Add /ultraresearch-local for structured research combining local codebase analysis with external knowledge via parallel agent swarms. Produces research briefs with triangulation, confidence ratings, and source quality assessment. New command: /ultraresearch-local with modes --quick, --local, --external, --fg. New agents: research-orchestrator (opus), docs-researcher, community-researcher, security-researcher, contrarian-researcher, gemini-bridge (all sonnet). New template: research-brief-template.md. Integration: --research flag in /ultraplan-local accepts pre-built research briefs (up to 3), enriches the interview and exploration phases. Planning orchestrator cross-references brief findings during synthesis. Design principle: Context Engineering — right information to right agent at right time. Research briefs are structured artifacts in the pipeline: ultraresearch → brief → ultraplan --research → plan → ultraexecute. Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
266 lines
14 KiB
Markdown
266 lines
14 KiB
Markdown
# 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](https://www.regjeringen.no/no/dokumenter/samordning-og-styring-av-ikt-relaterte-i/id661897/)
|
|
|
|
### 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](https://www.dfo.no/fagomrader/statlig-regnskap/statlige-regnskapsstandarder-srs)
|
|
|
|
### 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](https://www.anbud365.no/regelverk/dfo-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](https://www.dell.com/no-no/blog/hvorfor-it-boer-vaere-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](https://www.dfo.no/fagomrader/styring-i-staten/etatsstyring/periodisert-regnskap-etter-srs-i-etatsstyringen/forskjellen-pa-periodisert-og-kontant-regnskap)
|
|
|
|
## 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](https://dfo.no/fagomrader/etats-og-virksomhetsstyring/fra-okonomiske-data-til-styringsinformasjon/bruk-av-okonomiske-data-i-virksomhetsstyringen/planlegge-og-budsjettere)
|
|
|
|
### 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](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ready/azure-setup-guide/manage-costs)
|
|
|
|
### 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](https://learn.microsoft.com/en-us/azure/cost-management-billing/costs/tutorial-acm-create-budgets)
|
|
|
|
### Tagging-strategi for AI-kostnader
|
|
|
|
Riktig tagging er kritisk for å spore AI-kostnader i Azure:
|
|
|
|
```json
|
|
{
|
|
"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](https://learn.microsoft.com/en-us/azure/cost-management-billing/costs/overview-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](https://learn.microsoft.com/en-us/azure/cost-management-billing/costs/tutorial-improved-exports)
|
|
|
|
## 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](https://www.regjeringen.no/no/dokumenter/samordning-og-styring-av-ikt-relaterte-i/id661897/)
|
|
- [Statlige regnskapsstandarder (SRS) | DFØ](https://www.dfo.no/fagomrader/statlig-regnskap/statlige-regnskapsstandarder-srs)
|
|
- [Innføring av obligatorisk SRS | DFØ](https://www.dfo.no/fagomrader/statlig-regnskap/innforing-av-obligatorisk-srs)
|
|
- [Forskjellen på periodisert og kontant regnskap | DFØ](https://www.dfo.no/fagomrader/styring-i-staten/etatsstyring/periodisert-regnskap-etter-srs-i-etatsstyringen/forskjellen-pa-periodisert-og-kontant-regnskap)
|
|
- [Planlegge og budsjettere | DFØ](https://dfo.no/fagomrader/etats-og-virksomhetsstyring/fra-okonomiske-data-til-styringsinformasjon/bruk-av-okonomiske-data-i-virksomhetsstyringen/planlegge-og-budsjettere)
|
|
- [DFØ: Trengs lovverk som kan legge til rette for KI-bruk i anskaffelser](https://www.anbud365.no/regelverk/dfo-trengs-lovverk-som-kan-legge-til-rette-for-ki-bruk-i-anskaffelser/)
|
|
|
|
### Norske kilder (skytjenester og digitalisering)
|
|
- [Dell: Hvorfor IT bør være OPEX](https://www.dell.com/no-no/blog/hvorfor-it-boer-vaere-opex/)
|
|
- [Markedet for skytjenester i offentlig sektor (DFØ, Menon & A-2)](https://markedsplassen.anskaffelser.no/sites/default/files/2024-09/2022_Markedet%20for%20skytjenester%20i%20offentlig%20sektor.pdf)
|
|
|
|
### Microsoft-kilder (Azure Cost Management)
|
|
- [Manage costs and billing for Azure resources](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ready/azure-setup-guide/manage-costs)
|
|
- [What is Microsoft Cost Management](https://learn.microsoft.com/en-us/azure/cost-management-billing/costs/overview-cost-management)
|
|
- [Tutorial: Create and manage budgets](https://learn.microsoft.com/en-us/azure/cost-management-billing/costs/tutorial-acm-create-budgets)
|
|
- [Introduction to Cost Management and Savings](https://learn.microsoft.com/en-us/microsoft-for-startups/cost-mgmt)
|
|
- [Budgeting (FinOps Framework)](https://learn.microsoft.com/en-us/cloud-computing/finops/framework/quantify/budgeting)
|
|
- [Export cost data](https://learn.microsoft.com/en-us/azure/cost-management-billing/costs/tutorial-improved-exports)
|
|
|
|
**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.
|