Sned fördelning av AI-vinsterna – endast ett av fem företag prickar rätt

Enligt PwC är det 20 procent av de tillfrågade företagen som hämtar hem 74 procent av de ekonomiska vinsterna som kommer med AI-användningen. I beräkningen ingår variabler som intäktsökningar, kostnadsbesparingar och effektivitetsvinster. De ledande företagen får samtidigt sju gånger större avkastning på sin AI-investeringar. Förklaringen är att de lyckats integrera AI i sin kärnverksamhet och ställt om processerna för att kunna dra maximal nytta av tekniken.

– Hos många företag läggs tekniken på toppen av befintliga arbetssätt. De ledande företagen fokuserar istället på hur tekniken faktiskt påverkar affären, gör nödvändiga omställningar och integrerar AI i verksamheten. Det är då den verkligen effekten uppstår, säger Andreas Håkansson, AI Lead på PwC Sverige.

De företag som lyckas bäst använder sig i högre utsträckning av AI-stöd i beslutsprocesser och för att ta ta fram nya tjänster och produkter. På så sätt lyckas man höja kvaliteten och förkorta ledtiderna.

Vad är det framförallt som skiljer de 20 procent av företagen som tar hem merparten av AI-vinsterna från resten?

– De 20 procent av företagen som tar hem merparten av AI-vinsterna utmärker sig genom att ha betydligt starkare förutsättningar för AI-användning samt att de använder AI både bredare och djupare i verksamheten. De fokuserar också mer på att AI ska bidra med tillväxt och innovation, snarare än enbart effektivisering, säger Andreas Håkansson till Techtidningen.

Andra ingredienser i framgångsreceptet är att man inte bygger isolerade lösningar, utan driver AI-projekt som kan återanvändas i flera olika delar av organisationen. När man ser vilka användningsområden som är mest framgångsrika är det då enklare att skala upp dessa.

Vilka är de vanligaste misstagen hos företag som investerar i AI men ändå inte får ut tydlig affärsnytta?

– Det största misstaget är att behandla AI som en teknikfråga istället för som en transformativ affärsfråga. Utan rätt grundförutsättningar, styrning, engagemang från ledningen och tydlig koppling till affärsvärde leder AI-investeringarna sällan till tydlig eller skalbar nytta.

Enligt undersökningen kännetecknas de ledande företagen av dessa egenskaper:

• De är mer benägna att använda AI-tekniken för att förnya sina affärsmodeller och identifiera nya tillväxtmöjligheter.
• De bygger nya arbetsflöden istället för att enbart lägga till AI-verktygen ovanpå befintliga processer.
• De har en prioriterad AI-roadmap, kopplar AI till affärsmål, mäter och följer upp resultat och har ett tydligt utpekat ledarskapsansvar för resultatuppfyllnad.
• De låter AI-tekniken fatta beslut utan mänsklig inblandning i högre utsträckning än andra. Samtidigt har de kommit avsevärt längre med att säkerställa en ansvarsfull AI-användning.
• Deras data och teknikplattformar är moderna och skalbara, med högkvalitativa och tillgängliga data.
• De har organisatoriska förutsättningar på plats, i form av en kultur och incitament som uppmuntrar användning av AI, bredd och djup i AI-kompetensen samt tydliga ramverk för ansvarsfull AI och formella policys.

Rapporten visar att de mest framgångsrika företagen oftare låter AI fatta beslut utan mänsklig inblandning. I vilka typer av beslut ser ni att det fungerar bäst?

– Det fungerar bäst där processerna är väldefinierade, stora mängder data kan analyseras och det finns tydliga regler eller gränser. Till exempel kan AI-agenter lösa kundärenden och avgöra när beslut ska eskaleras. En chattbot som hanterar 50 000 frågor per dag, kan minska väntetiden med 40 procent. AI kan också övervaka och agera på olika risker, till exempel genom att stoppa transaktioner vid misstänkta bedrägerier eller fatta självständiga beslut om när maskiner ska servas och produktionen justeras.

Hur arbetar de ledande företagen med riskhantering och ansvarsfull AI för att våga automatisera mer?

– De ledande företagen har ett formellt ramverk för ansvarsfull AI som styr allt från design till drift, inklusive etiska riktlinjer, riskklassificeringar och löpande uppföljning. Konkret kan det betyda att dedikerade AI-styrgrupper regelbundet granskar riskfyllda användningsområden och övervakar system samt har inbyggda kontroller direkt i AI:s utvecklings- och driftsmiljö. Detta ger en trygghet för användarna och skapar förtroende för AI, vilket är en nyckel för att driva ökat användande, säger Andreas Håkansson.