Hur tjänar man pengar på AI? Inte som OpenAI
OpenAI trefaldigade omsättningen – men förlusterna sjufaldigades samtidigt.
När tillväxt och lönsamhet går åt varsitt håll
Det finns en paradox i hjärtat av den globala AI-boomen, och den har aldrig varit tydligare än nu.
Enligt granskade ekonomiska handlingar som verifierats av Financial Times och rapporterats av CleanTechnica mer än trefaldigade OpenAI sin omsättning under 2025 – från 3,7 miljarder dollar till imponerande 13,07 miljarder dollar. Det låter som en succéhistoria. Problemet är att kostnaderna växte ännu snabbare. Forskning och utveckling ensamt slukar 19,18 miljarder dollar, och de totala utgifterna landade på 34 miljarder. Nettoresultatet? En förlust på 38,53 miljarder dollar – jämfört med 5,09 miljarder dollar året före.
Sjufaldigade förluster på ett år. Låt det sjunka in.
Investeringar eller strukturella problem?
Förespråkarna är snabba med förklaringen: det här är inte rödskrivna balansräkningar, det är strategiska investeringar i framtidens infrastruktur. Och de har en poäng. Att bygga ut den beräkningskapacitet som krävs för att driva världsledande grundmodeller är genuint dyrt, och det är svårt att kortsiktigt periodisera kostnader för tillgångar som ska bära frukt under ett decennium.
Men kritikerna bli fler och högre. Företag som betalat rejält för att integrera artificiell intelligens i sina verksamheter börjar ställa den obekväma frågan: levererar nyttan tillräckligt mot kostnaden? Om betalande kunder börjar dra ned på sina utgifter – samtidigt som bolagen fortsätter pumpa miljarder in i jättelika datorhallar – är risken för en systemisk ekonomisk knipa inte längre hypotetisk.
Den underliggande frågan handlar om affärsmodellen. OpenAI och liknande bolag säljer i grunden tillgång till beräkningskraft och modellkapacitet. Men beräkningskraft är dyrt att producera och svårt att prissätta på ett sätt som faktiskt bär sig. Det är som att driva ett elbolag utan att kontrollera priset på bränslet.
Tre pokerspelare som faktiskt tjänar pengar
Mitt i det ekonomiska blodbadet finns det ett bolag som berättar en radikalt annorlunda historia om hur AI kan skapas lönsamt.
TechCrunch rapporterar att EquiLibre Technologies, ett forskningsbolag grundat i Prag av tre före detta DeepMind-forskare, nyligen genomfört en serie A-runda ledd av riskkapitalbolaget Creandum – den enskilt största investering Creandum någonsin gjort i ett enskilt bolag. Värderingen uppges ligga på 500 miljoner dollar.
Bolagets ursprung är fascinerande: grundarna Martin Schmid, Rudolf Kadlec och Matej Moravcik byggde en gång ett AI-system som slog professionella pokerspelare. Tekniken bakom – förstärkningsinlärning, där modeller tränas genom att belönas för korrekta beslut – visade sig ha en naturlig hemvist på finansmarknaden. Som Schmid uttrycker det: "Det fina med handel och marknader är att poängsättningen är oerhört enkel: hur mycket pengar tjänade systemet?"
I samarbete med det kvantitativa hedgefondsbolaget Tower Research Capital hanterar EquiLibres algoritmer dagliga handelsvolymer på miljardbelopp inom S&P 500 och Nasdaq. Sedan lanseringen på kryptomarknaden 2025 uppger bolaget att systemet inte redovisat ett enda negativt kalendermånad.
Två modeller – en bransch
Kontrasten mellan OpenAI och EquiLibre är inte bara en fråga om storlek. Det är en fråga om affärslogik.
OpenAIs modell bygger på att vara allestädes närvarande – att driva den plattform som alla andra bygger på. Det kräver enorm skala och ännu enormare kapitalbaser. EquiLibres modell är raka motsatsen: snäv tillämpning, mätbart resultat, direkt återkoppling från marknaden varje handelssession.
Det är inte så att den ena modellen är rätt och den andra fel. Men det är värt att fråga sig: hur många bolag i AI-ekosystemet har faktiskt en tydlig och direkt länk mellan vad deras system gör och ekonomiskt värde som går att mäta?
Svaret är färre än vi kanske tror. Och det är den frågan investerare, kunder och beslutsfattare borde ställa med allt större eftertryck.
AI-omställningen är verklig. Möjligheterna är enorma. Men det betyder inte att alla vägar dit bär sig ekonomiskt – och nu börjar marknaden skilja på dem som bygger för framtiden och dem som kanske bara bränner kapital på vägen dit.
Vår analys
Det här är ett av de viktigaste affärsmässiga vägskälen i AI-branschens korta historia. OpenAIs förluster är inte ett tecken på att artificiell intelligens misslyckas – de är ett tecken på att en viss typ av affärsmodell utsätts för allt hårdare granskning. Att bygga generella grundmodeller i världsklass är en infrastrukturell kapprustning som kräver statliga eller nära-statliga kapitalflöden för att bära sig. Det är få bolag som klarar det.
EquiLibre visar en annan väg: djup domänexpertis, mätbar återkoppling och disciplinerad tillämpning av AI inom ett område där värdet är omedelbart och kvantifierbart. Det är sannolikt den modell vi kommer se blomstra i ett brett spektrum av branscher under de kommande åren – inte de bolag som gör allt, utan de som gör en sak exceptionellt bra.
Vinnarna i nästa fas av AI-ekonomin är de som kan svara på frågan: vad kostar det att producera, och hur mycket mer är utdata värt? De som inte har ett övertygande svar på den frågan befinner sig på tunn is – oavsett hur imponerande deras teknik är.