De fleste verktøyene i en inntektsstakk er enkle å sette inn i en plan. Du vet hvor mange ansatte du skal ha neste år, du kjenner prisen per bruker, og budsjettposten skriver nesten seg selv. AI-posten er vanskeligere. Kostnaden avhenger av hvor mange oppfølgings-e-poster salgsrepresentantene dine utarbeider med AI, hvor mange kundesamtaler som oppsummeres, hvor ofte en agent undersøker en konto før et møte, og hvilke modeller som utfører arbeidet. Ingen av disse tallene finnes i HR-systemet ditt.
Dette avviket blir stadig vanskeligere å ignorere. I Creatios rapport Status for bruk av AI i virksomheter 2026, en undersøkelse blant 608 beslutningstakere innen IT og forretningsvirksomhet, svarte 78 % at de forventer å skalere AI-agenter på tvers av avdelinger eller bruksområder i løpet av tolv måneder. Den samme rapporten viser at budsjettspørsmålet blir viktigere etter hvert som selskapene modnes. Kommersielle modeller og budsjetter ble oppgitt som en hindring for bredere bruk av AI av 24 % av organisasjonene på det tidligste stadiet og av 35 % av de mest avanserte.
Jeg vil legge til én ting før noen åpner et regneark. En av de største risikoene jeg ser ved innføring av AI, er at man introduserer agenter i eksisterende prosesser uten å vurdere hvordan prosessene egentlig bør kjøres. Hvis salgsrepresentantene fortsatt koordinerer hvert trinn manuelt og kopierer informasjon mellom frakoblede systemer, forblir mye av AIs potensial uutnyttet. For RevOps får dette en praktisk konsekvens: En kredittprognose er bare så god som arbeidsflyten den beskriver.
Denne veiledningen forklarer hvordan AI-kreditter fungerer i Creatio, hva som gjør at en inntektsarbeidsflyt bruker flere eller færre av dem, hvordan AI-pakkene er strukturert, og hvordan du lager en prognose og holder deg til den når agentene er satt i drift.
Viktigste punkter
- En AI-kreditt er Creatios felles enhet for målt AI-arbeid, delt på tvers av støttede modeller, leverandører og kanaler.
- Én forespørsel kan bruke flere kreditter, fordi en agent kan foreta mer enn ett AI-kall for å fullføre en oppgave. Kall til andre forretningssystemer bruker ikke kreditter i seg selv.
- Ubrukte Creatio AI-kreditter overføres fra måned til måned og mellom abonnementsår innenfor avtaleperioden.
- Lag prognoser basert på inntektsaktiviteter og hvor ofte de kjøres, mål faktisk bruk i et testmiljø, og sammenlign deretter faktisk bruk med planen hver måned.
Hva er en AI-kreditt i Creatio?
En AI-kreditt er standardenheten Creatio bruker til å måle hvor mye av de støttede AI-tjenestene organisasjonen bruker. Hver gang en AI-funksjon utfører en målt operasjon, bruker den kreditter. Å utarbeide en personlig salgs-e-post, oppsummere et kundemøte, hente ut vilkår fra en kontrakt og svare på et spørsmål fra kunnskapsbasen din er eksempler på dette. Den samme enheten dekker AI i Creatio AI CRM og i de tilpassede applikasjonene og agentene selskaper bygger på Creatio-plattformen, fra en personlig agent for en salgsrepresentant til en virksomhetsagent som kjører en prosess med flere trinn.
Kreditter bygger på tokens, enhetene for tekst som en modell faktisk behandler. Inndatatokens er alt modellen leser: instruksjonen din, kontohistorikken som hentes fra CRM-systemet, et vedlagt dokument og samtalen så langt. Utdata-tokens er det den skriver tilbake. Antallet tokens varierer kraftig fra oppgave til oppgave, og hver modell har sine egne tokenpriser. Kreditter samler alt dette i ett enkelt brukstall som du kan planlegge og overvåke på ett sted. De er ikke en fast konvertering fra tokens, så tusen tokens på en lettvektsmodell og tusen på en resonneringsmodell vil vanligvis bruke et forskjellig antall kreditter.
De første prognosene går ofte galt fordi man behandler en forespørsel og en kreditt som det samme. Tenk deg at en salgsrepresentant ber en agent forberede seg til morgendagens fornyelsessamtale. For å svare kan agenten klassifisere forespørselen, hente relevant informasjon, analysere en kontrakt, utarbeide samtalepunkter og kontrollere resultatet. Hvert av disse trinnene kan være et separat modellkall, og hvert av dem øker totalen. Hvis du derfor planlegger med én kreditt per forespørsel, blir prognosen for lav.
Hvorfor én kredittkvote på tvers av modeller er viktig for budsjetteringen
Creatio støtter flere leverandører av AI-modeller gjennom det samme kredittregelverket. Avhengig av pakken og oppsettet ditt kan du kjøre modeller fra OpenAI, Google og Anthropic til ulike oppgaver, og alle trekker fra én og samme kvote. Det finnes ingen separat saldo som må kjøpes, følges opp eller avstemmes for hver leverandør. Kvoteordningen omfatter også mer enn tekst, blant annet tale-, dokument- og bildeforståelse, tale-til-tekst og tekst-til-tale.
Se for deg en innkommende samtale fra en potensiell kunde. En taleagent gjør innringerens tale om til tekst, en språkmodell finner ut hva innringeren ber om, agenten finner faktaene den trenger, og svaret leses opp. Ulike leverandører kan drive de forskjellige trinnene i den samme samtalen. Hvert trinn har sin egen sats, og alle målte AI-tjenester i samtalen trekker fra den samme kredittpuljen.
For meg handler budsjetteringsargumentet om hvor raskt modellmarkedet utvikler seg. Hver gang du våkner om morgenen, finnes det en ny modell som slår rekorder i tester. Jeg tror ikke et programvareselskap kan matche investeringene til leverandørene av de mest avanserte modellene, og det prøver heller ikke Creatio å gjøre. Tilnærmingen deres er å ta i bruk de beste modellene og holde arkitekturen åpen, slik at kundene kan dra nytte av hver ny bølge når den kommer.
For et RevOps-team betyr det at det å flytte en arbeidsflyt til en nyere eller rimeligere modell skjer innenfor planen du allerede har. Du endrer modellen som er valgt for agenten, og kredittene fortsetter å komme fra den samme kvoten.

Hva gjør at en inntektsarbeidsflyt bruker flere eller færre AI-kreditter
Fire ting avgjør hvor mange kreditter en inntektsrelatert oppgave bruker, og RevOps kan påvirke dem alle.
Modellvalget kommer først. Lettvektsmodeller håndterer rutinemessig klassifisering, uttrekking og utarbeiding av utkast godt, noe som dekker mye av det daglige salgsarbeidet: merke innkommende potensielle kunder, hente ut felt fra en e-postsignatur og skrive et førsteutkast til oppfølging. Mer kapable resonneringsmodeller forsvarer kostnaden sin ved kompleks analyse, for eksempel når man skal finne ut hvorfor en strategisk avtale har stoppet opp gjennom seks måneder med e-poster, møter og notater. Setter du den samme oppgaven på en annen modell, kan antallet kreditter den bruker endres merkbart.
Deretter kommer volumet, altså hvor mye modellen leser og skriver. Lange ledetekster, lange samtalehistorikker, store dokumenter og kunnskap hentet fra CRM-systemet krever mer behandling, og det gjør også et langt svar. Inndata og utdata kan dessuten måles på ulike måter, avhengig av modellen. En kundeprofil som er bygget på tre års aktivitet hos en stor kunde, vil bruke mer enn en profil for en potensiell kunde som registrerte seg forrige uke.
Trinnene summeres også. Creatios eget opplæringseksempel er en agent som håndterer en kundehenvendelse gjennom tre modellkall: den analyserer henvendelsen, oppsummerer den relevante informasjonen og genererer et anbefalt svar. Med OpenAI GPT-4.1 mini, der hvert kall avrundes til en hel kreditt, blir det omtrent tre kreditter per interaksjon. Tallene er illustrative og ikke publiserte priser, men prinsippet gjelder: hvert målte trinn teller. Når agenten kaller CRM-systemet eller et annet forretningssystem underveis, bruker dette kallet ikke kreditter i seg selv.
Stemme- og dokumentarbeid bringer flere tjenester inn i bildet. Talegjenkjenning, talesyntese og behandling av dokumenter eller bilder øker alle bruken, og derfor bør taleagenter ha sin egen linje i prognosen. En enkelt kvalifiseringssamtale kan kjøre flere tjenester fra start til slutt.
Det finnes også en beslutning som ligger over alle de fire. Ikke alle arbeidsflyter trenger samme grad av autonomi, og målet bør ikke være å maksimere den ved enhver anledning. Noen inntektsarbeidsflyter bør fortsatt være menneskestyrte, der agenter utfører research, analyse og administrasjon mens en salgsrepresentant tar de viktige beslutningene. Andre kan bli agentstyrte, der agenten koordinerer flere trinn og involverer en person for en beslutning, en godkjenning eller et unntak. Riktig nivå for hver arbeidsflyt avhenger av kompleksiteten, risikoen og hva virksomheten trenger fra den.
Dette valget vises i budsjettet. En agentstyrt arbeidsflyt kjører ofte flere AI-trinn per transaksjon enn en der agenten bare foreslår neste trinn, og bruker derfor vanligvis flere kreditter hver gang den kjører. Den kan også frigjøre teamet for timevis med arbeid. En prognose som registrerer det planlagte autonominivået ved siden av hver arbeidsflyt, er mye enklere å forsvare når noen spør hvorfor én linje koster mer enn en annen.

Slik er Creatio AI-pakkene strukturert
Creatio selger AI-kapasitet i pakker, og hver pakke er mer enn en samling tokens. I tillegg til en årlig kvote med AI-kreditter inkluderer den AI-infrastruktur, altså flere plattformressurser og mer datakraft for komplekse agenter og større arbeidsbelastninger. Kreditter er også bare én del av det å kjøre AI. Agenter må styres, bruken må prognostiseres og kontrolleres, og dette arbeidet skjer i Creatio AI Studio, miljøet på Creatio-plattformen der virksomhetens agenter bygges, kjøres og styres. Retningslinjer, observerbarhet og brukskontroller finnes der, sammen med agentene som bruker kredittene. Hver pakke inkluderer også et visst nivå av rådgivningsstøtte. Rådgivningsdelen varierer fra nettbaserte veiledninger i startpakken til timer med AI-strateger og ingeniører, samt hjelp til å utforme spesifikke agenter, i de større pakkene. Begrunnelsen er praktisk: Et godt produkt hjelper ikke mye hvis teamet som bruker det, er nytt innen AI eller fortsatt redesigner prosessene sine.
| Pakke | AI-kreditter inkludert per år | Bruksområde |
| Start | 500,000 | De første AI-bruksområdene, på OpenAI-modeller |
| Vekst | 1,500,000 | Innledende AI-adopsjon og produksjonsutrulling av prioriterte bruksområder |
| Akselerer | 4,000,000 | Flere AI-agenter, utvidet infrastruktur og adopsjon på tvers av team |
| Skaler | 8,000,000 | AI-adopsjon i hele virksomheten, arbeidsbelastninger med høyere volum og avansert styring |
| Frihet | Tilpasset | Tilpasset kapasitet, med mulighet til å ta med egen modell og distribuere i skyen eller lokalt |
Kreditter og infrastruktur trenger ikke å vokse sammen. Ekstra AI-kreditter kommer i blokker på 500 000 som kan legges til på alle pakkenivåer, slik at et inntektsteam som kjører større volumer gjennom de samme agentene, kan kjøpe mer bruk uten å gå over til en større pakke. Dette skillet samsvarer med det kjøperne sier at de ønsker. I Creatios adopsjonsrapport valgte 95 % av respondentene et alternativ som fokuserte på å utvide AI, arbeidsflyter eller arbeidsstyrkens kapasitet uten nye kommersielle hindringer etter hvert som adopsjonen øker.
Slik håndterer kredittoverføring overgangen fra pilot til produksjon
Ubrukte Creatio AI-kreditter overføres fra måned til måned og mellom abonnementsår innenfor avtaleperioden. Det er viktig fordi AI-bruken sjelden øker jevnt.
Finanssektoren pleier å være først ute, og den største endringen jeg har sett der de siste seks til tolv månedene, er at organisasjoner har gått fra interesse for testing til full gjennomføring. De bruker nå AI i operative prosesser både i front- og backoffice.
Kredittbruken følger ofte den samme utviklingen. Det er noen rolige måneder mens de første agentene bygges og testes, deretter en kraftig økning når de settes i produksjon, og så en ny økning hver gang et nytt team eller en ny arbeidsflyt tas i bruk.
Med overføring er kredittene dere ikke bruker under byggefasen, fortsatt tilgjengelige etter produksjonssetting. RevOps trenger ikke å bruke opp en saldo før en måned eller et år avsluttes, og lav forbruksrate i første kvartal er ikke et tegn på at pakken var for stor. Ettersom overføring gjelder innenfor avtaleperioden, er hele avtaleperioden den nyttigste enheten for planlegging, med kontrollpunkter i hver fase av utrullingen.
Slik lager du en prognose for AI-kreditter for et inntektsteam
En nyttig prognose begynner med arbeidet inntektsteamet utfører. Antallet lisenser sier svært lite alene, fordi to team av samme størrelse kan trenge svært ulike mengder AI, avhengig av hvilke aktiviteter de overlater til agenter, og hvor ofte disse aktivitetene kjøres.
Begynn med å liste opp arbeidsflytene dere forventer å kjøre med AI det kommende året. For en inntektsorganisasjon betyr det vanligvis en blanding av virksomhetsagenter, for eksempel en agent som undersøker kontoer før møter eller utarbeider tilbud, og personlige agenter som de enkelte salgsrepresentantene bygger for seg selv. Skriv ned aktiviteten hver arbeidsflyt utfører, og hvor ofte den skal kjøres. Basér volumet på reelle tall: hvor mange salgsrepresentanter eller kundeansvarlige som skal bruke den, hvor mange ganger om dagen, og hvor raskt dere forventer at adopsjonen skal øke. Noter deretter modellen og eventuelle ekstratjenester hver aktivitet trenger, fordi bruken varierer med begge deler.
Kredittene per aktivitet måles best fremfor å gjettes. Kjør typiske scenarier i et testmiljø som ligner det virkelige arbeidet deres, med lange kontohistorikker sammen med korte, enkle forespørsler sammen med uoversiktlige, og hele settet med agenttrinn. Gjennomsnittet fra disse kjøringene er et langt bedre grunnlag enn en hvilken som helst tommelfingerregel.
Creatios egne planleggingseksempler viser hvordan regnestykket fungerer. Ta AI-utarbeidede oppfølgings-e-poster for et salgsteam med 100 salgsrepresentanter. Hvis hver representant sender 10 e-poster om dagen i løpet av 20 arbeidsdager, blir det 20 000 e-poster i måneden. Anta OpenAI GPT-4.1 mini, rundt 3 000 inndatatokens og 1 000 utdata-tokens per e-post, samt ett modellkall avrundet opp til én kreditt. Teamet vil bruke rundt 20 000 kreditter i måneden, eller 240 000 i året.
Hvor kommer et tall som 3 000 inndatatokens fra? Det er alt modellen leser for å skrive én e-post: instruksjonene til agenten, informasjon om muligheten og relasjonen som hentes fra CRM-systemet, og de siste meldingene i tråden. Som en grov veiledning tilsvarer én token omtrent tre fjerdedeler av et engelsk ord, så 3 000 tokens er litt over 2 000 ord med kontekst. De 1 000 utdata-tokenene gir god plass til selve utkastet. Deres egne tall vil variere etter hvor mye historikk agenten henter inn, og derfor er testkjøringene viktige. Bruksanalysen i Creatio AI Studio viser AI-kreditter, kall og tokens, slik at dere kan erstatte disse antakelsene med målte verdier. For en annen arbeidsflyt kan dere legge til et kundesuksessteam på 50 personer, der hver person oppsummerer 30 kundesamtaler om dagen og får foreslåtte neste trinn. Med omtrent 6 000 inndatatokens og 500 utdata-tokens per oppsummering, også avrundet til én kreditt, blir det 30 000 kreditter i måneden og 360 000 i året.
Dette er illustrerende beregninger, ikke målte referanseverdier fra Creatio. Med disse antakelsene trenger de to arbeidsflytene til sammen rundt 600 000 kreditter i året. Det er mer enn Start-pakken inkluderer, og godt innenfor Grow, som vil gi plass til flertrinnsagenter og tale senere.
To justeringer gjør prognosen mer realistisk. Den første er tidspunkt. Inntektsarbeid har sin egen rytme, og AI-bruken vil følge den, med flere tilbud, prognoseforberedelser og fornyelseskontakter mot slutten av et kvartal enn i de første ukene. Faselegg også hver arbeidsflyt fra den planlagte måneden for produksjonssetting, i stedet for å fordele den jevnt over året.
Den andre er AI-en medarbeiderne allerede bruker. Mange salgsrepresentanter åpner ChatGPT eller Claude på egen hånd fordi de ikke kan vente på at IT skal rulle ut en ny agent. Når dette arbeidet flyttes til personlige agenter som er bygget med Creatio AI Twin, blir det synlig og styrt, og det bruker av den samme kredittkvoten som alt annet. Sett av plass til dette i planen.
Legg sammen arbeidsflytene for å få et månedlig og årlig totalforbruk. Bruk dette til å velge en pakke, og finjuster deretter prognosen etter hvert som reelle bruksdata blir tilgjengelige.
Slik holder du AI-forbruket i tråd med planen etter produksjonssetting
Når agentene er satt i drift, holder en månedlig gjennomgang prognosen realistisk. Sammenlign faktiske kreditter per aktivitet og faktiske volumer med det dere planla, og se nøye på eventuelle store avvik. En høyere kostnad enn forventet per oppfølgings-e-post peker vanligvis på selve agenten, for eksempel lengre kontekst eller ekstra trinn. Høyere volum er ofte gode nyheter, siden det betyr at innføringen ligger foran planen.
Creatio AI Studio inneholder dataene og kontrollene for denne gjennomgangen. Den sporer kredittbruken på tvers av agenter og AI-operasjoner, slik at dere kan se brukstrender og hvor mye av kvoten som gjenstår. Budsjetter og bruksgrenser kan settes per time, dag eller måned, med en varslingsterskel og en valgfri hard stopp, slik at en løpsk arbeidsflyt blir flagget eller stoppet lenge før den bruker en fjerdedel av kredittene på én uke.

Gjennomgangen er også tidspunktet for finjustering. Rutineoppgaver trenger sjelden den kraftigste modellen, så flytt dem til en effektiv modell og behold resonneringsmodellene for arbeid som trenger dem. Forenkle agenter som gjør ekstra modellkall, tar med mer kontekst enn de bruker eller gjentar arbeid, uten at det går ut over kvaliteten på resultatet.
Kostnad per aktivitet er likevel bare halve bildet. Creatios adopsjonsrapport fant at bare 55 % av organisasjonene som satser på AI for å spare kostnader, faktisk måler kostnadsbesparelsene. Michael Partridge, partner for tjenestekvalitet i Deloitte, beskrev risikoen slik i den samme rapporten: "Et selskap som feirer lave AI-tokenkostnader i en kundeinteraksjon, er blind for den menneskelige kostnaden, som er mange størrelsesordener større, og som oppstår når en mislykket løsning tvinger frem en ny samtale." For et inntektsorientert team er motstykket en billig oppfølgings-e-post som ingen svarer på. Spor kreditter ved siden av resultatet hver arbeidsflyt skal påvirke, for eksempel bestilte møter, berørte fornyelser eller responstid, og vurder kostnadene ut fra begge deler.
Ofte stilte spørsmål
Utløper ubrukte Creatio AI-kreditter?
Ubrukte Creatio AI-kreditter overføres fra måned til måned og mellom abonnementsår innenfor avtaleperioden. En organisasjon kan bruke færre kreditter mens den bygger sine første agenter, og flere etter produksjonslanseringen, uten å miste kapasiteten den ikke brukte tidlig i perioden.
Tar Creatio betalt per bruker eller per agent for AI?
Creatios priser har ingen kostnader per bruker, per agent, per applikasjon eller per API. AI-bruk måles i AI-kreditter, som følger med Creatios AI-pakker og kan utvides med ekstra blokker på 500 000 kreditter.
Er AI-kreditter det samme som tokener?
Nei. Tokener er innholdsenhetene en modell behandler, og hver modell har egne tokenrater. Creatio AI-kreditter er en felles bruksenhet som ligger oppå tokenene og dekker alle støttede modeller og AI-tjenester, inkludert tale- og dokumentbehandling. Det finnes ingen fast konvertering én til én mellom de to.
Kan du ta med din egen AI-modell til Creatio?
Ja. Freedom-pakken støtter at du tar med din egen modell (BYOM), slik at du kan bruke egne leverandøravtaler, modellendepunkter eller støttet AI-infrastruktur. BYOM fjerner ikke behovet for en AI-pakke. Du administrerer modelltilgangen selv, og kredittbruken gjenspeiler Creatio-plattformtjenestene du fortsatt bruker, for eksempel kjøring av agenter og arbeidsflyter, sikkerhet, styring og overvåking.
Bygg AI-budsjettet rundt inntektsarbeidsflytene dine
AI-kreditter gir inntektsteam én felles enhet for AI-arbeid på tvers av modeller, leverandører og kanaler, og pakkene gir denne enheten en plass med infrastrukturen og kontrollene som trengs for å kjøre den. Budsjettet avhenger fortsatt av beslutninger bare teamet deres kan ta: hvilke arbeidsflyter som skal endres, hvor mye autonomi hver av dem skal få, og hvor raskt medarbeiderne tar dem i bruk. Begynn med en kort liste over disse arbeidsflytene, mål hva de faktisk bruker, planlegg for hele avtaleperioden i stedet for hver måned, og gjennomgå den faktiske bruken hver måned. Prognosen vil være feil på enkelte områder i starten, og den månedlige gjennomgangen er det som gjør den bedre.

