Varje affärscase för lokal AI stöter förr eller senare på samma fråga från ekonomiavdelningen: är det här faktiskt billigare än att bara betala en molnleverantör? Det ärliga svaret är att det beror på, och den som säger något annat har något att sälja. Så låt oss lägga fram den verkliga räkningen, inklusive de delar som inte talar till vår fördel.
Så debiterar moln-AI er
Det finns två mätare som tickar. Produkter per användare tar ut en fast månadsavgift för varje person. API:er per token tar betalt för texten som går in och, dyrare, för texten som kommer ut. I skrivande stund 2026 ligger en frontmodell i mellanskiktet någonstans runt två till tre dollar per miljon inmatade tokens och tio till femton dollar per miljon utmatade tokens, enligt de publicerade priserna från Anthropic, OpenAI och Google. Det finns också betydligt billigare nivåer med små modeller, en del så lågt som tio till fyrtio cent per miljon tokens, och för lätta arbetsbelastningar är de ärligt talat svåra att slå.
Den sista poängen är viktig, så jag säger den rakt ut. Om en handfull personer använder AI då och då är molnet troligen billigare än att köpa en GPU, och då ska ni använda molnet. Ekonomin i lokal AI avgörs inte av det enkla fallet. Den avgörs av volym.
Där mätaren börjar göra ont
Kostnaderna slutar vara försumbara i tre situationer. Den första är samtidighet: många människor som använder assistenten på en gång, hela dagen. Den andra är sökning i långa dokument, där varje fråga drar en stor mängd kontext genom modellen och varje token debiteras. Den tredje är agentisk användning, där modellen anropar sig själv i loopar för att slutföra en uppgift och tyst multiplicerar antalet tokens med tio eller mer. En enda storanvändare som kör agentiska arbetsflöden kan bränna hundratusentals tokens om dagen. Multiplicera det med en hel avdelning och månadsfakturan slutar se ut som en avrundningspost.
Det är den här profilen som gör att ägd hårdvara ändrar bilden, och det råkar vara exakt profilen för ett företag som vill väva in AI i det dagliga arbetet i stället för att använda den som en nyhet.
Break-even, ärligt talat
Det finns en användbar studie om detta från 2025, en kostnads- och nyttoanalys av lokal LLM-driftsättning, och dess siffror är värda att citera eftersom de varken är hype eller avfärdande. En enda modern konsument-GPU kan betjäna en modell med 24 till 32 miljarder parametrar med ungefär 150 till 200 tokens per sekund. För en liten men jämn arbetsbelastning finner författarna att hårdvaran betalar sig mot kommersiella API-kostnader på månader, ibland på under en. För större driftsättningar på datacenter-GPU:er sträcker sig återbetalningen till några år, och den håller bara om ni faktiskt håller hårdvaran sysselsatt.
Den reservationen är hela spelet. En GPU som ni köpte och lät stå oanvänd är det dyraste sättet att köra AI som någonsin uppfunnits. Break-even förutsätter uthållig nyttjandegrad, och oberoende analyser placerar brytpunkten där egen drift slår molnet någonstans norr om femtio procents jämn användning. Under det betalar ni för kisel som tar tupplur.
Sammanfattningen på en rad inför ekonomimötet. Moln-AI är billigare för lätt eller ojämn användning. Ägd hårdvara är billigare för tung, förutsägbar användning, och den betalar sig på månader i stället för år så snart maskinen är genuint sysselsatt. Välj verktyget som matchar er faktiska användning, inte det med den snyggare bilden.
Posten ingen budgeterar
Här är det de flesta gör-det-själv-projekt för lokal drift tyst blöder pengar. Det är inte hårdvaran. Det är personen. Att köra sin egen inferensstack innebär att någon måste hålla modellerna uppdaterade, GPU:erna friska, drivrutinerna aktuella och säkerheten patchad. Analyser av total ägandekostnad för lokal drift finner gång på gång att en deltidsanställd infrastrukturingenjör, säg en halv heltidstjänst till sjuttiofem till hundratusen dollar om året, är den enskilt största posten över tre år, större än servrarna.
Detta är den ärliga svaga punkten i naiv egen drift, och det är också precis det problem en förvaltad box finns till för att lösa. När lådan anländer förkonfigurerad och någon annan sköter uppdateringar och övervakning försvinner den personalposten ur er budget. Skillnaden mellan att "köra egna modeller" och att "äga en box som kör era modeller" ligger mestadels i just den här posten.
Värdet som inte står på fakturan
Kostnadsjämförelser som stannar vid tokens missar själva anledningen till att de flesta av våra kunder är här från början. När modellen körs i er byggnad blir er data aldrig en överföring att bedöma, ett intrång som väntar på att rapporteras, eller ett beroende av en leverantör som kan ändra sina priser eller sina villkor. IBM:s intrångsforskning för 2025 anger den globala genomsnittskostnaden för ett dataintrång till 4,44 miljoner dollar, och pekar på ett verkligt påslag när osanktionerade AI-verktyg är inblandade. Inget av detta syns i en offert per token, men det är riktiga pengar och riktig risk.
Så fattar ni beslutet på riktigt
Hoppa över leverantörernas kalkylark och gör så här i stället. Uppskatta er stabila användning i tokens per månad, ärligt, inklusive de agentiska och långkontextbelastningar ni planerar att växa in i. Om den är liten och sannolikt förblir liten, använd molnet och njut av det. Om den är stor, eller växer snabbt, eller rör data ni inte kan skicka ut ur byggnaden, prissätt då det ägda alternativet ordentligt, inklusive den personal ni slipper med en förvaltad box, och jämför det med den molnräkning ni skulle skriva under på att betala varje månad, för alltid. För många reglerade, AI-hungriga organisationer är den jämförelsen inte jämn. För andra är den genuint det, och vi säger hellre det till er än vinner en affär ni kommer att ångra.