Varför hamnar alla i samma fälla?
Det finns tre mönster som dyker upp hela tiden.
Det första är leverantörsdrivna prioriteringar. När systemleverantörer visar upp sina AI-funktioner ser det imponerande ut – men de utgår från sina produkter, inte från var ni faktiskt kan skapa värde. Vi har suttit i möten där flera leverantörer pitchar "branschspecifik AI" utan att någon av dem kan svara på vilka processer som faktiskt blir effektivare, eller vad det kostar att komma dit.
Det andra mönstret är att AI-verktyg finns men inte används. Det är fullt möjligt att rulla ut Copilot till hundratals användare och sex månader senare se en adaption under 15 procent. Problemet är sällan verktyget – det är att ingen definierat varför det ska användas, var det ger mest effekt, eller hur medarbetarna ska få stöd att faktiskt komma igång.
Det tredje är många initiativ utan helhet. HR testar AI-rekrytering, IT utvärderar säkerhetsverktyg, ekonomi tittar på automatisering och kundtjänst försöker med en chatbot-pilot. Projekten pratar inte med varandra, ingen vet vad det kostar totalt och ingen kan säga vilket som faktiskt ger affärsvärde först. Det är inte AI som misslyckas i de lägena. Det är avsaknaden av en gemensam riktning.
Vad vi tror – som andra inte verkar tro
Vi har ett par åsikter som vi sällan hör andra säga högt.
Den första: de flesta behöver stabilisera innan de transformerar. AI-inspiratörer älskar att prata om autonoma agenter och omvälvande transformation. Men när vi gör nulägesanalyser ser vi ofta samma grundproblem: diffust systemägarskap, oklar datastruktur och bristande IT-styrning. Inte sällan hittar vi verksamheter med 40-50 system där knappt en tredjedel har tydliga ägare, och dokumentation utspridd över SharePoint, Teams och lokala filer utan någon struktur. I det läget är AI inte lösningen – det förstärker det befintliga kaoset. Stabilisera först. Sedan kan AI skapa riktig effekt.
Den andra: verktygsvalet spelar stor roll – men det är inte första steget. Många konsulter säger att verktyget inte spelar någon roll, att det är strategin som räknas. Vi håller inte med. Verktygsvalet spelar roll, men det går bara att göra ett intelligent val när ni vet vad ni ska lösa, var ni ska börja och vilka förutsättningar ni faktiskt har. Rätt verktyg i rätt ordning utifrån rätt prioriteringar. Men aldrig som första steg.
Den tredje: snabb effekt kommer från rätt pilotval, inte från att låta alla experimentera. "Låt tusen blommor blomma" låter tilltalande men leder i praktiken till fragmentering, ingen lärande-loop och svag ROI. Riktade piloter med tydliga mål och mätbara effekter slår tio parallella experiment varje gång. Färre initiativ, högre kvalitet, tydligare uppföljning.
Så skapar ni riktning – utan att göra det till ett stort projekt
När vi hjälper organisationer att få ordning på sin AI-satsning börjar vi alltid med fyra frågor till ledningsgruppen.
- Vad är syftet med ert AI-arbete i affärstermer? Inte "öka produktiviteten" (för vagt) och inte "hänga med i utvecklingen" (inget mål). Utan konkret: vilka kostnader ska minska, vilka intäkter öka, vilka flaskhalsar lösas?
- Vilka problem ska ni faktiskt lösa? Vi har sett ledningsgrupper som listar 20-talet möjliga AI-use cases och efter prioritering landar i tre. Och det är nästan alltid de tre som har tydlig koppling till affärsmål, befintlig data och organisatorisk förmåga att genomföra.
- Var ska ni börja för att få effekt tidigt? Piloterna måste ge snabb feedback och synliga resultat, annars tappar ni momentum. Hög datakvalitet, tydlig process och motiverade användare slår visionär men omogen idé varje gång.
- Hur ska ni genomföra och följa upp? Vem äger? Vad mäter ni? När utvärderar ni? Hur säkerställer ni att det inte blir ett projekt som lever sitt eget liv?
Vad som faktiskt händer när ni gör det här
När en ledningsgrupp lägger en dag på att verkligen arbeta igenom de här frågorna – med ordentlig förberedelse, externa perspektiv och konkreta prioriteringar – händer något påtagligt. Ni får ett beslutsunderlag istället för en allmän strategi. Ni kan säga nej till saker, vilket är minst lika viktigt som att säga ja. Ni får en roadmap med tydliga initiativ, ansvar och mätpunkter. Ni identifierar vilka brister som måste åtgärdas innan AI kan ge effekt. Och ni skapar ett gemensamt språk i ledningen.
Det sparar tid och pengar – men ännu viktigare, månader av spretig utveckling.
Varför vi kan hjälpa er
Vi säljer inga AI-verktyg och tjänar inget på att ni väljer en viss leverantör. Det gör att vi kan säga "det här är inte rätt timing" eller "det här verktyget passar inte er" när det är sant. Vi ser också AI som en del av IT-miljö, processer, styrning och organisation – inte som ett isolerat initiativ. AI-roadmapen behöver hänga ihop med verksamhetsplanen och IT-planen, inte leva vid sidan av dessa.
När är det dags att stanna upp?
Om något av det här stämmer är det förmodligen dags att skapa tydligare riktning: flera AI-initiativ drivs parallellt utan samordning, agendan påverkas mer av leverantörer än av verksamheten, det är svårt att visa konkret effekt av pågående satsningar, AI-stöd finns men används begränsat, eller ledningen är osäker på vad som ska prioriteras.
I de lägena är det sällan fler initiativ som löser problemet. Det är tydligare riktning, bättre prioriteringar och en gemensam syn på vad som faktiskt skapar värde.
Känner ni igen er? Hör av er för ett samtal om hur vi kan hjälpa er gå från spretiga initiativ till en sammanhållen AI-strategi med tydliga prioriteringar och mätbar effekt.
