Hoppa till innehållet
AI-räddningen en tjänst av Daniel Kjellgren

Spretiga AI-initiativ

Så hittar ni alla AI-initiativ som redan pågår i företaget. De flesta chefer känner bara till hälften.

5 min läsning

Fråga en VD hur många AI-initiativ som pågår i bolaget just nu. Svaret kommer nästan alltid för lågt. Inte för att VD:n gissar dåligt, utan för att initiativen sällan syns förrän någon aktivt letar efter dem.

Det är sällan ett enda stort AI-projekt som är problemet i mellanstora bolag. Det är tio, femton eller tjugo små försök, spridda över avdelningar som aldrig pratar med varandra om det. Var för sig är de harmlösa. Tillsammans utgör de en satsning som ingen faktiskt styr.

Fem ställen initiativ brukar gömma sig

Det första stället att leta är i faktureringen. Sök på namnen på de vanligaste AI-verktygen i bokföringssystemet, per kostnadsställe. Det brukar dyka upp fler licenser än ledningen kände till, ofta betalda av enskilda medarbetare mot ersättning i efterhand.

Det andra stället är i inköpsflödet för mjukvara, om ett sådant finns. Många AI-verktyg är gratis att börja med och kräver aldrig ett formellt inköpsbeslut, vilket gör att de aldrig syns i vanlig uppföljning.

Det tredje stället är hos supportfunktionerna. Ekonomi, HR och kundservice är ofta de avdelningar som testar AI först, eftersom de har många repetitiva uppgifter. De pratar sällan om det utåt, eftersom det inte känns som deras uppgift att rapportera det uppåt.

Det fjärde stället är bland de mest erfarna medarbetarna i varje avdelning. De som redan är snabbast på sitt jobb är också oftast de som experimenterar mest, eftersom de har marginalen att testa nytt utan att det stör leveransen.

Det femte stället är i det som redan avslutats. Initiativ som startades för ett år sedan och sedan tystnade, utan att någon formellt lade ner dem. De kostar fortfarande licenspengar i många fall, och de säger något viktigt om vilka satsningar som faktiskt håller över tid.

Så kartlägger ni det på en vecka

Skicka en kort fråga till alla avdelningschefer, även de utanför IT. Fråga vilka AI-verktyg som används i deras team i dag, av vem, och till vad. Ge dem tre dagar att svara, och följ upp personligen med de som inte gör det, eftersom tystnad ofta betyder att de inte vet själva.

Samla svaren i ett enda dokument. Sortera dem inte efter avdelning, utan efter vilket problem varje initiativ faktiskt löser. Det brukar snabbt visa var flera team löser samma sak på olika sätt, och var det finns problem som ingen alls arbetar med trots att de borde.

Kostnaden av att inte veta

Fem avdelningar som löser samma problem på fem olika sätt kostar mer än ett team som löser det en gång, och det är bara licenskostnaden. Den verkliga kostnaden ligger i tiden. Varje enskild lösning som byggs upp från grunden, testas, och sedan justeras, tar veckor av arbetstid som hade kunnat sparas om någon delat det som redan fungerade.

Det här mönstret är sällan unikt för ett enskilt bolag. I en intervjustudie med tjugo svenska beslutsfattare hösten 2025 uppgav femton av tjugo att de hade problem med att prioritera mellan för många parallella projekt, och arton av tjugo upplevde uttalad resursbrist, särskilt inom arkitektur och produktägande. Ett spretigt AI-landskap är sällan ett tecken på att ett enskilt bolag sköter sig sämre än andra. Det är snarare vad som händer så fort ingen aktivt håller ihop helheten.

Det finns också en risk som sällan syns förrän det är för sent. Utan en samlad bild vet ingen vilka data som faktiskt matas in i vilka verktyg, vilket är precis den oro två av tre svenska chefer redan bär enligt en undersökning från Fellowmind och Novus, gjord i februari 2026. Ett spritt landskap av initiativ är också ett spritt landskap av risk, och ingen kan hantera en risk de inte vet finns.

Det gäller även den mer subtila risken att flera avdelningar bygger upp beroenden till samma externa verktyg, utan att någon i ledningen känner till hur affärskritiskt det blivit. Om en leverantör höjer priset kraftigt, ändrar villkoren eller lägger ner en tjänst helt, är det ofta först då som omfattningen av beroendet blir synlig, och då redan för sent för att förhandla från en stark position.

Kartläggningen är den enkla delen

Att samla in listan är görbart på en vecka, som beskrivet ovan. Det svåra kommer efteråt. Någon måste ta ägarskap för helheten, prioritera vilka initiativ som ska växa, vilka som ska läggas ner, och vilka som ska slås ihop. Det kräver ett beslut som ofta känns obekvämt, eftersom det innebär att säga nej till initiativ som enskilda medarbetare lagt tid och stolthet i.

De flesta ledningsgrupper klarar kartläggningen på egen hand. Färre klarar att sedan hålla i styrningen, månad efter månad, när nya initiativ dyker upp i samma takt som gamla städas bort. Det är inte en engångsinsats. Det är en roll som någon behöver ha, med mandat att säga både ja och nej, så länge bolaget fortsätter använda AI i den takt det gör i dag.

Känner ni igen er i det här?

Om situationen stämmer in på ert bolag går det att prata igenom den utan förpliktelser, med Daniel Kjellgren, som räddar AI-initiativ och IT-projekt som kört i diket.

Boka ett samtal

Fler artiklar om spretiga ai-initiativ

Se alla artiklar om spretiga ai-initiativ →