En företags modefluga av "tokenmaxxing" på artificiell intelligens-teknik når sina gränser när arbetsplatser som kastar AI på allt ser kostnaderna stiga utan en liknande ökning i produktivitet, enligt en rapport från Associated Press.
Det som började som en teknisk industridriven hype våren 2026 över att pressa ut så mycket AI-genererat arbete som möjligt ur produkter som OpenAI:s ChatGPT och Anthropics Claude har övergått till en sommarreaktion. Chefer, analytiker och utvecklare ifrågasätter nu öppet om maximering av AI-tokenkonsumtion någonsin varit en bra strategi. Besök vår senaste AI-branschrapportering för fortlöpande bevakning av AIs affärslandskap.
En modeflugas uppgång och fall
"Tokenmaxxing" syftar på att maximera användningen av tokens - byggstenarna i generativ AI som motsvarar små textbitar som ett AI-system läser eller skriver. Varje token representerar ungefär tre fjärdedelar av ett ord, och AI-leverantörer sätter vanligtvis användningsgränser, med dyrare prenumerationer som erbjuder högre tak.
Trenden främjades aktivt av några av teknikens mest framstående ledare. OpenAI VD Sam Altman sa i maj 2026 att han var "spänd på att se vad som kommer att hända med tokenmaxxing startups, både för hur de arbetar internt och de produkter de kan bygga." Nvidias vd Jensen Huang förklarade att "om din ingenjör på 500 000 $ inte bränner 250 000 dollar i tokens, är något fel." Facebook-föräldern Meta körde en intern tävling som belönade hög tokenanvändning.
Men allt eftersom kostnaderna ackumulerades avtog entusiasmen. "När räkningarna började hopa sig insåg folk att de nya verktygen är ganska dyra och du måste använda dem klokt", säger Vincent Gusdorf, chef för AI-analys på Moody's Ratings och författare till en ny rapport som rekommenderar ett mer disciplinerat tillvägagångssätt.
"Det är väldigt lätt att skapa något du inte behöver med AI," tillade Gusdorf.
Executive Backlash
Motreaktionen har letts av några av teknikbranschens mest inflytelserika röster. Microsofts vd Satya Nadella medgav att tokenmaxxing kan vara beroendeframkallande men varnade för att kunder faktiskt betalar två gånger för AI – först för att spendera på tokens, och för det andra genom att mata ut sin egen data till AI-leverantörer. Nadellas kommentarer var ovanliga på det sätt som han väckte tvivel om dataskyddsgarantierna från ledande AI-företag, även när han främjade Microsofts egen AI-strategi.
Palantirs vd Alex Karp gick längre och berättade för CNBC att något hade gått "helt fel". Han sa att han kanaliserade amerikanska företags röst privat "livad" över att betala enorma summor för tokens som inte skapar något värde.
"Den grundläggande uppfattningen bland företag i det här landet är," Jag kommer att chilla och slösa bort min tid med tokens. Jag kommer att få något värde och de kommer att få min IP, "sa Karp.
Mozillas tekniska chef, Raffi Krikorian, jämförde tokenmaxxing med den misskrediterade metoden att mäta programmerares produktivitet med rader kod. "Jag tror att tokenmaxxing rör sig genom exakt samma mönster," sa han. "Jag tror att det här kommer att bli en intressant blip som vi alla kommer att se tillbaka för att skratta åt om ett år."
Kostnadsproblemet i stor skala
De ekonomiska konsekvenserna blir stora i företagsskala. Bain & Companys managementkonsult Jue Wang sa att många av de stora företagen som hennes företag ger råd har tittat närmare på avkastningen på sina AI-investeringar.
"Den symboliska kostnaden för dem har fördubblats, nästan varannan månad," sa Wang. "Låt oss säga $200 per utvecklare och månad. Multiplicera det med 20 000 utvecklare, vilket ofta är vad vi har att göra med på dessa företag, och det tar dig snabbt till ett nummer som inte är en rad som någon general manager har planerat för."
Wang pekade på ett vanligt missbruksmönster: att använda de mest kraftfulla – och dyraste – AI-modellerna för uppgifter som inte kräver dem. "Allt behöver inte en Claude Opus 4.6", sa hon om en av Anthropics mest kapabla modeller, lämpad för mjukvaruteknik eller djupgående forskning. "Och ändå ser du att så många företag, så många användare, som standard använder Opus för allt, inklusive att generera e-post."
Framväxten av modellrouting och öppna vikter
Kostnadspressen har underblåst efterfrågan på AI "modellrouting"-verktyg som automatiskt skickar enklare frågor till billigare, mer effektiva AI-system samtidigt som kraftfulla modeller reserveras för komplexa uppgifter. Mjukvaruutvecklaren Hassan El Mghari, som leder utvecklarupplevelsen vid startupen Together AI, sa att företagens dekalchock över den "löjliga summa pengar" som spenderas på prenumerationer på AI-produkter från ledande amerikanska företag har fått många att tänka om tillvägagångssättet för att maximera användningen.
"Det är bättre att bara ge medarbetarna möjlighet att använda dessa saker och låta dem använda AI när och hur mycket de behöver," sa El Mghari.
Samtidigt hittar förespråkare för hög tokenkonsumtion ny ammunition i modeller med öppen vikt från kinesiska startups som Moonshots Kimi och Zhipus GLM, som nästan matchar kapaciteten hos amerikanska toppmodeller till en bråkdel av kostnaden. Krikorian erkände att det finns "en viss giltighet för teorin att detta skulle kunna driva tokenmaxxing lite längre", men vidhöll att den bredare industritrenden går mot mer disciplinerad användning.
Lektioner för företaget
Tokenmaxxing-avsnittet erbjuder en varnande berättelse för företag som navigerar i AI-landskapet. Medan ledande AI-modellutvecklare som OpenAI och Anthropic dragit nytta av den ökade konsumtionen, har erfarenheten fått många organisationer att anta mer mätta tillvägagångssätt – med fokus på specifika användningsfall där AI ger mätbar avkastning snarare än att maximera rå användningsstatistik.
Eftersom den initiala AI-hypecykeln ger vika för pragmatisk implementering, kan de företag som lyckas vara de som behandlar AI som ett precisionsverktyg snarare än ett trubbigt instrument, som matchar rätt modell till rätt uppgift och håller ett öga på räkningen.
