Vad det faktiskt kostar att utveckla en AI-funktion

Alla byråer svarar med ett så brett kostnadsspann att det blir meningslöst, eftersom det ärligt talat beror på sådant de ännu inte har sett. Här är därför vad som ligger bakom siffran: vad de fyra vanliga formerna av AI-arbete innebär, vilken av dem du efterfrågar och vad som driver upp kostnaden för varje form.

Kostnaderna nedan anges i ingenjörsveckor, inte i pengar. Arvoden varierar mellan marknader och beroende på vem som utför arbetet, så en sida med priser i dollar skulle vara fel för de flesta läsare den dag de läser den. Multiplicera med det arvode du faktiskt jämför med. Det här är våra uppskattningar utifrån att ha byggt den här typen av lösningar, inte en branschundersökning.

Fyra former av AI-arbete

Nästan alla förfrågningar vi får motsvarar en av de här formerna, eller en kombination av två. Att sätta namn på vilken du vill ha är det enskilt största steget mot en realistisk kostnadssiffra – och något du kan göra innan du pratar med någon.

Form	Vad den gör	Fram till första produktionsversionen
Svar utifrån ditt eget innehåll	Personal eller kunder ställer frågor och får svar baserade på dina dokument, med hänvisningar till dem.	4–8 ingenjörsveckor
Extrahering och klassificering	Omvandlar fakturor, e-postmeddelanden, ärenden eller formulär till strukturerade fält eller kategorier.	3–6 ingenjörsveckor
En agent som utför en uppgift	Utför en åtgärd i dina system i stället för att bara skapa text.	8–16 ingenjörsveckor
En modell i din produkt	Körs på användarens enhet eller på dina egna servrar, utan API från tredje part.	10–20 ingenjörsveckor

De två nedersta har bredare spann av samma anledning: båda beror på saker utanför själva AI:n. Hur byggbar en agent är beror på vilka API:er den måste agera genom, och en modell på enheten begränsas av vilken maskinvara du har bestämt dig för att stödja.

Vad som faktiskt driver kostnaden

Se vår tjänst för ett konkret arbetsflöde för dataextrahering: guide om extraktion av fakturauppgifter och automatisering av anpassad fakturahantering: mottagning, validering, personalgranskning och export till ditt bokföringssystem.

Inget av detta handlar om modellen. Att välja modell innebär en veckas utvärdering och sedan en rad i en konfigurationsfil. Om ett förslag gör det till huvudfrågan är det en varningssignal.

Dina datas skick. Den enskilt största variabeln. Rena, aktuella och välstrukturerade dokument på ett ställe är det billiga fallet. Fyra system som lagrar motstridiga uppgifter, skannade PDF-filer och en wiki som ingen har uppdaterat sedan 2023 är det dyra fallet – och arbetet handlar om data, något du hade behövt göra ändå.
Hur noggrant det måste vara. Det är stor skillnad mellan att "skapa ett utkast som en person granskar" och att "agera utan tillsyn". Det senare kräver mätning, felhantering och ett säkert sätt att göra fel – och det är där budgeten går åt.
Hur många system det berör. Varje integration har sin egen autentisering, sina egna hastighetsbegränsningar och sina egna feltyper. Två är rutin. Sex är ett annat slags projekt.
Om någon kommer att ansvara för utvärderingen. Om ingen hos er kan avgöra om ett svar var bra måste vi först bygga den infrastrukturen. Det är värt att göra, men det är inte gratis.
Vart data får skickas. "Ingenting lämnar vår infrastruktur" är ett legitimt krav och en utgångspunkt för utformningen. Det innebär vanligtvis att ni använder modeller med öppna vikter som ni själva driftar, vilket innebär viss kompromiss med funktionaliteten i utbyte mot kontroll och att driftskostnaderna flyttas över till er.

Driftskostnaden folk glömmer

En kostnadsuppskattning för bygget är ingen budget. Tre kostnader kvarstår efter lansering, och vanligtvis är det bara den första som finns med i planen.

Användning. Kostnaden per förfrågan ökar med volymen. Billigt i pilotskala, vilket är anledningen till att kostnaden överraskar folk i produktionsskala. Det är värt att räkna på 10× pilotvolymen innan du bestämmer dig för en arkitektur.
Utvärdering och övervakning. Kvaliteten förändras när ditt innehåll ändras och när leverantörerna uppdaterar modellerna i bakgrunden. Något måste hålla koll på det.
Förändringar hos leverantörer. Leverantörerna fasar ut modeller enligt sina egna tidsplaner. Räkna med några dagars arbete per år för att byta modell och undvik lösningar som gör det svårt att byta.

Vad ett koncepttest bör kosta och bevisa

Två till fyra veckor. Tar det längre är det inte ett koncepttest, utan ett projekt utan plan.

Det viktiga är syftet. Ett koncepttest bör avslutas med ett beslut, inte en demo. Det garanterar du genom att innan det börjar skriva ner vilket värde som innebär att det lyckats och vad du gör om värdet inte uppnås. "Det ska klassificera minst 85 % av ärendena korrekt, annars avbryter vi" är ett koncepttest. "Se vad AI skulle kunna göra för oss" är en workshop.

Det bör också ge er något ni fortfarande kommer att behöva efteråt: en liten, verklig och märkt uppsättning exempel med rätt svar. Den testuppsättningen överlever vilken modell som än är aktuell och gör nästa beslut billigare.

Frågor som är värda att ställa alla leverantörer

1. Vad skulle få det här att kosta dubbelt så mycket som er uppskattning?
2. Hur vet vi att det fungerar, uttryckt i en siffra, och vem mäter det?
3. Vad kostar det per månad vid tio gånger vår pilotvolym?
4. Vad händer när modellen ni valde fasas ut?
5. Vart skickas våra data och vad sparas?
6. Vad gör systemet när det inte vet svaret?
7. Vem äger koden, promptarna och utvärderingsuppsättningen när arbetet är klart?

Den sjätte frågan avslöjar mest. Ett system som inte har något svar på den kommer självsäkert att hitta på något, och det är så de här projekten förlorar förtroendet hos dem som var tänkta att använda dem.

När du inte bör bygga

Tre fall då vi skulle avråda från det, eftersom det blir billigare för oss båda om vi säger det tidigt.

Processen finns inte nedskriven någonstans. Om ingen människa kan beskriva reglerna börjar projektet med verksamhetsarbetet, inte med AI:n.
Det händer tio gånger i månaden. Det lönar sig sällan att automatisera en ovanlig uppgift, med tanke på kostnaden för att underhålla automatiseringen.
En befintlig produkt gör redan jobbet. Om det inte är dina data som gör skillnaden, köp en färdig lösning. Vi säger hellre det än tar betalt för att bygga om den.

Så arbetar vi

Vi är ett litet team av ingenjörer snarare än en byrå: du pratar med personerna som skriver koden, ingen kundansvarig står emellan och vi väljer noga vilka uppdrag vi tar oss an. När det gäller AI innebär det LLM-integrationer, sökning i ditt eget innehåll, agenter och driftsättning av modeller som du själv driftar – vid sidan av .NET-, Python-, TypeScript- och molnarbetet som resten av studion utför.

Vi ger också ut egen Windows-programvara, bland annat en textassistent som kör en språkmodell helt och hållet på användarens dator, så arbete med modeller på enheten och integritetskrav är inte bara teori för oss.

Berätta vad du försöker bygga

Beskriv problemet snarare än lösningen: vad någon gör i dag, hur ofta och vad det kostar när något går fel. Du får svar inom en arbetsdag, med ett omfång och en kostnadssiffra – eller en förklaring till varför vi tycker att du inte bör bygga det.

Starta ett projekt

Vanliga frågor

Hur mycket kostar det att bygga en AI-chattbot för mitt företag?

För en chattbot som svarar utifrån era egna dokument bör ni räkna med fyra till åtta ingenjörsveckor för en första produktionsversion. Kostnaden avgörs främst av innehållets skick, inte av AI:n. Multiplicera med den timtaxa ni arbetar med. Den som lämnar en siffra utan att ha sett era dokument utgår från en mall.

Varför kostar ett AI-projekt tre gånger så mycket som ett annat?

Vanligtvis handlar det om noggrannhetskravet och antalet system som ingår, inte om modellen. Det mesta av budgeten går åt till att gå från en demo som oftast har rätt till något som har rätt tillräckligt ofta för att kunna agera utan tillsyn. Pengarna läggs på utvärdering, specialfall och reservlösningar, inte på promptar.

Ska vi bygga eller köpa?

Köp när du behöver en vanlig funktion och dina data inte är det som gör skillnaden. Bygg när värdet kommer från dina egna data, ditt eget arbetsflöde eller ett krav som en standardprodukt inte kan uppfylla – oftast att data inte får lämna din infrastruktur.

Vad bör ett koncepttest kosta och bevisa?

Två till fyra veckor, med ett beslut som resultat snarare än en demo. Skriv ner vilket värde som innebär att det lyckats och vad som händer om värdet inte uppnås innan arbetet börjar. Ett koncepttest utan ett villkor för när det misslyckas kommer alltid att lyckas – och inte säga dig någonting.

Vad kostar det att köra när det väl är byggt?

Tre saker, och den första är den som folk brukar budgetera för: modellens användning per förfrågan, som ökar med volymen; övervakning och utvärdering, som inte försvinner; och återkommande arbete när en leverantör fasar ut eller ändrar en modell, vilket sker enligt deras tidsplan, inte din.

Kan data stanna i vår egen infrastruktur?

Ja, och det påverkar utformningen i stället för att utesluta projektet. Modeller med öppna vikter kan köras i din egen miljö eller på enheten. Räkna med att behöva avstå från en del funktionalitet och att kostnaderna för drift och hosting hamnar på din sida.

Hur lång tid tar det innan vi ser något som fungerar?

En grov version som hanterar det vanliga fallet brukar finnas inom de första två veckorna. Resten av tiden går åt till de ovanliga fallen – och det är också där skillnaden mellan en demo och en produkt ligger.