AI-användning ökar lönsamheten – tre steg att dra nytta av

Siffrorna står i kontrast mot en tidigare uppmärksammad undersökning från MIT som i slutet på sommaren kunde slå fast att 95 procent av företagen inte får avkastning på sina investeringar i generativ AI. Enligt Marielle Lindgren beror skillnaden på att MIT:s rapport fokuserat på generativ AI:

”Vår studie mäter hur företag ser konkreta resultat i sina verksamheter, inte bara inom generativ AI utan även inom analytisk och agentisk AI, alltså tekniker som redan används produktivt i stor skala. MIT:s rapport fokuserade i hög grad på tidiga experiment med generativ AI, där många företag fortfarande befinner sig i testfasen och inte har hunnit realisera affärsnytta.” skriver Marielle Lin i ett mejl till VD-tidningen.

”Enterprise AI Maturity Index 2025” har också undersökt olika organisationers AI-mognadsgrad. En hög mognadsgrad innebär att man använder AI på ett skalbart, hållbart och värdeskapande sätt.

Sveriges AI-mognad har minskat i år jämfört med motsvarande undersökning ett år tidigare, till 34 i år från 43 förra året, på en indexskala med 100 som högsta nivå. Det är i linje med hur den genomsnittliga AI-mognaden i Europa och Mellanöstern utvecklats.

Nästan hälften av företagen i Sverige, 47 procent, har lanserat över 100 AI-användningsfall det senaste året, vilket också är i linje med det globala snittet. Majoriteten av organisationerna i Sverige fokuserar på experiment med AI och endast 7 procent uppger att de har implementerat AI brett i verksamheten.

– Vi befinner oss i en period av så snabb förändring att tekniken i många fall utvecklas snabbare än företagens interna förmåga att anpassa sig. För att behålla sin konkurrenskraft räcker det inte längre bara att experimentera med AI. Företag måste fokusera på att skala upp sina AI-initiativ, med fokus på stark datagrund och robust styrning, säger Marielle Lindgren.

Så hur gör man då som vd på ett företag som vill gå från att experimentera med AI till att se lönsamhet? Marielle Lindgren menar att tre punkter är avgörande:

• Bygg en stabil datagrund: Samla och koppla ihop verksamhetsdata så att AI kan användas över flera funktioner, inte i silos. 

• Fokusera på konkreta affärsmål: Börja där AI kan driva tydlig effekt, till exempel i processautomation, kundservice eller prediktiv analys. 

• Etablera styrning och ett AI-”mindset”: Se till att medarbetarna förstår hur AI stödjer deras arbete, och att det finns tydliga regler för ansvar, etik och datakvalitet. När AI integreras i arbetsflödena, inte bara testas i enskilda projekt, börjar lönsamheten komma.