Därför misslyckas många vd:ar med AI – trots stora investeringar

Enligt Maria Chermanne, partner på Deloitte, handlar problemet sällan om själva tekniken.

– Många företag gör AI-frågan för stor från början. Man tänker att man måste ha en färdig strategi, färdiga processer och hela målbilden klar innan man börjar. Men de företag som faktiskt kommer framåt jobbar mycket mer interaktivt. De testar, lär sig och justerar längs vägen, säger hon.

”Man investerar i teknik – men glömmer människorna”

Maria Chermanne beskriver att många första AI-satsningar fastnar i ett teknikperspektiv. Fokus hamnar på nya system och verktyg, medan förändringen i organisationen får mindre uppmärksamhet.

– Många tänker att om vi bara köper rätt teknik så kommer verksamheten automatiskt förändras. Men AI skapar inget värde av sig självt. Det är människor som ska använda lösningarna, förstå dem och förändra sitt sätt att arbeta. Det är där det verkliga arbetet ligger, säger hon.

Det är också här många vd:ar underskattar omfattningen av förändringen. Enligt Maria Chermanne räcker det inte att lägga AI ovanpå befintliga processer. Arbetsflöden behöver ofta designas om från grunden för att den verkliga nyttan ska uppstå.

– Många organisationer lägger till AI som ytterligare ett lager ovanpå det man redan gör. Men då får man sällan ut den fulla effekten. Man behöver tydligt definiera vad AI ska göra, vad människan ska göra och hur samspelet mellan dem ska fungera i praktiken, säger hon.

I många företag lägger rekryterare fortfarande stora mängder tid på administration, koordinering och första urval. Maria Chermanne och lyfter rekryteringsprocessen som ett konkret exempel där människa och dator kan samverka effektivt – men utan att människans omdöme försvinner.

Maria Chermanne beskriver hur ett AI-stöd exempelvis kan:

• Skanna av och rangordna hundratals cv:n utifrån förutbestämda kriterier/nyckelord.
• Skicka ur personlighet och IQ-tester till valda kandidater inför nästa steg i processen.
• Koordinera intervjutider med kandidater utifrån chefernas kalendrar.
• Sammanfatta intervjuer och strukturera information.

Samtidigt ligger det avgörande beslutsfattandet kvar hos människan.

– Tidigare kanske en rekryterare hann läsa de första 20 CV:na, hittade ett par bra kandidater och valde dem. Med AI kan man analysera samtliga ansökningar och få fram de starkaste kandidaterna på ett helt annat sätt. Det handlar inte bara om effektivitet, utan också om bättre kvalitet i besluten, säger hon.

AI kan även användas efter anställningen, exempelvis för att skapa individanpassad onboarding och utbildning beroende på roll och kompetensbehov.

Vad innebär det att lyckas – vad är målet

Vad är det då som de lyckliga sju procent som blivit mer lönsamma ser för affärsvinster med sin AI-implementering? Maria Chermanne menar att det är lätt att fastna i en tanke om att allt handlar om effektivitet och kostnadsbesparingar. Men det finns andra värden som är minst lika viktiga.

– Jag tror inte att det alltid är i kostnadsbesparingarna som värdet ligger. Det ökade värdet måste ju handla om att du får ut någonting mer än vad du hade fått om du bara hade jobbat manuellt. I rekryteringsprocessen kan du absolut spara tid på att använda AI men värdet handlar kanske i slutändan mer om att vi kan kvalitetssäkra kompetensen. Så man måste hela tiden ha det ökade värdet i åtanke, säger hon.

Frågan vd:n behöver ställa blir därmed: Var och vad är det vi kan få ut MER i vår organisation med stöd av AI?

Företagen som lyckas testar smått – och snabbt

En tydlig skillnad mellan företag som lyckas och de som fastnar i planering handlar enligt Deloittes rapport om hur de arbetar i praktiken.

De mest framgångsrika organisationerna börjar ofta i liten skala:

• De testar konkreta användningsområden
• Involverar medarbetarna tidigt
• Accepterar att vissa initiativ inte fungerar
• Skalar upp först när nyttan är tydlig

– Många fastnar i långa planeringsfaser. Men om man inte börjar testa vet man inte heller vad som faktiskt fungerar. De företag som lyckas vågar prova flera saker samtidigt. Vissa initiativ lägger man ner, andra utvecklar man vidare, säger Maria Chermanne.

Hon menar att det också ställer nya krav på ledarskapet.

– Vd:n behöver visa att det här är något man själv använder och tror på. Det handlar inte om att kunna allt om tekniken, utan om att signalera nyfikenhet och skapa trygghet kring användningen av AI. Medarbetare tittar väldigt mycket på hur ledningen själv agerar, säger hon.

Governance blir en ledningsfråga

När AI börjar användas bredare i organisationen uppstår samtidigt nya frågor kring ansvar, kvalitet och risk. Enligt Maria Chermanne behöver företag vara betydligt tydligare kring vilka beslut AI får påverka – och vilka som alltid måste stanna hos människor.

– Det behövs tydliga ramar för vem som får använda AI, i vilka situationer och vilka beslut som aldrig får automatiseras fullt ut. Samtidigt måste man säkerställa kvaliteten i det som produceras. Där börjar egentligen det mänskliga arbetet, säger hon.

För vd:n handlar det därför inte bara om innovation, utan också om styrning och riskhantering.

Risk att automatisera bort kulturen

Samtidigt varnar hon för att företag kan bli alltför fokuserade på effektivisering. När fler processer automatiseras finns en risk att mänskliga möten och interaktioner gradvis försvinner ur vardagen. En framtid där du plötsligt sitter ensam i ett team med sju AI – agenter kommer högst sannolikt snarare leda till en stagnation av bolagets utveckling än tvärtom.

– Den mänskliga interaktionen bygger kultur, engagemang och tillit. Om allt går genom AI-botar och automatiserade processer riskerar man att förlora viktiga delar av företagskulturen, säger Maria Chermanne och fortsätter:

– Jag tror många kan känna igen sig i frustrationen när man fastnar i kundservice någonstans där man aldrig får träffa en riktig människa utan allt är AI. Det känns mer genuint att ha en mänsklig interaktion och det bygger ett förtroende på ett annat sätt. Det måste man tänka på när man designar sina arbetsflöden.