Ren value-preserving label-relabel av de to norske header-labelene til engelsk på 51 ref-filer (22 bærer begge). Ny testet ren primitiv relabelHeaderDialect() (header-blokk-scoped, kollisjons-/multiforekomst-guard) + manifest-drevet driver relabel-dialect.mjs (frosset 51-fil-manifest, hard per-fil-invariant, idempotent, isMain-guard). **Dato:** bevisst UTE (body-template-felle → Enhet 2). Premiss-korreksjon i roadmap R22: tredje Dato-dialekt (16), 0 bold-duplikater (ikke 4), 1 datoløs (ikke 5), category-none = vindus-artefakt. test-relabel-dialect 11/11; diff +73/-73 0 linjer utover label; suite 782/782 exit 0.
22 KiB
Samfunnsøkonomisk analyse med NNV-beregning for AI-prosjekter
Last updated: 2026-02 (v1.0) Status: Gjeldende Category: Norwegian Public Sector AI Governance Konfidens: Høy (basert på DFØ veileder 2023 og Finansdepartementets R-109/21) Type: methodology
Innhold
- Introduksjon
- NNV-beregning (Netto nåverdi)
- Gjennomarbeidet eksempel: 5-årig AI-prosjekt
- Prissatte og ikke-prissatte virkninger
- Sensitivitetsanalyse
- Fordelingsvirkninger
- Skalering etter kompleksitet
- DFØs 8 arbeidsfaser anvendt på AI
- Nullalternativet for AI-prosjekter
- Kilder
- For Cosmo Skyberg
Introduksjon
Samfunnsøkonomisk analyse er en metode for å kartlegge og synliggjøre konsekvensene av offentlige tiltak, ved å presentere systematisk og sammenlignbar informasjon om fordeler og ulemper for samfunnet som helhet og for enkeltgrupper.
For AI-prosjekter i offentlig sektor er samfunnsøkonomisk analyse påkrevd når tiltaket har betydelige nytte- eller kostnadseffekter, inkludert vesentlige budsjettmessige konsekvenser for staten (jf. Utredningsinstruksen).
Hjemmel: Finansdepartementets rundskriv R-109/21 «Prinsipper og krav ved utarbeidelse av samfunnsøkonomiske analyser» fastsetter kravene.
Kilde: Regjeringen.no - Samfunnsøkonomiske analyser
NNV-beregning (Netto nåverdi)
Formel
Netto nåverdi (NNV) beregner den samlede lønnsomheten av et tiltak ved å diskontere alle fremtidige nytte- og kostnadsvirkninger til dagens verdi:
NNV = Σ (Bt - Ct) / (1 + r)^t
Der:
- Bt = Nyttevirkninger (benefits) i år t
- Ct = Kostnadsvirkninger (costs) i år t
- r = Kalkulasjonsrente (diskonteringsrente)
- t = År (0, 1, 2, ..., n)
- n = Analyseperiode
Tolkning:
- NNV > 0: Tiltaket er samfunnsøkonomisk lønnsomt (prissatte virkninger)
- NNV = 0: Tiltaket er nøytralt
- NNV < 0: Tiltaket er ikke lønnsomt basert på prissatte virkninger alene
Merk: NNV dekker kun prissatte virkninger. Et tiltak med negativ NNV kan likevel anbefales dersom ikke-prissatte virkninger er tilstrekkelig positive.
Kalkulasjonsrente (DFØ/Finansdepartementet)
Kalkulasjonsrenten representerer den samfunnsøkonomiske alternativkostnaden ved å binde kapital i tiltaket.
| Periode | Rente | Begrunnelse |
|---|---|---|
| 0-40 år | 4,0 % | Standard kalkulasjonsrente |
| 40-75 år | 3,0 % | Økt usikkerhet om alternativavkastning |
| Over 75 år | 2,0 % | Langsiktig usikkerhet |
For AI-prosjekter er analyseperioden typisk 3-7 år, så 4,0 % er gjeldende rente.
Kilde: DFØ - Samfunnsøkonomisk lønnsomhet (fase 5)
Diskonteringsfaktorer (4 % rente)
| År | Faktor 1/(1+0,04)^t | Forklaring |
|---|---|---|
| 0 | 1,000 | Nåverdi (ingen diskontering) |
| 1 | 0,962 | 1 krone om 1 år = 0,962 kr i dag |
| 2 | 0,925 | |
| 3 | 0,889 | |
| 4 | 0,855 | |
| 5 | 0,822 | 1 krone om 5 år = 0,822 kr i dag |
Skattefinansieringskostnad
Offentlige tiltak finansieres gjennom skatter. Skatteinnkreving medfører et effektivitetstap (dødvektstap). DFØ anbefaler en skattefinansieringskostnad på 20 %, som betyr at 1 krone i offentlig utgift koster samfunnet 1,20 kroner.
I NNV-beregningen skal kostnader som dekkes av offentlige midler multipliseres med 1,20.
Gjennomarbeidet eksempel: 5-årig AI-prosjekt
Scenario
En statlig etat vurderer å implementere AI-assistert saksbehandling med Azure AI. Prosjektet har følgende profil:
Investeringskostnader (år 0):
- Utvikling og implementering: 3 000 000 NOK
- Infrastruktur og lisenser (førsteår): 500 000 NOK
- Opplæring og endringsledelse: 800 000 NOK
- Sum investering: 4 300 000 NOK
Årlige driftskostnader (år 1-5):
- Azure-lisenser og compute: 600 000 NOK
- Drift og vedlikehold (intern): 400 000 NOK
- Modellovervåking og retraining: 200 000 NOK
- Sum årlig drift: 1 200 000 NOK
Årlige gevinster (år 1-5, gradvis opptrapping):
- Tidsbesparelse saksbehandling: 1 500 000 NOK (år 1: 50%, deretter fullt)
- Reduserte feil og omgjøringer: 400 000 NOK
- Frigjort kapasitet til komplekse saker: 600 000 NOK
- Sum årlig gevinst (fullt ut): 2 500 000 NOK
NNV-beregning
| År | Gevinster (NOK) | Kostnader (NOK) | Netto (NOK) | Diskonterings-faktor (4 %) | Nåverdi (NOK) |
|---|---|---|---|---|---|
| 0 | 0 | 5 160 000 | -5 160 000 | 1,000 | -5 160 000 |
| 1 | 1 650 000 | 1 440 000 | 210 000 | 0,962 | 202 020 |
| 2 | 2 500 000 | 1 440 000 | 1 060 000 | 0,925 | 980 500 |
| 3 | 2 500 000 | 1 440 000 | 1 060 000 | 0,889 | 942 340 |
| 4 | 2 500 000 | 1 440 000 | 1 060 000 | 0,855 | 906 300 |
| 5 | 2 500 000 | 1 440 000 | 1 060 000 | 0,822 | 871 320 |
| Sum | 11 650 000 | 12 360 000 | -1 257 520 |
Forklaring av kostnader:
- År 0: Investering 4 300 000 × 1,20 (skattefinansieringskostnad) = 5 160 000
- År 1-5: Drift 1 200 000 × 1,20 = 1 440 000
- År 1: Gevinster på 50 % opptrapping (pilot + utrulling): 750 000 + 400 000 + 500 000 = 1 650 000
NNV = -1 257 520 NOK
Basert på prissatte virkninger alene er prosjektet ikke samfunnsøkonomisk lønnsomt over 5 år. Men dette bildet er ufullstendig uten ikke-prissatte virkninger (se neste seksjon).
Utvidet analyse (7 år): Med 2 ekstra driftsår (år 6-7) med fulle gevinster tilkommer ytterligere ~1 600 000 NOK i nåverdi, noe som gjør NNV positiv (~340 000 NOK). AI-løsninger har typisk lenger levetid enn 5 år.
Prissatte og ikke-prissatte virkninger
Prissatte virkninger
Virkninger som kan verdsettes i kroner og inkluderes i NNV-beregningen.
| Virkning | Verdsettingsmetode | Eksempel (AI-prosjekt) |
|---|---|---|
| Tidsbesparelse saksbehandling | Timekostnad × timer spart | 1 500 timer/år × 1 000 kr/time = 1,5 MNOK |
| FTE-reduksjon / omallokering | Årsverkskostnad × FTE | 1,5 FTE × 900 000 = 1,35 MNOK |
| Reduserte feil og klagesaker | Kostnad per feil × reduksjon | 500 feil/år × 800 kr = 0,4 MNOK |
| Lisenskostnader | Kontraktsverdi | Azure-lisenser: 0,6 MNOK/år |
| Opplæringskostnader | Timer × timekostnad | 200 timer × 1 200 kr = 0,24 MNOK |
| Infrastrukturkostnader | Azure compute + storage | 0,3 MNOK/år |
Ikke-prissatte virkninger
Virkninger som ikke kan verdsettes i kroner på en faglig forsvarlig måte, men som likevel skal inkluderes i analysen gjennom kvalitativ vurdering.
Vurderingsskala:
| Symbol | Betydning |
|---|---|
| ++ | Stor positiv virkning |
| + | Positiv virkning |
| 0 | Nøytral / ubetydelig |
| - | Negativ virkning |
| -- | Stor negativ virkning |
Ikke-prissatte virkninger for AI-prosjekt:
| Virkning | Vurdering | Begrunnelse |
|---|---|---|
| Innbyggertilfredshet | ++ | Raskere svar, 24/7 tilgjengelighet, konsistent informasjon |
| Likebehandling av saker | ++ | AI sikrer konsistent behandling, reduserer skjønnsvariation |
| Rettssikkerhet | + | Bedre dokumentasjon av vedtaksgrunnlag |
| Innovasjonseffekt | + | Organisasjonen bygger kompetanse på AI og data |
| Medarbeidertilfredshet | + | Frigjøring fra rutinearbeid til mer meningsfulle oppgaver |
| Risiko for bias/diskriminering | - | AI kan videreføre eller forsterke skjevheter i treningsdata |
| Kompetanseavhengighet | - | Avhengighet av spesialistkompetanse for drift |
| Transparens i beslutninger | 0/+ | Avhenger av forklarbarhet (explainability) i AI-modellen |
| Personvern | - | Økt databehandling, krever DPIA og tiltak |
| Miljø (energiforbruk) | - | GPU-compute har høyere energiforbruk enn tradisjonell IT |
Samlet vurdering
Når NNV er negativ, men ikke-prissatte virkninger er overveiende positive, kan tiltaket likevel anbefales. I eksemplet over:
- NNV er svakt negativ (-1,3 MNOK over 5 år)
- Flere sterkt positive ikke-prissatte virkninger (innbyggertilfredshet, likebehandling)
- Samlet vurdering kan tilsi gjennomføring, med tydelig dokumentasjon av avveiningen
Sensitivitetsanalyse
Sensitivitetsanalyse tester hvordan endringer i usikre forutsetninger påvirker tiltakets lønnsomhet. For AI-prosjekter er følgende variabler typisk usikre:
Scenario 1: Lavere bruk (gevinster -50 %)
Forutsetning: Brukeradopsjon er lav, kun halvparten av forventede gevinster realiseres.
| År | Gevinster | Kostnader | Netto | Nåverdi |
|---|---|---|---|---|
| 0 | 0 | 5 160 000 | -5 160 000 | -5 160 000 |
| 1 | 825 000 | 1 440 000 | -615 000 | -591 630 |
| 2 | 1 250 000 | 1 440 000 | -190 000 | -175 750 |
| 3 | 1 250 000 | 1 440 000 | -190 000 | -168 910 |
| 4 | 1 250 000 | 1 440 000 | -190 000 | -162 450 |
| 5 | 1 250 000 | 1 440 000 | -190 000 | -156 180 |
| Sum | -6 414 920 |
NNV = -6 414 920 NOK. Prosjektet er klart ulønnsomt. Risikotiltak: Krev pilot med dokumentert brukertilfredshet før fullskala investering.
Scenario 2: Høyere bruk (gevinster +50 %)
Forutsetning: Rask adopsjon og høyere effekt enn forventet.
| År | Gevinster | Kostnader | Netto | Nåverdi |
|---|---|---|---|---|
| 0 | 0 | 5 160 000 | -5 160 000 | -5 160 000 |
| 1 | 2 475 000 | 1 440 000 | 1 035 000 | 995 670 |
| 2 | 3 750 000 | 1 440 000 | 2 310 000 | 2 136 750 |
| 3 | 3 750 000 | 1 440 000 | 2 310 000 | 2 053 590 |
| 4 | 3 750 000 | 1 440 000 | 2 310 000 | 1 975 050 |
| 5 | 3 750 000 | 1 440 000 | 2 310 000 | 1 899 420 |
| Sum | 3 900 480 |
NNV = +3 900 480 NOK. Prosjektet er klart lønnsomt.
Scenario 3: Kostnadsøkning (+30 %)
Forutsetning: Uforutsette kostnader (scope creep, kompleks integrasjon, lisensøkninger).
| Komponent | Basiskostnad | +30 % | Endring |
|---|---|---|---|
| Investering (år 0) | 4 300 000 | 5 590 000 | +1 290 000 |
| Drift per år | 1 200 000 | 1 560 000 | +360 000 |
| NNV-effekt (5 år) | -1 257 520 | -3 505 000 | -2 247 000 |
NNV = ca. -3 505 000 NOK. Betydelig forverring. Risikotiltak: Fast pris-kontrakt eller definerte terskler for kostnadsøkning.
Break-even-analyse
Spørsmål: Hvor mye gevinst per år trengs for at NNV = 0?
NNV = 0 når:
Σ Gevinster (diskontert) = Σ Kostnader (diskontert)
Diskonterte kostnader (5 år):
År 0: 5 160 000
År 1-5: 1 440 000 × (0,962 + 0,925 + 0,889 + 0,855 + 0,822) = 1 440 000 × 4,453 = 6 412 320
Sum: 11 572 320
For årlige gevinster G (fullt fra år 2, 50% år 1):
0,5G × 0,962 + G × (0,925 + 0,889 + 0,855 + 0,822)
= 0,481G + 3,491G
= 3,972G
3,972G = 11 572 320
G = 2 914 000 NOK/år
Break-even gevinst: ca. 2 914 000 NOK/år (mot antatt 2 500 000 NOK/år i basisscenarioet).
Prosjektet trenger ca. 16,6 % høyere gevinster enn estimert for å bli lønnsomt over 5 år. Med 7 års analyseperiode reduseres break-even til ca. 2 200 000 NOK/år.
Sammendrag sensitivitetsanalyse
| Scenario | NNV (NOK) | Vurdering |
|---|---|---|
| Basis (5 år) | -1 257 520 | Svakt ulønnsomt |
| Lavere bruk (-50 %) | -6 414 920 | Klart ulønnsomt |
| Høyere bruk (+50 %) | +3 900 480 | Klart lønnsomt |
| Kostnadsøkning (+30 %) | -3 505 000 | Betydelig ulønnsomt |
| Utvidet periode (7 år) | +340 000 | Marginalt lønnsomt |
| Break-even | 0 | Krever 2,9 MNOK/år gevinst |
Fordelingsvirkninger
Fordelingsvirkninger beskriver hvordan nytte og kostnader fordeles mellom ulike grupper i samfunnet.
Hvem bærer kostnadene?
| Gruppe | Kostnader | Beskrivelse |
|---|---|---|
| Statlig etat (budsjett) | Investering + drift | 4,3 MNOK + 1,2 MNOK/år |
| Skattebetalere (indirekte) | Skattefinansieringskostnad | 20 % tillegg på alle offentlige utgifter |
| Ansatte | Omstillingskostnader | Endret arbeidshverdag, opplæring, usikkerhet |
| IT-leverandør | Utviklingsinvestering | Eventuell samfinansiering / partnerskap |
Hvem får gevinstene?
| Gruppe | Gevinster | Beskrivelse |
|---|---|---|
| Innbyggere | Raskere svar, 24/7, bedre kvalitet | Direkte nytte av forbedret tjeneste |
| Saksbehandlere | Frigjøring fra rutinearbeid | Mer meningsfulle oppgaver, kompetanseheving |
| Organisasjonen | Effektivisering, kvalitetsheving | Bedre ressursbruk, færre feil |
| Samfunnet | Verdiskaping, innovasjon | Langsiktig kompetansebygging i offentlig sektor |
Fordelingsrettferdighet (equity)
For AI-prosjekter i offentlig sektor er det spesielt viktig å vurdere:
| Dimensjon | Spørsmål | Typisk risiko |
|---|---|---|
| Digital ekskludering | Hvem har ikke tilgang til digitale tjenester? | Eldre, personer med nedsatt funksjonsevne, personer uten norsk som morsmål |
| Algoritmisk skjevhet | Kan AI-systemet behandle grupper ulikt? | Bias i treningsdata kan forsterke eksisterende ulikheter |
| Geografisk fordeling | Er gevinster konsentrert i sentrale strøk? | Digital tilgjengelighet kan utjevne, men kompetanse er ofte sentralisert |
| Generasjonseffekt | Hvem bærer kostnader nå vs. gevinster senere? | Investeringskostnader nå, gevinster over tid |
| Arbeidsmarked | Påvirkes jobber eller roller negativt? | Omstilling nødvendig, men typisk augmentering fremfor erstatning |
Avbøtende tiltak:
- Tilby analoge alternativer for grupper som ikke kan bruke digitale tjenester
- Gjennomføre bias-testing og monitorering av AI-output
- Inkludere universell utforming (WCAG) i alle brukergrensesnitt
- Kompetanseheving og omskolering for berørte ansatte
Skalering etter kompleksitet
DFØs veileder anerkjenner at analyseomfanget skal tilpasses tiltakets betydning (proporsjonalitetsprinsippet).
ENKEL: Forenklet analyse
Når: Lav investering (< 1 MNOK), begrenset omfang, intern bruk, lav risiko.
Innhold:
- Enkel kost-nytte-tabell (ikke NNV)
- Kvalitativ vurdering av gevinster
- Ingen formell sensitivitetsanalyse
Mal: Enkel kost-nytte-tabell
| Post | Kostnad (NOK) | Gevinst (NOK) | Netto |
|---|---|---|---|
| Investering | 500 000 | - | -500 000 |
| Drift (3 år) | 360 000 | - | -360 000 |
| Tidsbesparelse (3 år) | - | 600 000 | +600 000 |
| Kvalitetsforbedring (3 år) | - | 200 000 | +200 000 |
| Sum | 860 000 | 800 000 | -60 000 |
Tilleggsvurdering: Kvalitative gevinster (++) veier opp for marginalt negativt netto.
Omfang: 2-5 sider, utarbeidet av prosjektleder med input fra økonomi.
MIDDELS: Forenklet NNV-analyse
Når: Middels investering (1-10 MNOK), berører flere enheter, moderat risiko.
Innhold:
- NNV-beregning med 3-5 års analyseperiode
- 2 scenarier (basis + pessimistisk)
- Ikke-prissatte virkninger med kvalitativ vurdering
- Enkel fordelingsanalyse
Mal: Forenklet NNV
| År | Gevinster | Kostnader | Netto | Nåverdi (4 %) |
|---|---|---|---|---|
| 0 | - | X × 1,20 | -X | -X |
| 1 | Y₁ | Z × 1,20 | Y₁-Z | (Y₁-Z)/1,04 |
| 2 | Y₂ | Z × 1,20 | Y₂-Z | (Y₂-Z)/1,04² |
| 3 | Y₃ | Z × 1,20 | Y₃-Z | (Y₃-Z)/1,04³ |
| NNV | Σ nåverdier |
Ikke-prissatte: Bruk vurderingsskala (++, +, 0, -, --)
Omfang: 10-20 sider, krever økonomiekspert og fagperson.
KOMPLEKS: Full samfunnsøkonomisk analyse
Når: Stor investering (> 10 MNOK), berører innbyggere, høy risiko, prinsipiell betydning.
Innhold (DFØs 8 arbeidsfaser):
- Problembeskrivelse og mål: Nullalternativ, målhierarki
- Identifisere tiltak: Minimum 3 alternativer inkl. nullalternativ
- Identifisere virkninger: Prissatte og ikke-prissatte, berørte grupper
- Kvantifisere og verdsette: NNV med 5-7 års analyseperiode
- Vurdere lønnsomhet: NNV + samlet vurdering inkl. ikke-prissatte
- Usikkerhetsanalyse: Sensitivitetsanalyse (3+ scenarier) + evt. Monte Carlo
- Fordelingsvirkninger: Hvem bærer kostnader, hvem får gevinster, equity
- Samlet vurdering: Anbefaling med dokumenterte avveininger
Tilleggskrav:
- Skattefinansieringskostnad (20 %) på alle offentlige utgifter
- Kalkulasjonsrente 4 % (evt. 3 % for analyse utover 40 år)
- Restverdi ved analyseperiodens slutt
- Referanse til nullalternativet for alle virkninger
Omfang: 30-80 sider, krever samfunnsøkonom, fageksperter, prosjektteam.
Kilde: DFØ - Veileder i samfunnsøkonomiske analyser (2023)
DFØs 8 arbeidsfaser anvendt på AI
For komplette analyser følger DFØ en 8-fase modell:
| Fase | Aktivitet | AI-tilpasning |
|---|---|---|
| 1 | Problembeskrivelse og mål | Definer AI-bruksområde, nullalternativ (fortsette uten AI) |
| 2 | Identifisere tiltak | Null + regelbasert + ML + LLM + hybrid |
| 3 | Identifisere virkninger | Inkluder bias-risiko, personvern, kompetanseeffekter |
| 4 | Kvantifisere og verdsette | Bruk pilot-data for å estimere gevinster, markedspriser for kostnader |
| 5 | Vurdere lønnsomhet | NNV + ikke-prissatte (innbyggertilfredshet, likebehandling) |
| 6 | Usikkerhetsanalyse | AI-spesifikk usikkerhet: modellytelse, adopsjon, teknologiendring |
| 7 | Fordelingsvirkninger | Digital ekskludering, algoritmisk skjevhet, arbeidsmarked |
| 8 | Samlet vurdering | Anbefaling med explicit avveining mellom NNV og kvalitative effekter |
Nullalternativet for AI-prosjekter
Nullalternativet er beskrivelsen av forventet utvikling uten tiltaket. Det er referansepunktet for all effektmåling.
For AI-prosjekter er nullalternativet typisk:
- Fortsette med dagens manuelle prosess
- Planlagte oppgraderinger av eksisterende IT-systemer (ikke AI)
- Forventet volumvekst og dens konsekvenser uten AI-støtte
Vanlig feil: Å sammenligne AI-løsningen med en «worst case» av dagens situasjon. Nullalternativet skal være en realistisk fremskrivning, inkludert normale effektiviseringer.
Eksempel:
«Uten AI-tiltaket forventer vi at saksbehandlingstiden forblir på 45 minutter per sak, med en volumøkning på 5 % per år. Med dagens bemanning vil dette kreve 0,5 FTE ekstra innen 3 år.»
Kilder
Offisielle kilder (høy konfidens)
- Finansdepartementet R-109/21: Prinsipper og krav ved utarbeidelse av samfunnsøkonomiske analyser (PDF)
- DFØ - Samfunnsøkonomiske analyser
- DFØ - Veileder i samfunnsøkonomiske analyser (2023)
- DFØ - Veileder i samfunnsøkonomiske analyser (PDF, juni 2023)
- DFØ - Sjekkliste og verktøy
- DFØ - Begreper
- Regjeringen.no - Samfunnsøkonomiske analyser
For Cosmo Skyberg
Når denne filen er relevant
Bruk denne referansen når:
- Kunden skal gjennomføre en samfunnsøkonomisk analyse for et AI-prosjekt
- NNV-beregning trengs for å sammenligne AI-alternativer
- Sensitivitetsanalyse skal dokumentere usikkerhet i AI-gevinster
- Fordelingsvirkninger av AI-tiltaket skal utredes
- Utredningsinstruksen krever formell analyse av et AI-tiltak
Nøkkelspørsmål å stille
-
«Hvor stor er investeringen, og hva utløser det av analysekrav?» — Bruk skaleringstrappen: ENKEL (< 1 MNOK), MIDDELS (1-10 MNOK), KOMPLEKS (> 10 MNOK). Ikke overdriv analysen for små tiltak.
-
«Hva er nullalternativet?» — Tving frem en realistisk beskrivelse av hva som skjer UTEN AI. Unngå å sammenligne med en kunstig dårlig nåsituasjon.
-
«Hvilke gevinster kan prissettes, og hvilke er kvalitative?» — Tidsbesparelse og FTE-frigjøring kan beregnes. Innbyggertilfredshet og likebehandling må vurderes kvalitativt. Begge er like viktige i beslutningen.
-
«Hva er den mest usikre forutsetningen?» — Identifiser variabelen som har størst påvirkning på NNV, og test den i sensitivitetsanalysen. For AI er dette typisk brukeradopsjon og faktisk nøyaktighet i produksjon.
-
«Hvem bærer kostnadene, og hvem får gevinstene?» — Press på fordelingsvirkninger. Hvis gevinster tilfaller innbyggere mens kostnader bæres av etaten, kan det kreve annen finansieringslogikk.
-
«Hva er break-even for dette prosjektet?» — Konkretiser hvor mye gevinst som trengs for lønnsomhet. Gir et intuitivt mål på risiko.
Advarselstegn
- Mangler nullalternativ → Analyse har ingen referansepunkt, resultatene er meningsløse
- Kun prissatte virkninger → Ignorerer vesentlige kvalitative effekter (rettssikkerhet, likebehandling)
- Overvurderte gevinster uten pilot-data → Typisk AI-optimisme, krev POC-resultater
- Ingen sensitivitetsanalyse → Beslutningsgrunnlag er for robust — virkeligheten har alltid usikkerhet
- Fordelingsvirkninger mangler → Risiko for at sårbare grupper blir oversett
Kalkulasjonssjekkliste
- Riktig kalkulasjonsrente brukt (4 % for 0-40 år)
- Skattefinansieringskostnad (20 %) inkludert på offentlige utgifter
- Nullalternativ realistisk beskrevet
- Gevinster basert på pilot-data eller sammenlignbare prosjekter
- Sensitivitetsanalyse med minimum 2 scenarier
- Ikke-prissatte virkninger kvalitativt vurdert
- Fordelingsvirkninger identifisert
- Restverdi ved analyseperiodens slutt vurdert