3 steg från AI-pilot till affärsnytta

För vd:n pekar det på en central ledningsfråga: AI skapar redan nytta, men ofta i form av interna förbättringar snarare än en förändrad affär.

– Många företag i dag använder AI mer som ett effektiviseringsverktyg än som ett verktyg för affärsförnyelse. Fokus ligger ofta på interna förbättringar och kostnadsbesparingar. Färre använder AI för att ta fram nya erbjudanden och intäktsströmmar, säger Sam Mottaghi.

Enligt honom är det inte tillgången till teknik som främst skiljer de bolag som kommer vidare från dem som fastnar i pilotprojekt. Skillnaden ligger i förmågan att omsätta tekniken i organisatorisk förändring.

– Rapporten visar att nordiska bolag rent generellt har byggt en stark teknisk grund, men har svagare strategisk och kompetensmässig beredskap. Utmaningen ligger alltså i att skala från enskilda experiment till verklig affärseffekt.

För vd:n innebär det att AI-frågan inte kan reduceras till val av system eller licenser. Den behöver kopplas till affärsplan, prioriteringar, ansvarsfördelning och hur arbetet faktiskt utförs i organisationen.

1. Strategisk riktning: vilket affärsproblem ska AI lösa?

Det första som krävs är enligt Sam mottaghi en tydlig riktning. AI-satsningar som börjar i tekniken riskerar att bli många, spretiga och svåra att följa upp. För att skapa affärsnytta behöver vd:n och ledningen i stället börja i verksamhetens viktigaste problem.

Det kan handla om att stärka marginalerna, minska felkostnader, öka träffsäkerheten i kundservice eller utveckla nya datadrivna tjänster. Poängen är att AI måste kopplas till de områden där bolaget faktiskt skapar eller förlorar värde.

– Det första som krävs är strategisk riktning, alltså tydlighet kring vilka affärsproblem AI ska lösa och var tekniken faktiskt kan skapa värde. Utan den tydligheten blir resultatet ofta spretigt, snarare än transformativt, säger Sam Mottaghi.

För många vd:ar i mindre och medelstora bolag kan det innebära att AI-arbetet behöver börja smalare, inte bredare. Frågan är inte var AI skulle kunna användas, utan vilka få områden som är mest affärskritiska att förbättra.

Deloittes rapport visar att nordiska organisationer redan rör sig från experiment till produktion, men att skalan fortfarande är begränsad. 22 procent har flyttat minst 40 procent av sina AI-experiment till produktion, medan 53 procent förväntar sig att nå den nivån inom sex månader.

Det gör prioriteringen viktig. När fler experiment ska bli verkliga arbetssätt behöver vd:n säkerställa att resurserna inte sprids på för många initiativ med oklar koppling till affären.

2. Tydligt ägarskap: någon måste ansvara för effekten

Det andra steget handlar om att äga och förvalta den nya satsningen. Många organisationer följer upp AI-initiativ, men färre har utsett någon som faktiskt ansvarar för att nyttan realiseras.

– Ett tydligt ägarskap för värderealisering är ett viktigt steg. Någon måste äga utfallet, följa upp effekten och driva arbetet vidare från pilot till skala, säger Sam Mottaghi.

Det är en viktig signal till vd:n. Om ingen äger nyttan riskerar AI-projekt att bli tekniska införanden snarare än affärsförändringar. Då kan organisationen ha många aktiviteter i gång, men ändå sakna en tydlig bild av vilka effekter som uppstår på intäkter, kostnader, kvalitet, kundvärde eller kapacitet.

I praktiken handlar det om att varje större AI-initiativ behöver ha en affärsägare, inte bara en teknisk projektägare. Det kan vara säljchef, ekonomichef eller annan ansvarig i ledningen, beroende på var värdet ska uppstå.

För vd:n blir uppgiften att se till att AI inte hamnar mellan funktioner. Om tekniken införs av it, men nyttan ska uppstå i sälj, leverans eller kundservice, behöver ansvar och uppföljning vara tydliga från början.

Det gäller också mätningen. Effektivitet är ofta lättare att visa än intäktstillväxt. Men om målet är affärsnytta behöver ledningen definiera vilka nyckeltal som ska påverkas: bruttomarginal, konverteringsgrad, leveransprecision, kundnöjdhet eller något annat som är relevant för bolagets affärsmodell.

3. Nya arbetssätt: tekniken räcker inte

Ett tredje steg handlar om att anpassa arbetssätten efter tekniken. Många företag har gett medarbetare tillgång till AI-verktyg, men har inte förändrat hur arbetet organiseras. Där uppstår ofta gapet mellan experiment och faktisk nytta.

– Många organisationer har investerat i teknik och gett fler medarbetare tillgång till AI-verktyg, men betydligt färre har designat om arbetet eller byggt den kompetens som krävs för att använda AI fullt ut i verksamheten. Det är ofta där steget från experiment till faktisk nytta avgörs, säger Sam Mottaghi.

För vd:n blir detta en fråga om organisation, inte bara utbildning. Om AI ska ge effekt behöver processer, roller och ansvar ses över. Vem gör vad när en arbetsuppgift kan automatiseras eller förenklas? Hur förändras beslutsunderlagen? Vilka kontroller behövs? Vilka moment ska fortfarande göras av människor? Och var krävs ny kompetens för att kvaliteten inte ska försämras?

Här finns också en risk för överskattade effekter. Deloitte visar att 35 procent förväntar sig betydande produktivitetsvinster, samtidigt som bara 16 procent har gjort omfattande förändringar av arbetssätten.

För företag som vill komma vidare räcker det därför inte att uppmuntra medarbetare att ”testa AI”. Ledningen behöver bestämma vilka arbetsflöden som ska förändras, hur effekten ska följas upp och vilka nya krav som ställs på chefer och medarbetare.

Från teknikfråga till ledningsfråga

Sam Mottaghi beskriver flaskhalsen hos många bolag som bristande organisatorisk beredskap. För att AI ska bli en del av affärsmodellen måste tekniken kopplas tydligare till affärsstrategin och till hur verksamheten faktiskt fungerar i vardagen.

– Det som skiljer företagen som lyckas från dem som fastnar är inte tillgången till teknik utan förmågan att omsätta tekniken i organisatorisk förändring. För att lyckas behöver man samtidigt förändra ansvar, processer och hur arbetet faktiskt utförs, säger Sam Mottaghi.

För vd:n innebär det att AI behöver behandlas som andra större förändringar i bolaget: med tydlig riktning, ansvar, uppföljning och förändrade arbetssätt. Annars riskerar tekniken att skapa lokala effektivitetsvinster utan att påverka bolagets konkurrenskraft, erbjudande eller intäktsmodell.