ROI på under 5 procent? Hvorfor du bør stoppe med at betale for "AI-drevne" funktioner med det samme

Xpert-forhåndsudgivelse

Valg af sprog 📢

Udgivet den: 4. juni 2026 / Opdateret den: 4. juni 2026 – Forfatter: Konrad Wolfenstein

ROI på under 5 procent? Hvorfor du bør stoppe med at betale for "AI-drevne" funktioner med det samme – Billede: Xpert.Digital

Betaling for resultater, ikke adgang: Hvordan resultatbaseret prissætning ændrer SaaS-markedet

AI-licenser: En milliardstor bondegård: Den nye prismodel, der nu skaber panik blandt softwaregiganter

Milliarder investeres i øjeblikket i kunstig intelligens, men desillusionen vokser i bestyrelseslokalerne. Årsagen er ikke en teknologisk, men en strukturel fiasko: forældede prismodeller. De, der betaler for autonome AI-agenter og intelligente arbejdsgange ved hjælp af de samme licenser pr. sæde (pr. bruger) eller udelukkende baseret på forbrug som for traditionel software, finansierer ofte kun håbet om effektivitet – uden nogen garanti for målbar merværdi. Undersøgelser viser en dramatisk fiaskorate for AI-projekter og spiralformede, ukontrollerede omkostninger i forretningsenheder. Men SaaS-markedet står over for et tektonisk skift: æraen med resultatbaseret prisfastsættelse er ved at gry. Den følgende artikel undersøger, hvorfor det er forældet at betale for ren adgang, hvorfor mange udbydere modsætter sig ændringen, og hvordan smarte virksomheder radikalt kan ændre forhandlingsdynamikken til deres fordel i 2026.

Relateret til dette:

UNFRAME.AI: Stop med at betale for AI, du ikke kan måle. Vælg resultatbaseret prisfastsættelse

Stop med at betale for AI, der ikke beviser noget

De, der ikke kan måle resultater, finansierer kun andres håb

Den mest ubehagelige tavshed i enhver salgssamtale om virksomhedens AI opstår netop, når nogen stiller følgende spørgsmål: Hvor meget af dit AI-budget er knyttet til målbare forretningsresultater? Ikke til funktioner, der annonceres som "AI-drevne" på et produktblad. Ikke til licenspladser, der er blevet klargjort, selvom brugsraten knap overstiger ti procent. Men til faktiske resultater, der fremgår af en kvartalsrapport, en procestidsmåling eller en revisionsbar forbedringslog. Enhver, der besvarer dette spørgsmål med "ikke helt sikker", er i godt selskab. Og vil betale en pris, der går langt ud over det åbenlyse.

Prismodellen fra en svunden tid

Licensmodellen per-sæde opstod på et tidspunkt, hvor værdien af software skalerede direkte med antallet af menneskelige brugere. Flere Salesforce-sæder betød flere sælgere, der loggede aktiviteter. Flere Slack-sæder betød, at flere teams kommunikerede med hinanden. Forholdet mellem adgang og værdi var aldrig perfekt, men dens grundlæggende retning var forståelig: Udbyderen opkrævede betaling for adgang, og køberen antog, at værdien ville følge.

Kunstig intelligens har fundamentalt rystet denne antagelse. Når en AI-agent løser en supportsag, udtrækker data fra en kontrakt eller gennemgår et compliance-dokument, skabes værdien ikke af en person, der sidder foran en skærm. Den skabes af en arbejdsgang, der måske ikke engang har en direkte bruger. Opkrævning pr. plads for en AI-funktion er som at opkræve opkrævning pr. kontor for elektricitet: måleenheden har intet at gøre med værdienheden.

Men dette er netop den fremherskende praksis på markedet for virksomheds-AI: et brugergebyr oven i en eksisterende platformlicens, et fast årligt abonnement på et værktøj, der kan producere resultater, som køberen ikke kan kvantificere. Ifølge Zylo 2026 SaaS Management Index, baseret på en analyse af mere end 40 millioner SaaS-licenser og 75 milliarder dollars i administrerede udgifter, rapporterede 78 procent af IT-chefer uventede omkostninger fra brugsbaserede eller AI-prismodeller. Dette er ikke en budgetteringsfejl fra de enkelte virksomheders side; det er en strukturel uoverensstemmelse mellem, hvordan AI skaber værdi, og hvordan leverandører genererer omsætning.

For at gøre tingene værre flyttes kontrollen over SaaS-udgifter i stigende grad væk fra IT-afdelingen: Ifølge den samme rapport kontrollerer forretningsafdelingerne nu 81 procent af SaaS-udgifterne, mens IT kun er direkte ansvarlig for 15 procent. Samtidig steg udgifterne til AI-native applikationer med 108 procent år-til-år, og med så meget som 393 procent i store virksomheder med over 10.000 ansatte. Væksten er reel. Kontrollerbarhed er det dog ofte ikke.

Hvad resultatbaseret prisfastsættelse egentlig betyder

Resultatbaseret prisfastsættelse er simpel i konceptet, men kompleks i udførelsen. Udbyderen får betaling, når køberen modtager værdi, ikke når køberen får adgang til eller forbruger tokens, men når et defineret forretningsresultat er opnået.

Forskellen mellem brugsbaseret og resultatbaseret prisfastsættelse er mere betydelig, end de fleste evalueringer anerkender. Brugsbaseret prisfastsættelse – pr. token, pr. API-kald, pr. forespørgsel – er bedre end den sædebaserede model, fordi den korrelerer med aktivitet. Men aktivitet er ikke værdi. Tusindvis af API-kald, der producerer urealistiske resultater eller irrelevante udtræk, er værdiløse for køberen. Brugsbaseret prisfastsættelse flytter omkostningsrisikoen fra udbyderen til køberen uden at flytte præstationsrisikoen det mindste.

Resultatbaseret prisfastsættelse ændrer begge disse faktorer. Udbyderen tjener kun penge, hvis AI'en leverer noget, som køberen har defineret som værdifuldt, før engagementet begynder. Dette kan være et dokument, der behandles med en defineret nøjagtighedstærskel, en automatiseret arbejdsgang med en målbar reduktion i cyklustid eller en gennemført compliance-revision med en sporbar log. Resultatet specificeres, målekriterierne aftales, og det kommercielle forhold følger heraf.

Det bedste eksempel fra den virkelige verden kommer fra Intercom: Virksomheden opkræver $0,99 pr. succesfuldt løst supportsag fra sin AI-agent, Fin. Bessemer Venture Partners beskriver i sin 2026 AI Pricing Playbook denne tilgang som guldstandarden for resultatbaseret prissætning. Modellen fungerer, fordi værdien er præcist definerbar: En sag betragtes som løst eller ej. Metrikken er binær, manipulationssikker og direkte knyttet til en omkostningsdriver i køberens organisation.

Den underliggende strukturelle logik forklarer også, hvorfor modellen er lettere at implementere i visse områder end i andre. Gartner har allerede forudsagt, at over 30 procent af virksomhedens SaaS-løsninger i 2025 vil omfatte resultatbaserede komponenter, sammenlignet med omkring 15 procent i 2022. Simon-Kucher & Partners fandt i en nylig undersøgelse, at 86 procent af køberne foretrækker brugs- eller resultatbaserede prismodeller frem for traditionelle seatlicenser. Markedet signalerer en klar retning. Spørgsmålet er ikke om, men hvor hurtigt.

AI ROI-gabet: Milliarder brugt uden bevis

Nødvendigheden af denne transformation stammer fra data, der burde være ubehageligt velkendte for de forretningsenheder, der er ansvarlige for AI. En omfattende undersøgelse foretaget af RAND Corporation dokumenterede, at mere end 80 procent af alle AI-projekter i virksomheder mislykkes uden at levere de lovede forretningsresultater – en fejlrate, der er dobbelt så høj som for traditionelle IT-initiativer. MIT-forskere fandt i en separat rapport en endnu højere rate på 95 procent for generative AI-projekter, der ikke leverer et målbart investeringsafkast (ROI).

En Forbes-undersøgelse fra 2025, der undersøgte flere tusinde ledere verden over, tegner et lignende nedslående billede: Mindre end én procent af de adspurgte globale ledere rapporterede, at deres organisation havde opnået et betydeligt investeringsafkast (ROI) – defineret som en stigning i rentabilitet eller omkostningsbesparelser på mere end 20 procent. Kun tre procent rapporterede et moderat ROI på mellem 10 og 20 procent. Langt størstedelen – mere end 53 procent – beskrev afkast mellem en og fem procent. Samtidig nævnte 39 procent af lederne måling af ROI som en af deres største udfordringer.

Denne måleforskel er ikke blot et analytisk problem. Det er et strukturelt incitamentsproblem. Hvis leverandørens omsætning ikke er knyttet til køberens resultater, har ingen af parterne et strukturelt incitament til at diagnosticere, hvorfor en implementering ikke virker. Leverandøren har tjent sine penge. Køberen har fået adgang. Det faktum, at der ikke er sket noget målbart, er alles problem – og ingens prioritet.

Mønsteret gentager sig med en vis regelmæssighed: Først blev AI købt under pres fra offentlighedens opfattelse, uden en klar definition af succes. Derefter blev der oprettet interne dashboards fulde af aktivitetsmålinger uden forbindelse til resultatopgørelsen. Og endelig kom den første kontraktfornyelse – og ingen kunne forklare, hvad de egentlig betalte for. Bessemer Venture Partners formulerer det passende i sin playbook: Blød ROI-positionering, som stadig fungerede i 2025 under mottoet "AI-adoption for enhver pris", kolliderer nu med virkeligheden i 2026-fornyelsescyklussen – og blotte løfter fornyer ikke kontrakter.

Hvorfor udbydere afviser modellen – og hvad det afslører

De indvendinger, som udbydere rejser mod resultatbaseret prissætning, er forudsigelige og afslørende. Standardrepertoiret omfatter tre argumenter: resultater er vanskelige at definere, køberens interne parathed påvirker resultaterne, og udbyderen kan ikke kontrollere alle variabler. Alle tre indvendinger er faktuelt korrekte. Ingen af dem udgør dog et gyldigt argument for fortsat at betale for AI, der ikke producerer nogen resultater.

Enhver, der ærligt analyserer disse argumenter, vil genkende det virkelige signal: En leverandør, der nægter at forbinde prissætning med resultater, afslører sin egen tillid til sit produkt. Hvis AI virker, er resultatbaseret prissætning mere rentabel for leverandøren, ikke mindre. De tjener penge med hver vellykket implementering, køberen bliver en referencekunde med kvantificerbare resultater, og salgsomkostningerne for den næste implementering falder betydeligt. Leverandører, der afviser denne model, er ofte dem, hvis produkt leverer imponerende demoer, men kun middelmådige produktionsresultater.

Et kritisk modargument fortjener dog overvejelse. Parloa, en AI-udbyder med speciale i konversationsbaseret AI, argumenterer for, at selvom resultatbaseret prisfastsættelse kan synes at fremme fælles interesser, omsætter det i praksis ofte virksomhedens effektivitetsgevinster til indtægter for udbyderen. Hvis en AI-agent klarer sig så godt, at procesomkostningerne falder betydeligt, deltager udbyderen uforholdsmæssigt meget i denne værdi under en resultatbaseret model - selvom de måske kun har bidraget med en lille del til de underliggende effektivitetsforbedringer. Denne spænding er reel og forklarer, hvorfor mange eksperter ser hybridmodeller som den mere pragmatiske løsning: et basisgebyr, der dækker platform- og implementeringsomkostningerne, kombineret med resultatbaserede gebyrer, der skaleres med den leverede værdi.

Det strukturelle skift på SaaS-markedet

Mange etablerede udbyderes modstand mod nye prismodeller kan også forklares med den finansielle arkitektur i den klassiske SaaS-forretningsmodel. Seatsbaseret prissætning resulterede i lange, forudsigelige resterende kontraktperioder – den såkaldte Remaining Performance Obligation (RPO) – fordi kunderne underskrev flerårige kontrakter for et fast antal licenser. Forbrugs- og resultatbaserede modeller komprimerer denne planlægningssikkerhed i to retninger: Kontraktperioderne forkortes, fordi købere er tøvende med at forpligte sig til forbrugsvolumener, de ikke kan forudsige. Desuden forskydes forholdet mellem forpligtede og fleksible forbrugsudgifter til fordel for køberens fleksibilitet.

Konsekvenserne af værdiansættelsen er umiddelbare. I de første måneder af 2026 udløste en massiv revaluering af softwaremarkedet et fald, der udslettede næsten en billion amerikanske dollars i markedsværdi for softwarevirksomheder. SaaS-benchmarkindekset faldt med 6,5 procent i løbet af 2025, mens S&P 500 steg med 17,6 procent. Medianomsætningsmultiplen for softwarevirksomheder faldt fra over syv gange til under fem gange på lidt over et år. I modsætning hertil rapporterede virksomheder, der implementerede hybride prismodeller, 38 procent højere omsætningsvækst og 38 procent højere nettoomsætningsfastholdelse end rene abonnementsudbydere, ifølge en undersøgelse fra LEK Consulting.

Bloomberg forudsiger, at abonnementsbaserede priser kan falde fra de nuværende 60 procent til omkring 30 procent af alle softwaremodeller inden for et årti, mens resultatbaserede modeller i stigende grad udfylder den ledige plads. Gartner anslår, at 70 procent af virksomhederne vil foretrække brugsbaserede prismodeller frem for sædebaserede modeller inden udgangen af 2026. Retningen af dette skift er ikke tvetydig; kun hastigheden er stadig uklar.

🤖🚀 Administreret AI-platform: Hurtigere, sikrere og smartere AI-løsninger med UNFRAME.AI

Administreret AI-platform - Billede: Xpert.Digital

Her lærer du, hvordan din virksomhed kan implementere skræddersyede AI-løsninger hurtigt, sikkert og uden høje adgangsbarrierer.

En administreret AI-platform er din altomfattende og bekymringsfri løsning til kunstig intelligens. I stedet for at skulle håndtere kompleks teknologi, dyr infrastruktur og langvarige udviklingsprocesser, får du en færdiglavet løsning skræddersyet til dine behov fra en specialiseret partner – ofte inden for få dage.

De vigtigste fordele på et overblik:

⚡ Hurtig implementering: Fra idé til brugsklar applikation på dage, ikke måneder. Vi leverer praktiske løsninger, der skaber øjeblikkelig merværdi.

🔒 Maksimal datasikkerhed: Dine følsomme data forbliver hos dig. Vi garanterer sikker og kompatibel behandling uden at dele data med tredjeparter.

💸 Ingen økonomisk risiko: Du betaler kun for resultater. Store forudgående investeringer i hardware, software eller personale elimineres fuldstændigt.

🎯 Fokuser på din kerneforretning: Koncentrer dig om det, du er bedst til. Vi tager os af hele den tekniske implementering, drift og vedligeholdelse af din AI-løsning.

📈 Fremtidssikret og skalerbar: Din AI vokser med dig. Vi sikrer løbende optimering og skalerbarhed og tilpasser modellerne fleksibelt til nye krav.

Mere information her:

Administreret AI-platform

Resultater i stedet for løfter: Hvordan købere med succes forhandler AI-kontrakter

Hvad købere skal kræve inden den næste kontraktunderskrivelse

Enhver, der i øjeblikket evaluerer AI-platforme for virksomheder, har brug for en solid ramme for at implementere resultatbaseret prissætning i praksis. Det første og vigtigste trin er at definere resultatet, før evalueringen begynder – ikke som et abstrakt løfte om effektivitet, men som en specifik, målbar metrik knyttet til en forretningsproces, som virksomheden allerede følger. Dette kan omfatte dokumenter, der behandles dagligt, den gennemsnitlige gennemgangscyklustid, fejlprocenten i dataudtrækning eller gennemløbshastigheden af compliance-kontroller. Hvis en sådan måling ikke er mulig med den eksisterende infrastruktur, skal den først bygges, eller et andet udgangspunkt skal vælges.

Det andet trin er en periode med værdibevis på virksomhedens egne data. Ikke en sandkassedemo på eksempeldata, der er omhyggeligt forberedt til præsentationsformål. En implementering i deres eget miljø, forbundet til deres egne systemer og kørende på de dokumenter og arbejdsgange, der rent faktisk bruges i produktionen. Virksomheder, der strukturerer evalueringer på denne måde, undgår den performance cliff, der bringer de fleste AI-programmer til standsning efter tidlige succeser – fordi de allerede har valideret produktionspræstationen, før de forpligter sig til et budget.

Det tredje trin vedrører selve kontraktstrukturen: prisfastsættelse, der skaleres med værdi, ikke forbrug. Den ideelle struktur er en basisforpligtelse, der dækker platformen og implementeringsomkostningerne, suppleret med præstationsbaserede gebyrer, der skaleres i takt med at AI'en genererer målbare resultater. Dette giver udbyderen forudsigelig omsætning for deres implementeringsindsats, mens kontraktvæksten er knyttet til værdivæksten for køberen. Køberens risiko er begrænset. Udbyderens potentiale er ubegrænset – men knyttet til præstation.

Det fjerde trin, som ofte overses, er leverandørens ansvar for implementeringstidslinjen. Hvis prissætningen er resultatbaseret, men implementeringen tager ni måneder, før der måles resultater, er modellen resultatbaseret i teorien, men et klassisk spild af tid og materialer i praksis. Platformen bør være i produktion inden for dage, ikke måneder, så resultatmålingen begynder hurtigt nok til at informere en fornuftig indkøbsbeslutning inden for en enkelt budgetcyklus.

Fornyelsestesten: Hvad adskiller 2026 fra 2025

De AI-kontrakter, der løber til deres første fornyelse i 2026 og 2027, er dem, hvor nogen kan pege på et tal og sige: Det er, hvad vi fik. Intet dashboard fyldt med aktivitetsmålinger. Ingen brugsrapport. Et resultat, der matcher den business case, der begrundede købet.

Dette scenarie udspiller sig lige nu. I foråret 2026 rapporterede Salesforce en årlig tilbagevendende omsætning (ARR) på 800 millioner dollars fra Agentforce baseret på 29.000 resultatbaserede handler – et datapunkt, der demonstrerer modellens kommercielle levedygtighed i stor skala. På den anden side af bordet ledsages købere i stigende grad i fornyelsesdiskussioner af CFO'er, der kræver konkrete ROI-beviser og bæredygtig enhedsøkonomi. AI-løftemarkedet, som blev rigeligt finansieret i 2023 og 2024, kolliderer nu med AI-resultatmarkedet, som vil blive afgjort i 2026.

Fordelen ved resultatbaseret prissætning rækker ud over blot kommercialisering. Modellen fungerer som et struktureret imperativ for den form for disciplineret implementering, som de fleste AI-programmer springer over. Når udbyderen kun betales for resultater, finder enhver diskussion om datakvalitet, integrationsarkitektur, brugeraccept og procesdesign sted før implementering – ikke efter den første mislykkede kvartalsvise gennemgang. Incitamentet til grundig forberedelse er ikke moralsk, men økonomisk. Dette er langt den mest pålidelige mekanisme.

Strukturelle konsekvenser for virksomheden

Resultatbaseret prisfastsættelse er mere end blot en kommerciel model. Den transformerer den interne organisatoriske logik på begge sider af kontrakten. På leverandørsiden betyder denne model, at evnen til at måle resultater skal blive en del af produktet – og ikke blot en eftertanke for kundesuccesteamet. Leverandører, der tager dette alvorligt, opbygger dashboards, der viser køberen den leverede værdi i realtid: sparet tid, forbedret kvalitet, reduceret risiko. Denne synlighed bliver i sig selv en differentiator på et marked, hvor teknologiske muligheder bliver mere og mere homogene.

På købersiden kræver modellen en forudgående investering i målbarhed, hvilket mange organisationer viger tilbage fra. De, der ikke systematisk har sporet procestider, kan ikke blive enige om cyklusreduktion som en kontraktlig måleenhed. Selvom dette i starten kan lyde som en hindring, er det faktisk et nyttigt filter. Organisationer, der ikke er i stand til at definere målepunkter for resultatbaserede kontrakter, er generelt heller ikke i stand til at skalere AI-implementeringer med succes – uanset prismodellen. Målekravet tvinger det niveau af operationel modenhed frem, der alligevel ville være essentielt for produktiv AI-brug.

Bessemer Venture Partners' playbook opsummerer kortfattet den centrale logik: AI tjener ikke penge på adgang. Den tjener penge på resultater. Virksomheder som Intercom, EvenUp og Leena AI tilpasser hele deres organisations- og salgsmodeller til det leverede arbejde: løste sager, færdiggjorte dokumenter og afsluttede anmeldelser. Vinderne opkræver betaling for, hvad deres AI genererer – ikke for, hvad det koster, eller hvad det giver adgang til. Metrikken for beregning er ikke blot en faktureringsbeslutning. Det er en forpligtelse til, hvad du værdsætter, hvad systemet er værd – og hvad du er villig til at bevise med dit afkast.

Magtubalancen og hvem der bruger den

Enhver, der forstår magtdynamikken på det nuværende AI-indkøbsmarked, vil genkende en midlertidig asymmetri, der favoriserer velforberedte købere. Konkurrencen mellem AI-udbydere er blevet ekstremt intens i flere kategorier, mens fornyelsesraterne for pilotprogrammer er under pres. Udbydere, der solgte med blot løfter i 2025, forhandler nu forlængelser med kunder, der ønsker at se håndgribelige resultater. Dette skaber en forhandlingsposition, der ikke eksisterede i 2024.

Købere, der nu går ind i indkøbsforhandlinger med klare definitioner af leverancer, en ramme for værdibevis og en hybrid kontraktstruktur, er i en betydeligt stærkere forhandlingsposition end dem, der kun ankommer med en funktionel specifikation og et groft forbrugsestimat. Dataene – 78 procent uventede omkostninger, 80 procent projektfejl, mindre end én procent signifikant ROI – giver dem det stærkeste argument. Metodologien leverer værktøjet.

Dette gælder især for mellemstore og store virksomheder, der afholder betydelige udgifter til AI-native applikationer uden at have opbygget den tilsvarende governance-infrastruktur. Zylo-rapporten viser, at udgifterne til AI-native applikationer i store virksomheder er steget med næsten 400 procent – ofte via medarbejderkreditkort og udgiftsrapporter – før IT-teams overhovedet kan reagere. Den såkaldte skygge-AI-effekt er ikke et perifert fænomen, men et strukturelt træk ved den nuværende implementeringscyklus, som vil blive fuldt synlig under fornyelsesforhandlingerne i 2026 og 2027.

Ud over prissætning: Den bredere modningsperiode

Det, der sker på markedet for AI-indkøb, er ikke blot et isoleret prisfænomen. Det er modningen af en teknologi, der markerer dens overgang fra eksperimentel til produktionstilstand. Google Cloud AI ROI 2025-rapporten, baseret på en global undersøgelse af mere end 3.400 virksomhedsledere, beskriver en ny fase af AI-modenhed - den såkaldte "agentiske tidsalder" - hvor AI-agenter opererer autonomt inden for definerede parametre for at levere målbare forretningsresultater. De 88 procent af agentiske AI-ledere, der rapporterede konkrete afkast i denne undersøgelse, adskiller sig primært fra flertallet på ét centralt aspekt: deres evne til præcist at måle resultater og afstemme dem med strategiske mål.

Resultatbaseret prisfastsættelse er det kommercielle udtryk for denne modenhed. Det forudsætter, hvad modne AI-implementeringer allerede kræver: klare procesdefinitioner, høj datakvalitet, en ren integrationsarkitektur og måleværktøjer, der er direkte knyttet til forretningsresultater. Virksomheder, der vælger denne vej, vil betale mindre for håb og mere for effekt. Dette er ikke en romantisk vision om en mere retfærdig teknologiøkonomi. Det er en nøgtern beskrivelse af, hvilke kontraktstrukturer der vil overleve de næste fornyelsescyklusser.

Det virkelige spørgsmål for købere er ikke længere, om resultatbaseret prissætning er den rigtige retning. Gartner, Bloomberg, Simon-Kucher, Bessemer Venture Partners og købspræferencerne hos 86 procent af køberne peger alle i samme retning. Det afgørende spørgsmål er, om deres egen indkøbsproces kan tilpasses hurtigt nok til at udnytte den forhandlingsposition, som denne modningsfase tilbyder på kort sigt – før markedet konsolideres igen, og leverandørerne igen kan diktere vilkårene.

🎯🎯🎯 Datadrevet B2B-industrihub som en næsten intern løsning

Den nærmest interne løsning: Hvordan Xpert.Digital lukker operationelle huller i B2B-marketing og -salg – Smart Content-Driven Business - Billede: Xpert.Digital

Xpert.Digital er et datadrevet B2B-industricenter ledet af Konrad Wolfenstein . Virksomheden fungerer som en ekstern, nærmest intern løsning for industrielle partnere og lukker operationelle huller i marketing, indhold og salg – uden at kræve yderligere ressourcer fra klientsiden.

Mere information her: