Mistä 14 200 PLN API-lasku muodostuu

Jaamme sen, mitä olemme itse testanneet käyttöönotoissa: maksutta ja olettamatta, että tilanteenne on täysin identtinen. 70 hengen kauppayrityksessä asiakaspalvelutiimi on käyttänyt tammikuusta alkaen avustajaa, joka tiivistää sähköposteja ja laatii tarjouksia. Maaliskuun API-laskussa lukee 14 200 PLN netto aiemman 2 100 PLN:n sijaan. Koodi ei ole muuttunut, eikä uusia ominaisuuksia ole otettu käyttöön. Tämä piikki johtuu kolmesta hallintapaneelissa näkyvästä kentästä: syötetokenien määrä kasvaa keskusteluhistorian myötä, yksi virheellinen kysely toistuu silmukassa ja yksi API-avain palvelee viittä tiimiä ilman projektikohtaisia budjetteja.

AIKuva on luotu tekoälyllä.

API-laskussa näkyy useiden tekijöiden summa: syötetokenit (koko lähetetty historia), tulostokenit (luotu sisältö), reasoning tokens, tool calling, structured output sekä kuvat tai audio, jos malli käsittelee niitä. Keskustelukierroksen logiikka on yksinkertainen: kierroksen hinta = koko historian syötetokenien summa × in-hinta + luodut tokenit × out-hinta. Siksi keskustelu 20 tuhannen tokenin dokumentista maksaa pikkusummia, mutta sama keskustelu koko ketjun kera on 200 tuhatta tokenia ja kuluttaa budjetin ennen kuin malli kirjoittaa ensimmäistäkään virkettä. Viralliset OpenAI-hinnat löytyvät hinnastosta, ja tokeneita sekä niiden laskentaa käsittelee dokumentaatio.

Mitä tällä viikolla voidaan tehdä

Toimenpide 1: käyttöraportti taulukkolaskentaan. Aika: 2 tuntia, tekee API-ylläpitäjä tai DevOps. Vienti palveluntarjoajan paneelista suodatetaan kenttien mukaan: model, api_key, project_id, cached_tokens, completion_tokens, requests. Kootaan pivot-taulukkoon, jotta nähdään, mikä projekti ja avain tuottaa 80% laskusta. Toimenpide 2: tiukka raja ja hälytykset konsolissa. Aika: 30 minuuttia, tekee laskutustilin omistaja. OpenAI:hin asetetaan monthly budget, Azure Cost Managementiin budjetti, Google Cloud Billingiin hälytys, AWS Budgetsiin hälytys. Rajat: 50%, 80%, 100%. 100%:n kohdalla API:n tulee pysähtyä kokonaan. Toimenpide 3: prompt caching toistuville konteksteille. Aika: 2–4 tuntia, tekee sovellusinsinööri. Riittää, että samaa järjestelmäohjetta ei lähetetä uudelleen, ja asetetaan cache TTL dokumentaation ohjeiden mukaisesti. Arvioitu säästö: 30–90% syötetokenien kuluista. Toimenpide 4: pienempi malli matalan riskin reiteille. Aika: 1 päivä, tekee tuotetiimi yhdessä ohjelmoijan kanssa. Sähköpostien tiivistäminen, luokittelu ja tarjousten luonnostelu siirretään malleille GPT-4o mini, Claude Haiku tai Gemini Flash, ja neuvottelukeskustelut sekä sopimusanalyysit jätetään suuremmalle mallille. Anthropic-mallien hinnat löytyvät virallisesta hinnastosta. Toimenpide 5: erilliset API-avaimet tiimeittäin. Aika: 2 tuntia, tekee IT Manager. Jokaiselle tiimille uusi avain ja kulutusraja. Tämän ansiosta yhden toistosilmukan aiheuttama piikki ei huku kokonaislaskuun.

Mitä ei pidä tehdä heti

Ensimmäinen reaktio on usein AI-kulujen seurantatyökalun tai LLM-yhdyskäytävän ostaminen. Tällainen käyttöönotto maksaa tyypillisesti 4 000–15 000 PLN ja vaatii kahden viikon integroinnin, vaikka viikon todellinen ongelma paljastuu usein yhdeksi virhekoodin 429 retry-silmukaksi. Toinen virhe on siirtyä globaalisti pienimpään malliin. Puolan kielen tehtävissä GPT-4o mini, Claude Haiku ja Gemini Flash suoriutuvat hyvin luokittelusta ja tiivistelmistä, mutta saattavat vääristää tarjouksen päivämääriä tai summia. Kolmas virhe on asettaa yksi tiukka raja koko yritykselle: perjantaina kello 16:40 se pysäyttää tuotannon kokeilujen sijaan. Rajat asetetaan sen sijaan avain-, projekti- ja tiimikohtaisesti. Neljäs virhe on palveluntarjoajan vaihto tai neuvottelut heti ensimmäisellä viikolla, sillä ilman usage-raporttia ei ole neuvoteltavaa. Viides virhe on Batch API:n ja yöajojen poistaminen käytöstä, vaikka niiden hinnat ovat usein 50% alhaisemmat ja pitävät usein budjetin kurissa.

AIKuva on luotu tekoälyllä.

Miten varmistaa kahden viikon jälkeen toimivuus

Laske kahden viikon kuluttua kulut miljoonaa syöte- ja tulostokenia kohti projektissa, joka tuotti aiemmin suurimman laskun. Jaa taulukkolaskennassa maksu usage-kentän syöte- ja tulostokenien summalla. Vertailuarvo pienemmälle puolankieliselle mallille 24.04.2026 kurssilla (1 USD = 3,78 PLN, lähde NBP, nettohinnat) on 0,70–0,90 PLN miljoonaa tokenia kohti syötteen ja tulosteen osalta yhteensä. Jos hinta oli ennen muutosta 2,40 PLN ja laski välimuistin käyttöönoton sekä mallivaihdon jälkeen 1,10 PLN:ään, säästö on 54%. Peruutusraja: jos kulu miljoonaa tokenia kohti ei pudonnut alle 1,20 PLN tai 429 Too Many Requests -pyyntöjen osuus ylittää edelleen 5% kokonaismäärästä, palauta edellinen malli ja tarkista, tuottaako välimuisti osumia.

Jos aika ei riitä raportointiin ja rajojen määrittelyyn, HEXART toteuttaa tämän tiiviinä toimeksiantona: 3–5 työpäivää. Aloitamme käyttöhistorian purkamisesta projekti- ja avaintasolla, minkä jälkeen asetamme budjetit, hälytykset ja välimuistisäännöt. Työstä jää käyttöön seurantataulukko heti maanantaille. Lisätiedot: https://hexart.pl/uslugi.