Data och analys avgör AI-satsningens framgång – 6 steg till bättre resultat

– D&A-ledare spelar en avgörande roll för att realisera värdet av AI, säger Rita Sallam, som är analytiker och forskningschef på Gartner i ett pressmeddelande.

De som investerar upp till fyra gånger mer – i andel av omsättningen – i grundläggande områden som datakvalitet, styrning, kompetens och förändringsledning får bäst utväxling på sina AI-investeringar.

Enligt Gartner handlar uppdraget fram till 2030 om att bygga upp tre centrala fundament: tillförlitlig data, en stark kontextuell grund och mer avancerad, insiktsdriven intelligens.

För att lyckas krävs i sin tur sex omfattande förändringar i hur D&A-teamen är organiserade, arbetar och skapar värde.

1. Från data-först till AI-först

Fokus flyttar från att optimera befintliga arbetssätt till att använda AI för att förändra affärs- och verksamhetsmodeller. Det kräver modigt ledarskap och en tydlig ambition att använda tekniken för verklig transformation, inte bara förbättringar i marginalen, enligt Gartner.

2. Samarbete mellan människor och AI-agenter

AI kommer inte ersätta människor, utan förstärka deras förmågor. D&A-teamen kan därför krympa men få större genomslag. Gartner ser redan idag hur företag experimenterar med “mikroteam”, ibland så små som en tekniker och en affärsinriktad person, förstärkta av AI och specialiserade agenter.

3. Kontext blir kritisk infrastruktur

Organisationer med hög mognad inom AI och data når upp till 65 procent bättre affärsresultat, enligt Gartner. Nyckeln är inte bättre modeller i sig, utan att ge AI-agenterna tillgång till rätt data i rätt sammanhang.

Kontext – inklusive semantik och metadata – fungerar som AI-systemens “hjärna” och blir därmed affärskritisk. Utan högkvalitativ kontext och förtroende kan inte autonoma agenter fungera.

4. Integrerad ingenjörskonst ersätter silos

För att få utväxligt på AI i större skala AI krävs nya, integrerade arbetssätt. Organisationer som fortsätter arbeta i stuprör – mellan data, AI, kontext och mjukvaruutveckling – lär inte lyckas med en AI-först-strategi.

Isolerade initiativ och oändliga pilotprojekt räcker inte, fokus måste ligga på att bygga sammanhängande kapacitet som spänner över hela organisationen.

5. Förtroende som innovationsmotor

Ändamålsenlig styrning/governance är grunden för både värdeskapande och innovation. Men en studie från 2025 visar många it-ledare tvivlar på sin organisations förmåga att hantera säkerhet och styrning kring generativ AI.

Det som kommer behövas framåt är mer dynamiska och tillitsbaserade modeller, där integritet och regelefterlevnad byggs in direkt i arbetsflödena.

– Utan förtroende för data, resultat och beslut från AI-modeller och agenter finns inget värde i AI, säger Rita Sallam.

6. Från ROI till värdespiral

Istället för att enbart mäta avkastning på investeringar (ROI) behöver organisationer skapa en självförstärkande “värdesnurra”. Effektivitetsvinster från AI bör återinvesteras i innovation och tillväxt – och därmed driva ytterligare värde över tid.