Under det senaste året har diskussionen om AI tagit fart i en omfattning vi sällan sett. Många av dessa texter är dessutom skrivna av AI, som refererar AI, som i sin tur bygger vidare på andra AI-genererade påståenden. Det gör det svårt att få syn på vad som faktiskt händer i verkligheten.

Den här hösten intervjuar jag AI-ledare. Just nu ligger fokus på svenska organisationer inom industri- och tjänstesektorn, de flesta med över tusen anställda. Efter årsskiftet har jag blivit inbjuden att utvidga studien till europeiska företag. Det gör att bilden som växer fram kommer att bli både bredare och mer representativ. Men redan nu börjar mönster träda fram. Nu ser jag hur vardagen ser ut i företagens satsningar på AI. Hur långt har de kommit? Vad fungerar bra? Vad som floppar?

Jag arbetar som AI-innovations- och transformationsledare med fokus på att designa AI-agenter, arbetssätt och operativa modeller som gör både människor och processer bättre. I det arbetet möter jag företag som vill höja sin AI-mognad och skapa ett mer strukturerat sätt att arbeta med AI. För mig blev det naturligt att kombinera mitt eget arbete med en mer systematisk undersökning. Jag ville skapa en realistisk bild av hur företag hanterar AI, bortom LinkedIn inlägg skrivna av AI.

AI finns överallt och ingenstans
Idag finns AI i nästan alla delar av verksamheterna, ofta i form av initiativ som har startats med god vilja och experimentlust. Men fram träder också en delvis annan bild, mer återhållsam och ärlig. Många av de jag talar med beskriver en situation där AI visserligen finns, men sällan hänger ihop. Arbetet bedrivs i silos, är utspritt och ofta beroende av eldsjälar. Organisationerna vill mer än de mäktar med, och trots en hög ambitionsnivå blir vardagen en broms. Det blir svårt att skapa förflyttning i den takt man önskar.

Företagens ledare är öppna med att de känner sig jagade av tempot. De ser möjligheterna, men de ser också alla risker och beroenden som behöver hanteras. Flera beskriver att de befinner sig i ett läge där AI både är strategiskt viktigt och samtidigt svårt att greppa organisatoriskt. De står mitt i en förflyttning där tekniken utvecklas snabbare än strukturerna runt omkring den.

“Det är sällan tekniken som är flaskhalsen. Det är organisationen.”

När AI placeras i stuprör utan tydlig ägare, utan gemensamma arbetssätt och utan en tydlig riktning från ledningen, blir varje initiativ ett eget litet projekt. Resultatet blir att företagen har ett antal pilotprojekt, men få av dem kan räknas hem av verksamheten i större skala.

AI-satsningar i praktiken
Under samtalen pratar vi om ledarnas verkliga erfarenheter av att använda AI, att skala, om modeller för styrning och om medarbetarnas förutsättningar. Det är en genuin nyfikenhet som driver mig och dem. Vi vill förstå vad som fungerar och vad som bör undvikas. Jag kommer att anonymisera och sammanställa insikterna för ledarna att ta del av.

Samtidigt är det här en del av mitt professionella arbete. I mina egna uppdrag arbetar jag med AI-strategier, operativa modeller, testmiljöer och designar konkreta AI-agenter som avlastar medarbetarna och skapar mätbart värde. För mig är det viktigt att se hur andra företag väljer att organisera sitt arbete och vilka lärdomar som går att ta vidare.

Tidigt framträdde intressanta mönster
Redan efter hälften av de inbokade samtalen började bilden klarna. Företagen har kommit olika långt, men det finns en tydlig samsyn kring flera frågor.

Det är inte ovilja som bromsar, utan kapacitet. Organisationerna har fullt upp med sin ordinarie leverans och de förändringar man vet att man borde göra hamnar ofta i konflikt med vad de hinner med i vardagen. Det finns en ödmjuk insikt om att AI är viktigt, bråttom och strategiskt avgörande, men det finns också många hinder som tidsbrist, oklara roller och många som hoppas att eldsjälar ska ta tag i förändringsarbetet, men eldsjälarna kör fast när företaget saknar struktur.

Ett annat mönster är att AI-initiativ ofta bedrivs i silos. Nästan alla företag har pilotprojekt, ibland många, men få har en tvärfunktionell modell som gör att värdeskapande AI kan få organisationen att lyfta till nästa nivå. Det blir många små startpunkter och få initiativ som får ett verkligt genomslag. Dock kan AI göra mycket nytta lokalt och hos vissa medarbetare. Jag kommer att sammanställa en succélista av framgångsrika exempel när alla samtal är genomförda.

Frågan om ägarskap återkommer i nästan varje samtal. Det är inte alltid tydligt var AI ska bo organisatoriskt. Är det en IT-fråga? En affärsfråga? En operativ fråga? Eller en ren ledningsfråga? När ägarskapet är otydligt blir ägarskapet diffust och tempot sjunker.

Det leder till det fjärde mönstret nämligen att tekniken sällan är problemet. Det är organisationens förmåga att prioritera, samordna, styra och utbilda som avgör om AI blir en integrerad del av verksamheten, eller ett sidospår.

Samspel behövs för att AI ska skalas
För att kunna utvärdera det jag hör har jag tagit fram ett ramverk. Jag använder en AI-operativ modell som jag har arbetat med i mina egna uppdrag. Den hjälper till att förstå hur AI-arbete organiseras, styrs och skalas. Det är inte en teoretisk modell. Det är ett praktiskt sätt att bedöma hur nära organisationen är att skapa verkligt värde.

Modellen bygger på fyra grundpelare. Den första handlar om värde och kärnproblem, och utgår från att inget AI-initiativ ska drivas utan en tydlig koppling till affären. Den andra handlar om kontroll och säkerställer att AI utvecklas inom ramarna för reglering, risk och etik. Den tredje handlar om hastighet och möjligheten att experimentera snabbt i en kontrollerad miljö. Den fjärde handlar om utbildning och att bygga kunskap i hela organisationen.

En AI-operating model förklarar hur styrning, prioritering, riskkontroll och lärande behöver samspela för att AI ska skala. För att förstå både nuläge och framsteg använder jag ett AI-mognadsindex och en AI-tracker, som hjälper till att synliggöra kunskapsluckor, följa utvecklingen och koppla initiativ till mätbart värde. Det handlar inte om att företag ska passa in i en bestämd mall, utan om att se var de befinner sig, hur de arbetar, och vilka steg som är rimliga att ta härnäst utifrån företagets förutsättningar.

Vinnarna har sannolikt tre saker gemensamt
Jag tror att den slutliga bilden kommer att bekräfta det som nu börjar visa sig, men också fördjupa förståelsen för hur ledarskap och organisation påverkar AI-arbetet.

Min hypotes är att företag som lyckas kommer att ha tre saker gemensamt. De kommer att ha byggt en tydlig modell för hur AI ska organiseras. De kommer att ha kopplat varje AI-initiativ till ett tydligt affärsmål, snarare än att låta tekniken styra. Och de kommer att ha lyssnat på och prioriterat utbildning för sina medarbetare.

Tack till alla er AI-ledare som generöst bidragit med era erfarenheter och reflektioner som lett till en mer nyanserad bild i hur det egentligen går för företagens AI-satsningar. Samtalen ger oss klarhet i hur vi kan bli bättre, lära av varandra, vilka utmaningar vi brottas med och vilka mönster som återkommer när ambitioner faktiskt lyckas på riktigt.

Om du vill ha ett fördjupat samtal om vad som krävs för att lyckas med din AI-satsningar, hör av dig till mig Karolin Ahlqvist på nummer Tel: +46 (0)70 831 44 71 eller skicka ett mail till karolin.ahlqvist@hammerhanborg.com


Är du vd eller har en ledande roll och vill fördjupa dig i insikterna och diskutera hur ni kan lyckas med era AI-satsningar?
Den 21 januari bjuder vi in till ett rundabordssamtal med Karolin Ahlqvist, tillsammans med Christina Nerpin på Hammer & Hanborg.

📩 Anmäl dig genom att kontakta Christina på
christina.nerpin@hammerhanborg.com