företaget som redan har en relation med AI-leverantörerna.

Den första frågan är: hur många tokens förbrukar vi i månaden, totalt och per anställd? Svaret behöver inte vara imponerande. Det behöver bara finnas. Om ingen kan svara, om siffran måste tas fram från scratch, eller om svaret är “vi vet inte” — då har man redan fått sin viktigaste insikt. Mätningen är inte på plats, och det betyder att inget annat heller är på plats. På samma sätt som ingen seriös marknadschef skulle acceptera att inte veta sin annonsbudget per kanal, ska ingen ledningsgrupp acceptera att inte veta sin AI-förbrukning per funktion.

Den andra frågan är: vilka funktioner i vårt företag förbrukar mest, och vilka förbrukar nästan inget? Här blir det intressant för en kommunikatör. Om juridik, finans och utveckling ligger högt men kommunikationsavdelningen ligger på noll — då har man hittat ett tomrum som är värt att fylla. PR och kommunikation är ett av de områden där AI faktiskt levererar mest värde just nu: research, första utkast, presskorrektur, sentimentanalys, mediabevakning, översättningar. En kommunikationsavdelning med låg tokenförbrukning är nästan per definition en avdelning som arbetar långsammare än den behöver.

Den tredje frågan är den svåraste, men också den viktigaste: vad har vi att berätta om vår AI-mognad utåt — och håller det för granskning? Här närmar vi oss kärnan i PR-uppdraget. Inom kort kommer journalister, investerare, kunder och kandidater att fråga om AI-strategin, och svaret “vi tittar på det” kommer att låta som “vi har inte börjat med internet än” lät runt 2002. Den som har siffror kan berätta en historia. Den som har en historia men inga siffror kommer att låta som en marknadsföringsbroschyr. Och den som varken har siffror eller historia får ingen plats i samtalet alls.

Det handlar alltså inte om att bli expert på tokens. Det handlar om att förstå att tokens är det språk som AI-eran kommer att räknas i — precis som kilowattimmar, klick och konverteringar har räknats i tidigare epoker. Man behöver inte kunna bygga reaktorn för att läsa elräkningen. Men man behöver veta att räkningen finns, vad den säger, och vad den betyder om den är helt tom.

Lästips

För den som vill gräva djupare i hur tokens håller på att bli ett centralt företagsekonomiskt mått finns två texter som kompletterar varandra väl. Den första är Deloittes översikt AI tokens: How to navigate AI’s new spend dynamics, publicerad i CIO Journal i januari 2026. Den är skriven för en finans- och teknikledningspublik, men argumentet är relevant långt utanför den kretsen. Deloittes tes är att ledare bör hantera AI-ekonomi med samma stringens som energi eller kapitalallokering, och betrakta tokens som den nya valutan. Flyt i token-ekonomi kommer alltmer att skilja de organisationer som kan skala AI med självförtroende från dem som inte kan. Det är en användbar inramning för kommunikatörer som behöver översätta tekniska volymtal till strategiskt språk. (se här Deloitte Insights)

Den andra texten är American Enterprise Institutes Algorithms, Compute, and the Rise of “Tokenomics” från februari 2026, som lyfter blicken till makroekonomisk nivå. Den centrala observationen är att kostnaden per token kollapsar i en takt som överträffar Moores lag: när OpenAI släppte GPT-4 i mars 2023 kostade input-tokens 30 dollar per miljon och output-tokens 60 dollar per miljon. På arton månader hade GPT-4o:s priser fallit till 2,50 respektive 10 dollar per miljon — en minskning på 80 till 90 procent. AI-tjänster har blivit tio gånger billigare på kortare tid än chip-industrin behövde för att halvera sina kostnader, vilket har förvandlat genomsnittlig mänsklig intelligens till en handelsvara. Det är en obekväm formulering, men den fångar något viktigt om varför tokenförbrukning kommer att fortsätta växa snarare än stabiliseras. (Se här: AEI)

Tillsammans erbjuder de två texterna ett dubbelt perspektiv som är värt att läsa i den ordningen. Deloitte ger det operativa språket — hur man tänker, mäter och budgeterar internt. AEI ger den ekonomisk-historiska kontexten — varför det inte räcker att tänka på AI som en mjukvarukostnad bland andra, utan varför vi sannolikt ser början på en ny sorts produktionsfaktor. Den ena texten hjälper dig att prata med din CFO. Den andra hjälper dig att förstå varför samtalet med CFO:n över huvud taget måste föras nu och inte om två år.

För kommunikatörer specifikt finns en tredje poäng som båda texterna nuddar vid utan att riktigt artikulera: token-ekonomins genombrott betyder att AI-mognad kommer att kunna mätas, jämföras och rangordnas externt på ett sätt som hittills varit svårt. Hur kommer din organisation att se ut då?