AI – från experiment till ledningsfråga på nolltid

AI blir inte styrbart genom mer teknik. Det blir styrbart genom bättre verksamhetsdesign.
AI-frågan har snabbt flyttat från experiment till ledningsfråga. Många organisationer har redan börjat använda AI, men användningen varierar kraftigt. I ena änden finns den personliga AI-användningen: medarbetare använder ChatGPT, Claude, Gemini eller andra verktyg för att skriva, sammanfatta, analysera, skapa bilder eller effektivisera sitt eget arbete. Det skapar ofta omedelbar nytta, men sker ofta osynligt för organisationen. Effekten är svår att mäta. Risken är också svår att styra.

En annan form av AI har funnits längre. Det är AI inbyggd i verksamhetssystem och processer, till exempel prognoser, optimering, beslutsstöd och klassisk maskininlärning. Här är AI ofta mer kontrollerad. Den arbetar inom ett tydligt system, med tydliga variabler och ett definierat syfte. Det är inte nytt, även om tekniken har blivit bättre.

Det som nu förändrar frågan är agentisk AI. Här går AI från att stödja en människa eller optimera ett avgränsat problem till att faktiskt utföra arbete. Den kan tolka information, välja väg, initiera aktiviteter, använda verktyg och driva arbetsflöden framåt. Det gör möjligheterna större. Men det gör också frågan svårare.

Den centrala frågan är därför inte bara vad AI kan göra. Den är vad AI får göra.
Det är en viktig förskjutning. Många organisationer börjar i tekniken. Vilken modell ska vi använda? Vilka verktyg ska vi köpa? Vilka use cases ska vi testa? Det är rimliga frågor, men de räcker inte. När AI börjar agera i verksamheten behöver organisationen kunna svara på andra frågor. Vilket mandat har AI:n? När måste den stanna? När måste den lämna över till människa? Vilken information får den använda? Vilka beslut får den förbereda, rekommendera eller fatta? Vem bär ansvaret om utfallet blir fel?

Det går inte att lösa enbart i modellen.

En AI-agent kan ges uppgifter, kontext och verktyg. Men den har inte mänskligt ansvar. Den har inte omdöme i organisatorisk mening. Den förstår inte mandat på samma sätt som en roll i en verksamhet gör. Därför behöver styrningen byggas runt AI:n, inte bara inuti den. Organisationen behöver definiera den box där AI:n får verka.

En operating model-fråga.
I en verksamhet finns redan mycket av det som krävs för att styra arbete: roller, processer, mandat, beslutsforum, mål, uppföljning, informationsägarskap och eskaleringsvägar. Det är också där AI behöver förankras. Om AI behandlas som ett fristående tekniklager blir styrningen svag. Om AI däremot kopplas till förmågor, processer och roller blir det möjligt att förstå var den hör hemma, vilket arbete den ska utföra och vilka gränser den måste hålla sig inom.

En användbar bild är att se varje AI-tillämpning som en del av en förmåga. En förmåga beskriver vad verksamheten behöver kunna göra. Den kan sedan realiseras på olika sätt. I vissa fall kan AI ta en stor del av utförandet. I andra fall bör AI bara stödja en människa. I ytterligare andra fall ska AI inte vara den primära lösningen alls.

Skillnaden syns tydligt i försäkringsexemplet. En skada på en telefon kan ofta hanteras snabbt och automatiserat. Kunden vill sannolikt ha enkelhet, tempo och låg friktion. En personskada är något annat. Där blir bemötande, omdöme och mänsklig kontakt viktigare. Förmågan kan heta samma sak, till exempel skadehantering eller skadebedömning, men kontexten förändrar vad som är rimligt att automatisera.

Det är därför AI inte kan bedömas på en generell nivå. Frågan är inte om en organisation “ska använda AI”. Frågan är var, hur och under vilka villkor.

Organisationen behöver skilja mellan tre lager

• Det första är kontext. AI behöver förstå vilket arbete den befinner sig i. Den behöver relevant information, data, regler, affärsobjekt, kundkontext och processlogik. Utan kontext blir AI:n antingen för försiktig eller för fri. Båda skapar problem.
• Det andra är utförande. Här ligger tekniken, systemen, integrationerna och verktygen som gör att AI faktiskt kan göra något. Det är viktigt, men det är inte tillräckligt. Ett verktyg som kan utföra arbete är inte samma sak som en verksamhet som kan styra arbetet.
• Det tredje är governance. Det är här organisationen definierar vad som är tillåtet, förbjudet och obligatoriskt. Det handlar om mandat, roller, processer, beslutsregler och eskalering. Med andra ord: vem eller vad får göra vad, i vilken situation, med vilket ansvar och med vilken uppföljning?

Den här logiken kan låta teknisk, men den är i grunden verksamhetsnära. I praktiken handlar den om att översätta AI till sådant ledningar redan behöver hantera: ansvar, styrning, risk, värde och genomförbarhet.

AI är inte digitala människor
Det innebär också att AI-agenter inte bör ses som “digitala människor”. De kan bli mycket kapabla utförare. De kan hantera stora informationsmängder, arbeta snabbt och driva flöden som tidigare krävde många manuella steg. Men de blir inte ansvarsbärare. Därför måste organisationen designa samspelet mellan människa och AI med större precision än tidigare.

Det påverkar även hur man bedömer AI-potential. Vissa delar av verksamheten lämpar sig bättre för hög grad av automation. Det gäller ofta repetitiva, informationsdrivna och tydligt avgränsade arbetsflöden. Andra delar kräver mänskligt omdöme, prioritering, etik, målkonflikter och ansvarstagande. Ledning, strategi och styrning kommer därför inte att automatiseras på samma sätt som vissa stödprocesser. Men de kommer att behöva förändras.

För ledningen blir uppgiften att välja var AI ska skapa verkligt värde, inte bara var AI är tekniskt möjlig. Det kräver en annan typ av AI-strategi. Den kan inte bara bestå av verktygsval och pilotprojekt. Den behöver koppla AI till affärsförmågor, värdeströmmar, roller, mandat, data och styrning. Först då går det att se var AI ska accelerera verksamheten, var den ska stödja människor och var mänskligt ansvar måste vara kvar i centrum.

Det är också där genomförandekraften sitter.

AI kan öka tempot. Den kan minska friktion. Den kan göra arbete billigare, snabbare och mer tillgängligt. Men om organisationen inte vet hur arbetet ska styras kommer hastigheten bara förstärka otydligheten. Då får man fler initiativ, fler experiment och fler lokala lösningar, men inte nödvändigtvis mer värde.

Den avgörande frågan blir därför: hur bygger vi en organisation där AI kan agera, utan att ansvar, styrning och kundvärde försvinner?

Det svaret finns inte i en prompt. Det finns i verksamhetsdesignen.

 

Den här texten är en summering av vårt Cordial Talks webinar på samma tema med Dr Terry Roach, Henrik Ekstam och Karin Andersson. Vill du ta del av det inspelade webbinariet – klicka in här