ms-ai-architect/skills/ms-ai-governance/references/norwegian-public-sector-governance/budget-and-accounting-ai-costs.md

Budsjett- og regnskapskrav for AI-kostnader

Last updated: 2026-02 Status: Gjeldende Category: Norwegian Public Sector AI Governance

---

Introduksjon

AI-investeringer i norsk offentlig sektor må følge etablerte rammeverk for økonomistyring, men krever samtidig nye tilnærminger til budsjettering og kostnadsklassifisering. Denne referansen dekker regelverk, kostnadstyper, og praktisk veiledning for å håndtere AI-kostnader innenfor statens økonomiregelverket.

Offentlige virksomheter må balansere tradisjonelle regnskap- og budsjettprinsipper med den dynamiske naturen til AI-tjenester — inkludert skytjenester, konsumbaserte modeller, og kontinuerlig læring/tilpasning.

Relevant regelverk

Økonomiregelverket (Statens økonomistyring)

Statlige virksomheter underlegges generelle krav ved planlegging av alle typer investeringer gjennom Økonomiregelverket (Regelverket for økonomistyring i staten). Dette inkluderer:

• Utredningsinstruksen — Krav om konsekvensanalyse før større investeringer
• Bestemmelser for økonomistyring i staten — Overordnet rammeverk
• Statens prosjektmodell — For store investeringer (ofte over 750 mill. NOK)

For ICT-investeringer gjelder spesifikke krav om:

• Samordning og koordinering av IKT-anskaffelser
• Sikkerhetskrav (NSM Grunnprinsipper)
• Interoperabilitet mellom systemer
• Gevinstrealisering og måloppnåelse

Referanse: Samordning og styring av IKT-relaterte investeringer i staten

Statlige regnskapsstandarder (SRS)

Alle statlige virksomheter skal føre regnskap etter periodiseringsprinsippet i henhold til SRS, og innen 1. januar 2027 skal alle ha implementert disse standardene fullt ut.

Periodiseringsprinsippet innebærer at kostnader og inntekter registreres i den perioden de faktisk oppstår — uavhengig av fakturering og betaling. Dette er spesielt relevant for:

• Skytjenester og AI-plattformer med månedlig/årlig abonnement
• Konsumbaserte tjenester (pay-per-use) som Azure OpenAI Service
• Programvarelisenser med flerårige avtaler

Referanse: Statlige regnskapsstandarder (SRS) | DFØ

DFØs veiledere

DFØ (Direktoratet for forvaltning og økonomistyring) tilbyr veiledning på:

• Periodisert regnskap i virksomhetsstyring
• Periodisering av inntekter og kostnader
• Balanse og oppstillinger

DFØ har også startet arbeid med AI i anskaffelser, inkludert testing av generativ AI for konkrete arbeidsoppgaver — men per 2026 finnes ingen spesifikk veileder for AI-kostnadsbudsjettering.

Referanse: DFØ: Trengs lovverk som kan legge til rette for KI-bruk i anskaffelser

AI-kostnadstyper

CapEx vs OpEx

Tradisjonelt skilles IT-investeringer i:

Type	Beskrivelse	Eksempler i AI-kontekst
CapEx (Investeringskostnader)	Engangskostnader for eiendeler med langsiktig verdi (avskrives over tid)	Egenutviklet AI-modell, GPU-servere on-premises, perpetual licenses
OpEx (Driftskostnader)	Løpende kostnader for drift og vedlikehold	Azure AI Services (konsumbasert), Copilot-lisenser, API-kall, treningstokens

Skift til OpEx-modell: AI-tjenester i skyen følger primært OpEx-modellen — organisasjoner betaler for det de bruker (pay-as-you-go). Dette gir fleksibilitet, men krever sterkere budsjettkontroll og kontinuerlig overvåking.

Referanse: Dell: Hvorfor IT bør være OPEX

AI-spesifikke kostnadskategorier

For AI i offentlig sektor, må budsjettet dekke:

1. Plattformkostnader

   • Azure AI Foundry, Azure OpenAI Service, Copilot Studio
   • Regnskapsføres som abonnement eller konsumbasert tjeneste (OpEx)

2. Lisenskostnader

   • Microsoft 365 Copilot, Power Automate Premium, Copilot Studio
   • Periodiseres over avtaleperioden (månedlig/årlig)

3. Utviklingskostnader

   • Egenutviklede modeller, prompt engineering, RAG-løsninger
   • Kan klassifiseres som CapEx hvis de resulterer i eiendomsrett til løsningen
   • Konsulentinnsats periodiseres når tjenesten leveres

4. Trenings- og inferenskostnader

   • Tokens (GPT-4, Embedding-modeller), GPU-tid, Azure Machine Learning
   • Regnskapsføres løpende (OpEx)

5. Datalagrings- og prosesseringskostnader

   • Azure AI Search, Blob Storage, Cosmos DB for vektordatabaser
   • Periodiseres månedlig (OpEx)

6. Drift og vedlikehold

   • Overvåking, re-training, evaluering, incident-håndtering
   • Løpende driftskostnader (OpEx)

Periodisering av skytjenester

Skytjenester (inkludert AI-plattformer) skal periodiseres slik at kostnadene reflekteres i den perioden tjenesten konsumeres — ikke når fakturaen betales.

Eksempel:

• En 12-måneders Azure-avtale på 1,2 mill. NOK betales i januar 2026
• Regnskapsføring: 100 000 NOK per måned i 12 måneder (ikke hele beløpet i januar)

Referanse: Forskjellen på periodisert og kontant regnskap | DFØ

Budsjettplanlegging for AI

Budsjettprosess i statlig sektor

1. Utgangspunkt: Virksomhetens oppdrag, mål og strategier + årlig tildelingsbrev fra departementet
2. Analyse: Hvilke AI-kapabiliteter trengs for å oppnå målene?
3. Estimering: Kostnadsberegning basert på forventet volum (brukere, tokens, data)
4. Dokumentasjon: Gevinstrealisering, risiko, og compliance
5. Godkjenning: Intern (ledelse) og ekstern (departement/Stortinget for store prosjekter)
6. Oppfølging: Kontinuerlig evaluering mot budsjett og gevinst

Referanse: Planlegge og budsjettere | DFØ

Estimeringsteknikker for AI-kostnader

Metode	Når bruke	Utfordringer
Historisk data	Eksisterende AI-løsninger	Manglende historikk i tidlige faser
Volumbasert	Konsumbaserte tjenester (tokens, brukere)	Usikkerhet i bruksmønstre
Scenarioanalyse	Nye AI-kapabiliteter	Best case / worst case / most likely
Benchmarking	Sammenligne med andre virksomheter	Begrenset åpenhet om AI-kostnader
Leverandørestimat	POC-fase	Kan undervurdere produksjonskostnader

Beste praksis: Start med konservativt estimat (worst case) for første budsjettår, og juster basert på faktisk forbruk.

Budsjettoppfølging og justering

AI-kostnader kan variere betydelig fra måned til måned avhengig av:

• Brukervekst
• Endringer i bruksmønstre (flere/lengre samtaler)
• Nye features som øker token-forbruk
• Modellbytte (GPT-4 → GPT-4 Turbo → GPT-5)

Anbefalinger:

• Månedlig review av faktiske kostnader vs budsjett
• Kvartalsvis justering av prognoser
• Automatisk alerting ved uventede kostnadsøkninger (Azure Cost Management)

Azure Cost Management for offentlig sektor

Tilgjengelige verktøy

Microsoft Azure tilbyr innebygde verktøy for offentlige virksomheter:

Verktøy	Formål	Relevans for AI
Cost Analysis	Interaktiv analyse av kostnader	Spor AI-tjenester separat (tagging)
Budgets	Opprett budsjetter og alerts	Budsjett per AI-prosjekt eller plattform
Cost Alerts	Varsling ved avvik	Kritisk for konsumbaserte AI-tjenester
Advisor Recommendations	Optimaliseringsforslag	Identifiser underutnyttede AI-ressurser

Referanse: Manage costs and billing for Azure resources

Budsjetter i Azure Cost Management

Opprett budsjetter for:

1. Subscription-nivå — Totalt for alle AI-tjenester
2. Resource group-nivå — Per AI-prosjekt/applikasjon
3. Tag-basert — Per kostnadssenter, prosjekt, eller miljø (test/prod)

Budgettyper:

• Actual cost budget — Basert på faktisk forbruk
• Forecasted cost budget — Basert på forventet forbruk (AI/ML-prognoser)

Alerts:

• E-postvarsel når budsjett når 50%, 80%, 100% av grensen
• Integrasjon med Azure Logic Apps for automatiske tiltak (f.eks. stoppe ressurser)

Referanse: Tutorial: Create and manage budgets

Tagging-strategi for AI-kostnader

Riktig tagging er kritisk for å spore AI-kostnader i Azure:

{
  "tags": {
    "Project": "AI-Chatbot-Innbyggertjeneste",
    "CostCenter": "IT-1234",
    "Environment": "Production",
    "Service": "Azure-OpenAI",
    "Department": "Kundesenter",
    "Compliance": "GDPR"
  }
}

Bruk tag inheritance og cost allocation rules i Azure for automatisk tagging av underliggende ressurser.

Referanse: What is Microsoft Cost Management

Eksport av kostnadsdata

For integrering med interne økonomiverktøy:

• Automatisk eksport til Azure Storage (daglig/ukentlig/månedlig)
• Analyser i Excel, Power BI, eller internt BI-system
• Støtter detaljert kostnadsrapportering per ressurs, tag, og tidsperiode

Referanse: Export cost data

For arkitekten (Cosmo)

Som Microsoft AI Solution Architect må du kunne veilede offentlige kunder på:

1. Kostnadsklassifisering: "Hvordan skal vi klassifisere kostnader for Copilot Studio-løsningen vår — er det CapEx eller OpEx? Hva med egenutviklede plugins?"

2. Periodisering av abonnementer: "Vi kjøper 1000 Copilot-lisenser for 12 måneder. Hvordan skal vi periodisere dette i regnskapet?"

3. Budsjettusikkerhet: "Vi vet ikke hvor mange tokens vi vil bruke. Hvordan kan vi lage et realistisk budsjett uten historiske data?"

4. Azure Cost Management-oppsett: "Hvilke budsjetter og alerts skal vi sette opp i Azure for å unngå kostnadsoverskridelser på AI-tjenester?"

5. Gevinstrealisering: "Hvordan dokumenterer vi forventede gevinster fra AI-investeringen slik at det samsvarer med kravene i Økonomiregelverket?"

6. SRS-implementering: "Hva betyr SRS-kravet om periodisering for vår AI-plattform som kjører på Azure? Hva må vi gjøre innen 2027?"

7. Kostnadsoptimalisering: "Vi har fått varsel om høy Azure AI-kostnad. Hvilke tiltak kan vi gjøre for å optimalisere uten å gå på bekostning av funksjonalitet?"

8. Compliance og transparens: "Hvordan sikrer vi at AI-kostnadene våre er sporbare og revisjonsklare i henhold til statens økonomiregelverket?"

Kilder og verifisering

Norske kilder (regelverk)

• Samordning og styring av IKT-relaterte investeringer i staten
• Statlige regnskapsstandarder (SRS) | DFØ
• Innføring av obligatorisk SRS | DFØ
• Forskjellen på periodisert og kontant regnskap | DFØ
• Planlegge og budsjettere | DFØ
• DFØ: Trengs lovverk som kan legge til rette for KI-bruk i anskaffelser

Norske kilder (skytjenester og digitalisering)

• Dell: Hvorfor IT bør være OPEX
• Markedet for skytjenester i offentlig sektor (DFØ, Menon & A-2)

Microsoft-kilder (Azure Cost Management)

• Manage costs and billing for Azure resources
• What is Microsoft Cost Management
• Tutorial: Create and manage budgets
• Introduction to Cost Management and Savings
• Budgeting (FinOps Framework)
• Export cost data

Sist verifisert: 2026-02-05

---

Note til arkitekten: Norsk offentlig sektor har ikke publisert spesifikke retningslinjer for AI-kostnadsbudsjettering per 2026. Denne referansen kombinerer generelle prinsipper fra Økonomiregelverket, SRS, og DFØs veiledning — sammen med Azure Cost Management beste praksis. For komplekse scenarioer, anbefal at kunden konsulterer sin økonomifunksjon og eventuelt DFØ direkte.