Dalarna University's logo and link to the university's website

Molnmigrering är en teknisk och strategisk process där IT-resurser som applikationer, databaser och servrar flyttas från lokala miljöer till molnbaserade plattformar. Syftet är ofta att öka flexibilitet, skalbarhet och kostnadseffektivitet. I praktiken uppstår dock nya utmaningar kring kontroll, styrning och optimering av kostnader.

Denna studie undersöker hur cloud-arkitekter arbetar med kostnadsoptimering i samband med molnmigrering. Fokus ligger på tekniska strategier, val av verktyg samt organisatoriska och affärsrelaterade överväganden som påverkar beslutsfattandet. Studien bygger på semistrukturerade intervjuer med molnarkitekter med praktisk erfarenhet av både AWS och Azure. Intervjuerna kompletterades med AI-genererade svar från språkmodellerna ChatGPT, Gemini och Copilot som instruerades att agera som yrkesverksamma arkitekter.

Resultaten visar att kostnadsoptimering inte sker i en enskild fas, utan är en löpande process som kräver kontinuerlig analys och justering. Tekniska lösningar som automatisk skalning, rätt dimensionering och användning av kostnadsverktyg kombineras med styrning, uppföljning och samarbete inom organisationen.

De AI-genererade svaren uppvisar teknisk struktur och bred täckning, men saknar den kontextförståelse, vardagliga kompromisser och nyanser som framkommer i de mänskliga intervjuerna. Studien visar att effektiv kostnadsoptimering kräver mer än tekniska lösningar – det kräver även förmåga att agera i skärningspunkten mellan teknik, ekonomi och organisation.

Cloud migration is a technical and strategic process where IT resources such as applications, databases, and servers are moved from local environments to cloud-based platforms. The goal is often to increase flexibility, scalability, and cost-efficiency. In practice, however, new challenges arise in managing and optimizing costs.

This study explores how cloud architects work with cost optimization during cloud migration. The focus is on technical strategies, tool selection, and the organizational and business-related considerations that influence decision-making. The study is based on semistructured interviews with professional cloud architects experienced in both AWS and Azure. Their insights were complemented by AI-generated responses from the language models ChatGPT, Gemini, and Copilot, which were instructed to act as experienced cloud architects.

The findings show that cost optimization is not a one-time phase, but an ongoing process requiring continuous monitoring and adjustment. Technical solutions such as auto-scaling, rightsizing, and budget tools are combined with governance structures, accountability, and cross-functional collaboration within the organization.

The AI-generated responses demonstrate technical breadth and structure but lack the contextual awareness, trade-offs, and real-world nuance reflected in the human interviews. The study concludes that effective cost optimization demands more than technical solutions— it requires the ability to operate at the intersection of technology, finance, and organizational dynamics.