Sluta köra all AI på högsta växeln — sätt nivå på uppgiften i stället

De flesta bolag som har kommit igång med AI har en kostnadspost som växer utan att någon har fattat ett beslut om den. Den växer för att varje uppgift som standard går till det kraftfullaste verktyg som finns tillgängligt. Ingen har bestämt att det ska vara så. Det blev bara så.

Jämför med hur vi bemannar arbete i övrigt. Ingen chef skickar sin dyraste konsult på varje möte, eller sätter sin mest seniora medarbetare på att boka om kalendern. Vi bemannar efter vad uppgiften kräver, för att det är billigare och för att det blir bättre. På AI-sidan gör de flesta tvärtom.

Och det handlar inte bara om fakturan. Anthropic, ett av labben som bygger de här modellerna, publicerade i somras forskning som visar att mer tankearbete inte alltid ger bättre svar: ju längre en modell tillåts resonera, desto större är risken att den fastnar i irrelevanta detaljer eller applicerar en avancerad lösning på en enkel fråga. Fel svar, levererat med full säkerhet. Den dyraste modellen är alltså inte bara dyrast. På fel uppgift är den ofta sämre.

Slutsatsen många drar av det här är att man ska välja rätt modell. Vi drog den slutsatsen själva ett tag, och den håller inte i en organisation. Det blir ett beslut som måste fattas varje gång, av personer som har annat att göra. Då blir det inte fattat, och allt går på högsta växeln igen.

Så vi flyttade beslutet dit det hör hemma: in i systemet som fördelar arbetet. Det kallas model routing, och hos oss betyder det att varje uppgift får en nivå när den beställs, uttryckt som en människoroll:

Lägg märke till den tredje kolumnen. Frågan som avgör nivån är inte hur svår uppgiften är, utan vad det kostar om svaret blir fel. En trivial uppgift vars fel raderar en kundsida behöver en högre nivå än en klurig uppgift vars fel syns direkt. Det är en fråga varje chef redan kan besvara — och den som beställer arbetet behöver inte veta vad en token kostar för att besvara den.

Vilken faktisk modell som svarar på junior just den här månaden är en helt annan fråga, och den ägs av en AI-ingenjör. Att utvärdera modeller är ett eget hantverk: nya släpp varje kvartal, olika styrkor, olika priser, och ett löpande arbete med att mäta vilken som faktiskt klarar vilken nivå. Det ska en person göra ordentligt, inte tjugo personer gissa om i förbifarten.

Så här ser vår mappning ut i skrivande stund, 16 augusti 2026. De två lägsta nivåerna kör en liten, billig modell på molnkrediter. Rutinnivån kör en något större. Senior kör antingen vår kraftigaste kreditmodell eller Claude, beroende på uppgift. De tyngsta nivåerna kör det mest kapabla vi har tillgång till. Att den listan står i en bloggpost är egentligen ett misstag, för den kommer att vara inaktuell inom veckor. Vi bytte modell på en av nivåerna så sent som den 9 augusti, en vecka innan det här skrevs.

Och det är hela poängen med konstruktionen. Listan bor på ett enda ställe. Ett byte är en rad, och datumet för senaste utvärderingen står bredvid. Det lärde vi oss den hårda vägen: en färdig uppgradering blev liggande i ett manuellt steg som ingen körde, och maskinerna satt kvar på den gamla modellen i en vecka medan molnkrediterna brann oanvända. Ett modellnamn står därför aldrig i en uppgift hos oss. Skillnaden är att kunna byta modell på en eftermiddag i stället för att leta upp modellnamn i hundra dokument.

Vi börjar alltid lågt. En uppgift utan angiven nivå körs på det billigaste, för en glömd markering ska aldrig kunna dra det dyraste alternativet. Sedan får testet höja. Håller inte resonemanget, eller kräver uppgiften ett omdöme den inte fått, så höjs nivån och skälet skrivs ner. Uppåt är alltid tillåtet. Nedåt kräver ett aktivt beslut. Det låter bakvänt om man bara tänker kostnad, men en dålig leverans kostar mer än några tokens.

Vi började med två nivåer: billigt för rutin, dyrt för det kreativa. Det blev för trubbigt nästan direkt. Alldeles för mycket hamnade i kreativ bara för att det inte var uppenbar rutin, och då är hela klassningen meningslös och räkningen dyr igen. Nu har vi sju.

Det låter kanske som överarbete tills man tittar på en verklig uppgift. Skriv en artikel om licensmodellen ser ut som ett seniorjobb. I själva verket är det tre. Att hämta fakta ur källan kräver noggrannhet men inget omdöme. Att skriva texten i vår röst är där hela värdet ligger. Att publicera och kontrollera länkarna är rent mekaniskt. Kör man alltihop på seniornivå betalar man toppris för två tredjedelar av arbetet. Kör man alltihop billigt blir texten medioker. Båda är fel, och det andra felet är dyrare. Regeln blev därför: kan uppgiften delas så att det dyra steget blir litet, dela den.

Det här är inget nytt för någon som har bemannat ett team. Vi vet redan att rätt person på rätt uppgift är både billigare och bättre, och vi bygger organisationer där det framgår i stället för att avgöras från fall till fall. Model routing är samma disciplin. Skillnaden är att de flesta fortfarande kör allt på högsta växeln av gammal vana, och betalar för det två gånger: en gång på fakturan och en gång i kvalitet.

Så nästa gång någon i er organisation sätter en AI-uppgift, fråga inte vilken modell den ska köras på. Fråga vad det kostar om svaret blir fel. Svaret på den frågan är nivån, och den kan ni besvara utan att veta vad en enda modell heter.