Det var i mitten av året som affärssystemsleverantören Unit4 gav ett antal utvecklare ett tydligt uppdrag: utveckla en viss funktion inom en bestämd tid. Hur de skulle organisera arbetet, fördela uppgifterna och vilka verktyg de skulle ta hjälp av fick de avgöra själva. För Daniel Ehnhage, Head of AI Transformation på Unit4, var det ett sätt att pröva om AI kan ge större effekt när organisationen samtidigt förändras.
Så blev Unit4-utvecklarna 15 gånger mer effektiva
organisation Unit4 lät tre utvecklarteam arbeta utan traditionell chef och själva välja hur AI skulle användas. Resultatet blev upp till femton gånger högre effektivitet. För AI-transformationschefen Daniel Ehnhage är det tydligt att den som vill få verklig effekt av sina AI-investeringar måste förändra arbetssätten, inte bara införa fler verktyg.

Någonting är fel
Läs vidare – starta din prenumeration
– Vi gjorde tvärtom mot vad vi har gjort i många andra delar av verksamheten. Vi gav inte utvecklarna ett AI-verktyg och sa att de skulle fortsätta arbeta som vanligt. Vi gav dem ett utvecklingsproblem att lösa och fria händer att bestämma hur de skulle nå målet.
Medarbetarna kunde anmäla sitt intresse genom en intern ansökningsprocess och de som deltog ägnade 100 procent av sin arbetstid åt försöket. Tre pilotteam bildades, med mellan fem och tio personer i varje. Till skillnad från de vanliga utvecklingsteamen fick pilotgrupperna ingen dedikerad chef eller projektledare, utan fördelade själva rollerna.
I arbetet använde grupperna bland annat GitHub Copilot och Claude. Men det var kombinationen av ny arbetsorganisation och AI-stöd som stod i centrum. Enligt Daniel Ehnhage blev utvecklingen fem till femton gånger snabbare än i de traditionella utvecklingsteamen samtidigt som kodkvaliteten förbättrades. Tiden som frigjordes kunde användas till att utveckla fler funktioner.
– I de här mindre, autonoma teamen hjälper man varandra mycket mer med att verifiera koden som genereras. Man tar fram kod, verifierar den, testar den och gör säkerhetskontroller.
När den formella chefen inte längre deltog i det dagliga arbetet blev det dock tydligt att cheferna hade fyllt funktioner som inte automatiskt övertogs av gruppen: de visste var information fanns och kunde hjälpa till att undanröja hinder. Det uppstod också frågor om vem medarbetarna skulle vända sig till i personal- och ledarskapsfrågor. Men det var inte de tekniska frågorna som stod för de stora utmaningarna.
– Det krävs att medarbetarna tar ett större eget ansvar, både för arbetet och för samarbetet. Utmaningen har framför allt varit vem man ska vända sig till när det uppstår en ledarskaps- eller personalfråga. Men det bekräftar också att människor kan leverera väldigt bra när de får tydliga mål och ramar för vad de ska uppnå.
Frågorna om effekten börjar komma
Daniel Ehnhages bild är att många företag nu har passerat det första steget i AI-satsningen: de har investerat i tjänster som Copilot eller Claude, utbildat medarbetarna i hur verktygen fungerar och arbetat för att öka användningen. Nu börjar frågorna om effekten komma. Hur mycket värde skapas egentligen av alla dessa investeringar? Han tror att 2027 kommer att präglas av dessa frågor.
– Vi har mätt mycket på adoption, alltså att människor börjar använda verktygen. Men vi har framför allt lärt ut den tekniska delen och inte förändrat hur arbetet utförs. Jag tror att vi kommer att se en stor förflyttning mot arbetsförändringar under 2027.
På Unit4 måste varje förslag om ett nytt AI-verktyg eller ett AI-initiativ föregås av ett affärscase där den förväntade effekten beskrivs tydligt. Uppföljningen omfattar fler mått än sparad tid och minskade kostnader, exempelvis kodkvalitet och effekter som på sikt kan påverka både intäkter och utgifter.
– Vi har både kortsiktiga och långsiktiga KPI:er, men det är alltid de kortsiktiga som ska ligga till grund för investeringsbeslutet. De långsiktiga måtten finns också med från början, men dem följer vi upp efter sex till tolv månader.
Bedömningen görs inte enbart utifrån produktivitet. Säkerhet, juridik samt it- och datafrågor ingår också när Unit4 värderar nya förslag. På så sätt ska den förväntade nyttan vägas mot förutsättningarna för att använda tekniken. Det är särskilt viktigt när kostnaderna för AI inte är helt förutsägbara, eftersom flera leverantörer tar betalt utifrån användningen. Även valet mellan specialiserade och generella verktyg blir en fråga om både effektivitet och pris.
”Därför måste vi ha kontroll”
– För vissa verktyg har vi ett månatligt tak för hur mycket ett team får använda dem. Det handlar inte om att hindra människor från att arbeta med AI, utan om att kunna följa kostnaderna. Vi vet inte alltid på förhand vilka utvecklingsuppgifter som kommer att kräva mest användning, och därför måste vi ha kontroll.
På Unit4 prioriterar man nu att gå från avgränsade processförbättringar till mer genomgripande förändringar. Omkring 90 procent av de AI-förfrågningar som kommer in handlar om att förbättra en process medan drygt tio procent leder till det Daniel Ehnhage kallar ”workflow transformation”, vilket innebär att ett arbetsflöde förändras från början till slut.
– Många av förbättringarna sker fortfarande inne i en silo, till exempel inom produktutveckling, finans eller marknad. Men när vi pratar om att förändra ett helt arbetsflöde behöver vi få med andra funktioner. Det är i samarbetet över organisationsgränserna som vi ser de stora möjligheterna och det är där vi vill lägga mer kraft framöver.
Hans råd till de svenska CIO:er som inte vet var förändringsarbetet ska börja är att leta efter administrativa problem och arbetsmoment där beslut kräver information från flera delar av verksamheten. Inom en enskild avdelning har automatisering ofta redan prövats. Större möjligheter finns, menar han, där information och ansvar måste passera mellan funktioner och där nya AI-stödda arbetsflöden kan göra samarbetet effektivare.
– Titta på var det gör ont administrativt och var det behövs bättre beslutsstöd. Jag tror väldigt mycket på att granska samarbetet mellan olika enheter och den information som behöver delas mellan dem. Det är där man har störst möjlighet att skapa effekt av investeringarna.
Denna förändring ställer höga krav på fortlöpande kompetensutveckling. Unit4 har sett hög användning av sina generella AI-verktyg och ökad produktivitet i traditionella funktioner, även om rollerna där ännu inte förändrats på samma sätt som inom produktutvecklingen. AI används också allt mer som stöd för beslutsunderlag och förberedelser, men själva besluten ska även fortsättningsvis fattas av människor.
Unit4 genomför varje år en två veckor lång intern utbildningssatsning. Förra året låg tyngdpunkten på AI-verktyg och hur exempelvis Copilot används. I år har fokus förskjutits mot hur AI blir en del av det dagliga arbetet och hur resultaten ska bedömas utifrån etiska och säkerhetsmässiga perspektiv. Daniel Ehnhage berättar att man samtidigt uppmanar medarbetarna att själva ta ansvar för sin kompetensutveckling.
Till en CIO som planerar nästa steg är hans råd därför att kombinera tydliga ramar med större handlingsutrymme. Ge medarbetarna tillgång till ett antal säkra verktyg, men också tid och möjlighet att arbeta med kollegor i andra delar av organisationen. När olika system kan dela data inom en säker miljö blir det möjligt att bygga bättre beslutsunderlag och arbetsflöden som inte stannar vid avdelningsgränserna.
– Jag tror att man förväntar sig för mycket av att bara ge någon ett verktyg och säga: Börja använda det här. För att få den största effekten måste vi också låta människor samarbeta över gränserna i verksamheten. När verktygen kan få tillgång till varandras data på ett säkert sätt finns möjligheten att skapa bättre beslutsunderlag för verksamheten, säger Daniel Ehnhage.
