Åttio procent av AI-projekt misslyckas. Inte för att tekniken är dålig, utan för att ledningen delegerar frågan till IT och hoppas på det bästa. Det visar forskning från MIT Sloan och BCG – och det stämmer med vad jag sett i de företag jag arbetar med.
AI för företagsledare handlar inte om att förstå algoritmer. Det handlar om att ställa rätt frågor: Var förlorar vi tid? Var tappar vi pengar? Var kan vi bli snabbare än konkurrenterna? Det är affärsfrågor – inte teknikfrågor.
Jag kommer från en bakgrund som VD, sälj- och marknadschef i mindre svenska bolag. De senaste åren har jag riktat min nyfikenhet mot AI och automation – inte för teknikens skull, utan för att jag ser hur det förändrar villkoren för de företag jag känner bäst: små och medelstora bolag som vill växa utan att anställa fem personer till.
Varför AI fastnar på IT-avdelningen
Mönstret ser likadant ut i företag efter företag. Ledningen hör att ”alla pratar om AI”, beslutar att ”vi borde göra något”, och delegerar frågan nedåt. IT-chefen – eller den mest teknikintresserade medarbetaren – får uppdraget. Ett pilotprojekt startas. Tre månader senare har ett fåtal personer testat ett verktyg, ingen vet om det gett resultat, och initiativet dör tyst.
Göran Lindsjö, senior AI-rådgivare som medverkat i Svenskt Näringslivs seminarier om AI, kallar det ”låtsastillämpningar.” Det händer när man börjar med verktyget istället för med problemet.
En undersökning från TNG Tech (2025) bekräftar bilden: 64 procent av medarbetarna som använder AI blir snabbare och mer produktiva – men 71 procent av arbetsplatserna mäter inte ens effekten. Vinsterna stannar på individnivå. Ingen skalar upp. Ingen tar kommandot.
Jag har sett det här inifrån – både som den som drev digitaliseringen och som den som satt i ledningen. Problemet är aldrig tekniken. Problemet är att ledningen aldrig ägt frågan.
Tre steg som fungerar – utan att du behöver bli teknisk
I mitt arbete med företag har jag sett att skillnaden mellan de som lyckas och de som fastnar aldrig handlar om vilken AI-modell de valt. Den handlar om hur de tänker. Jag har destillerat det till tre steg – jag kallar det 3C-modellen.
1. Curiosity – börja med nyfikenhet, inte verktyg
Det första steget är inte att köpa licenser. Det är att förstå var AI faktiskt kan göra skillnad i just din verksamhet.
Ställ dig tre frågor: Vilka uppgifter äter mest tid utan att kräva mänskligt omdöme? Var gör vi samma sak om och om igen? Var tappar vi kunder eller pengar på grund av långsamma processer?
Jag brukar göra den här övningen med företagare och det tar ungefär en timme att identifiera 3–5 konkreta möjligheter. Svaren är nästan alltid kopplade till administration, kundkommunikation eller rapportering – inte till avancerad teknik. Läs mer: Arbetsuppgifter som kan automatiseras med AI.
2. Capability – bygg förmåga med spelregler
När du vet var AI kan göra nytta behöver organisationen tre saker: godkända verktyg, tydliga regler för vilken data som får användas, och en namngiven person som äger frågan.
Sedan februari 2025 kräver EU:s AI-förordning att anställda som arbetar med AI har tillräcklig AI-kunnighet. I praktiken betyder det att du behöver göra det du ändå borde: se till att ditt team vet vad de gör. En enkel AI-policy räcker – du behöver inte ett 40-sidors strategidokument.
3. Choice – ge medarbetarna valmöjlighet
Det här steget glöms bort oftast. Företag som tvingar på AI uppifrån får låg adoption. Företag som låter medarbetarna välja vilka uppgifter de vill ha hjälp med får engagemang och resultat.
Jag hjälpte nyligen ett svenskt företag som kortade sin produktutvecklingstid från 6–8 månader till en enda månad. Inte för att ledningen bestämde att AI skulle användas överallt, utan för att teamet fick välja var det passade bäst. Det var de som hittade de smarta lösningarna – jag hjälpte dem se möjligheterna.
Forskaren Åsa Cajander vid Uppsala universitet bekräftar mönstret: AI kan orsaka stress och oro, men effekten vänds när medarbetarna har inflytande över hur tekniken används.
[BILD: Illustration av 3C-modellen: Curiosity → Capability → Choice med ikoner och korta beskrivningar]
Vad du som företagsledare faktiskt behöver kunna
Du behöver inte förstå hur GPT fungerar. Du behöver förstå fyra saker:
Var AI skapar värde i din typ av verksamhet. Enligt McKinseys analys är störst effekt inom marknadsföring, kundtjänst och mjukvaruutveckling. Men det viktiga är att identifiera var du förlorar mest tid.
Vad det kostar att vänta. PwC:s CEO Survey visar att 56 procent av svenska VD:ar tror att medarbetarna kan arbeta mer effektivt med AI – men bara en knapp femtedel har implementerat tekniken. Gapet mellan insikt och handling kostar pengar varje dag.
Vilka risker som finns. Dataleakage, felaktiga AI-svar, och EU:s AI-förordning. Inget av det kräver teknisk expertis – det kräver en policy och sunda rutiner. Läs mer: Vanliga misstag med AI på jobbet.
Att det inte handlar om ett stort beslut – utan om ett litet första steg. Den vanligaste fällan är att vänta på en komplett strategi. Men du behöver inte en AI-strategi för att börja. Du behöver ett problem att lösa och spelregler att följa.
Det är precis det jag gör i en AI Effektanalys – kartlägger var tid och energi försvinner i din verksamhet, prioriterar utifrån affärsnytta och genomför ett första steg på 30 dagar. Inte en rapport för arkivet, utan ett konkret resultat.
Vanliga frågor
Måste jag som VD förstå AI tekniskt?
Nej. Du behöver förstå vad AI kan göra för din verksamhet, vilka risker som finns, och hur du sätter spelregler. Det är ett affärsbeslut – precis som att välja CRM-system eller marknadsstrategi. Du behöver inte kunna bygga det, men du behöver kunna besluta om det.
Hur vet jag om AI är relevant för mitt företag?
Om ditt företag har repetitiva processer, textproduktion, kundkommunikation eller datahantering – ja, AI är relevant. Enligt SCB använder 35 procent av svenska företag redan AI. Frågan är inte om, utan var du börjar.
Vad skiljer företag som lyckas med AI från de som misslyckas?
Ledningens engagemang. Tillväxtverkets rapport (2025) är tydlig: framgång kräver att ledningen förstår vad AI kan göra, fattar beslut om var det ska användas, och tilldelar resurser. Företag som delegerar frågan utan att vara involverade hamnar i pilotprojektens kyrkogård.
Vad är ett bra första AI-projekt?
Ett projekt som löser ett verkligt problem, sparar mätbar tid, och har låg risk om det blir fel. Mötessammanfattningar, e-postutkast, eller sammanställning av rapporter är klassiska startpunkter. Hela tillvägagångssättet beskrivs i pillar-guiden.
Sammanfattning
AI är inte en teknikfråga. Det är ett affärsbeslut som kräver ditt ledarskap – inte din tekniska expertis. Börja med att förstå var AI skapar värde (Curiosity), bygg förmåga med enkla spelregler (Capability), och låt medarbetarna välja hur de använder det (Choice).
De företag som lyckas är inte de med mest avancerad teknik. Det är de med en ledning som äger frågan och medarbetare som får vara med och forma lösningarna.
Vill du veta var er största effekt finns? Boka ett kostnadsfritt strategisamtal – 30 minuter där vi går igenom er situation och ni får klarhet i om AI Effektanalys är rätt steg.
Hur tänker du som företagsledare kring AI? Har du tagit ägarskap eller delegerat frågan? Dela gärna i kommentarerna.