OpenAI:s ekonomichef Sarah Friar uppmanar företag att överge de mått som de har använt i årtionden för att utvärdera programvara och anta en ny måttstock för artificiell intelligens – en byggd kring utfört arbete snarare än antalet personer som använder ett verktyg.

I ett blogginlägg publicerat fredagen den 17 juli 2026, och utvecklat i ett LinkedIn-inlägg som rapporterats av Axios, Fortune och CFO Dive, introducerade Friar vad hon kallar en "användbar-intelligens-per-dollar"-strategi. Kärnargumentet: mätvärdena som definierade SaaS-eran – platser, aktiva användare, förnyelser – lyckas inte fånga värdet som AI skapar. För pågående analys av hur företag brottas med AI-ekonomi, följ vår AI-industribevakning.

De fyra frågorna

Friar föreslår att organisationer bedömer AI-värdet genom att svara på fyra frågor:

1. Fullför AI arbete som betyder något?
2. Vad kostar varje framgångsrik uppgift?
3. Kan folk lita på resultatet?
4. Producerar varje AI-dollar mer värde när användningen ökar?

"I åratal mättes mjukvara genom adoption: platser, aktiva användare, förnyelser", skrev Friar på LinkedIn. "AI är annorlunda - det måste mätas utifrån utfört arbete."

Inramningen omarbetar symbolkonsumtion – mängden AI-bearbetning ett företag betalar för – inte som en kostnad som ska minimeras utan som råmaterial som bara blir värdefullt när det omvandlas till användbar produktion. "Tokens skapar värde när de förvandlas till arbete som människor kan använda", skrev hon och hävdade att när modellerna blir mer kapabla kan de ta på sig längre, flerstegsuppgifter som upprätthåller sammanhang, resonerar över verktyg och anpassar sig allt eftersom.

Varför OpenAI driver detta nu

Pitchen landar i ett obehagligt ögonblick för AI-branschen. Globala utgifter för AI förutspås uppgå till 2,59 biljoner USD 2026, en ökning med 47 % jämfört med föregående år, enligt Gartners siffror som citeras av CFO Dive. Ändå är bevisen för att utgifterna lönar sig fortfarande tunna. En PwC-studie som släpptes i januari fann att endast 12 % av VD:arna sa att AI hade gett både kostnads- och intäktsfördelar. Ytterligare 33 % rapporterade vinster i antingen kostnader eller intäkter, medan 56 % sa att de inte hade sett någon betydande ekonomisk fördel hittills.

Det gapet skapar synlig frustration överst på företagsstegen. Palantirs VD Alex Karp sa nyligen till CNBC att många företagsledare är "trötta" på ekonomin i stora språkmodeller och ifrågasätter om stigande tokenkostnader översätts till avkastning - kommentarer Karp gjorde samtidigt som han marknadsför Palantirs egen teknik och erkändes som kommersiellt motiverade.

För OpenAI, som säljer tokens i fråga, är det strategiskt viktigt att omformulera konversationen kring resultat snarare än konsumtion. Om kunder mäter framgång utifrån utfört arbete, ser det ut som effektivitet, inte slöseri att betala mer för en frontiermodell som slutför en komplex uppgift på ett tillförlitligt sätt.

En förändring bort från tanken på platser och förnyelser

Idén med "användbar intelligens per dollar" stämmer överens med en bredare omtanke om hur AI bör prissättas och mätas. Traditionell företagsprogramvara såldes per plats; användningsbaserad AI-prissättning bryter den modellen, eftersom en enda plats nu kan förbruka mycket olika mängder beräkning beroende på uppgiften. Friars fyra frågor ber effektivt köpare att bygga intern redovisning kring slutförda uppgifter och kostnad per framgångsrik uppgift — ett mycket svårare antal att spåra än antalet anställda, men en som återspeglar vad tekniken faktiskt gör.

Alla är inte övertygade om att den nya måttstocken gynnar köpare. Kritiker noterar att "utfört arbete" är slarvigt att definiera och granska, och att leverantörer har alla incitament att klassificera AI-produktion som framgångsrik. Pålitlighet — Friars tredje fråga — är särskilt svår att mäta när modeller ger säkra men felaktiga svar, fenomenet som kallas hallucination. Utan oberoende verifiering riskerar måttet att bli ett marknadsföringsverktyg snarare än en ansvarsmekanism.

Ändå speglar förslaget ett rejält skifte i samtalet. Efter två år av andlös adoptionsstatistik kräver chefer bevis på att AI-utgifterna tjänar sitt behåll. De företag som kan svara på Friars fyra frågor med data – oavsett om de använder OpenAIs modeller eller en konkurrents – kommer att vara de vars budgetar överlever den oundvikliga granskningen.

Källor

  • CFO Dive, "OpenAI driver ny måttstock för att mäta AI-investeringar," 17 juli 2026
  • Axios, "Exklusivt: OpenAI:s CFO presenterar ett nytt sätt att mäta AI:s värde," 17 juli 2026
  • Fortune, "OpenAI:s CFO: 4 frågor som avslöjar om dina AI-utgifter lönar sig," 17 juli 2026

Ligg före på företags-AI

Ekonomin för AI skrivs om i realtid. Bokmärk vår hemsida för den senaste AI-verksamhetsbevakningen.

Läs mer AI-nyheter →