Daniel Ehnhage, head of AI transformation på affärssystemsleverantören Unit4:

Börja i förändringen – inte i tekniken

AI-transformation är i grunden ett förändringsprojekt. Tekniken är viktig, men det verkliga arbetet handlar om att utveckla arbetssätt, roller och kompetenser. Organisationer som börjar med att definiera hur de vill arbeta framåt har betydligt bättre förutsättningar att lyckas. Verktygen ska stötta en tydlig effekt – inte styra riktningen.

Sätt tydliga affärsmål för AI-satsningen

De flesta organisationer vill bli mer effektiva, produktiva och innovativa, men det räcker inte som ambition. Ledningen behöver peka ut tre till fem prioriterade AI-resor som är tydligt kopplade till verksamhetens mål. När syftet är konkret blir det lättare att prioritera, mäta och skapa fokus. Annars finns risken att AI blir en experimentverkstad utan affärsnytta.

Bygg en bred governance-struktur från start

AI påverkar flera delar av organisationen samtidigt. Därför behövs en governance-struktur som inkluderar it, data, säkerhet, juridik och HR. Varje initiativ bör utvärderas ur flera perspektiv: tekniskt, juridiskt, säkerhetsmässigt och organisatoriskt. Det minskar riskerna och ökar chansen att lösningarna faktiskt går att implementera i praktiken.

Ta juridik och säkerhet på största allvar

AI skiljer sig från tidigare teknikskiften genom att algoritmerna kan vara svåra att förstå och förklara. Organisationer kan bli ansvariga för beslut som de inte fullt ut begriper. Därför krävs noggrann juridisk och säkerhetsmässig granskning, oavsett om lösningarna är egenutvecklade eller inköpta. Att hoppa över detta steg kan få allvarliga konsekvenser.

Säkerställ ”human in the loop”

Även om AI kan effektivisera utveckling, test och analys får ansvaret aldrig lämnas helt till tekniken. Mänsklig verifiering och kontroll är avgörande, särskilt i systemutveckling. Att alltid ha en människa som granskar och godkänner resultatet minskar riskerna och stärker förtroendet för lösningen. AI ska vara ett stöd, inte en ersättare för ansvar.

Investera i kompetens och lokala ambassadörer

Tekniken är ofta enklare att införa än nya arbetssätt. För att skapa momentum behöver organisationen arbeta strukturerat med kompetensutveckling. Ett effektivt grepp är att bygga nätverk av ”AI Champions” som stöttar kollegor, driver kontinuerlig utveckling och hjälper till att omsätta teori i praktisk nytta. För majoriteten av medarbetarna är kontinuitet viktigare än hype.

Anpassa stödet efter olika typer av användare

Alla medarbetare befinner sig inte på samma nivå. Early adopters driver ofta sig själva och behöver främst tillgång till verktyg och testmiljöer. Majoriteten behöver löpande stöd och tydliga exempel på användning i sitt eget arbetsflöde. Sena användare kräver mer utbildning och trygghet för att ta steget. En differentierad strategi ökar takten i omställningen.

Mät effekterna – både lokalt och i hela flödet

Under 2026 kommer många organisationer behöva visa vad AI-investeringarna faktiskt har gett. Effekten ska inte bara mätas i hur snabbt en enskild uppgift utförs, utan i hela värdeflödet, från idé till levererad produkt eller tjänst. Kortare ledtider, bättre samarbete och högre kvalitet är lika viktiga indikatorer som direkta kostnadsbesparingar. Utan mätbar effekt riskerar AI att tappa legitimitet.

John Sundström, chef för EdAiders affärsområde för AI-utbildningar:

Säkerställ en gemensam grundkompetens för alla

En framgångsrik AI-strategi börjar inte med avancerade pilotprojekt, utan med att alla medarbetare får en grundläggande förståelse för vad AI är och hur tekniken påverkar verksamheten. Det räcker inte att utbilda de mest nyfikna eller teknikintresserade – hela organisationen behöver ett gemensamt språk. När alla delar en grundläggande begreppsapparat blir det möjligt att föra konstruktiva diskussioner om möjligheter, risker och prioriteringar. Det skapar också trygghet, vilket är avgörande för att minska motstånd och osäkerhet.

Anpassa AI-utbildningen efter målgrupp och roll

Grundläggande AI-kompetens ser olika ut beroende på yrkesroll och ansvar. För vissa räcker en introduktion på ett par timmar, medan andra behöver mer fördjupning för att kunna omsätta kunskapen i praktiken. En AI-strategi som bygger på “one size fits all” riskerar att missa både behov och potential. Genom att anpassa utbildning och innehåll efter målgrupp blir kompetensutvecklingen både mer relevant och mer effektiv.

Koppla AI till verksamhetsnytta – inte bara förståelse

Många organisationer stannar vid att säkerställa en grundläggande förståelse för AI, men den verkliga effekten uppstår först när tekniken används i vardagen. Det handlar om att identifiera konkreta användningsområden där AI kan spara tid, förbättra kvalitet eller skapa nya arbetssätt. En AI-strategi måste därför tydligt svara på frågan: Vad händer efter utbildningen? När kopplingen till faktisk nytta är tydlig ökar både engagemang och avkastning.

Bygg vidare på befintlig digital mognad

Det finns ett tydligt samband mellan tidigare digitaliseringsarbete och förmågan att ta till sig AI. Organisationer med etablerade strukturer för digital utveckling har lättare att snabbt skala upp AI-kompetens. Därför bör AI-strategin integreras i den övergripande digitaliseringsresan, inte behandlas som ett isolerat initiativ. En stabil digital grund gör det enklare att omsätta AI från teori till praktik.

Minska rädslan genom strukturerad utbildning

Rädsla och osäkerhet är ofta en större bromskloss än tekniken i sig. I många organisationer har AI initialt mötts med förbud eller restriktioner i väntan på policys. Erfarenheten visar dock att utbildning minskar skepsis och ökar tryggheten. När medarbetare förstår både risker och möjligheter blir diskussionen mer nyanserad och konstruktiv, vilket är avgörande för att lyckas långsiktigt.

Ta fram tydliga strategier och policys och använd data som underlag

Utbildning är grunden, men den måste följas av tydliga riktlinjer. Många organisationer behöver konkreta AI-strategier och policys som utvecklas i takt med tekniken. Genom att samla in data om medarbetarnas kunskapsnivå och attityder kan ledningen få ett faktabaserat nuläge. Det gör AI-strategin mer träffsäker och förankrad i verkliga behov, snarare än i antaganden.

Gör kompetensutvecklingen kontinuerlig och levande

AI-utvecklingen går snabbt, vilket innebär att kompetens aldrig blir “färdig”. En hållbar AI-strategi bygger därför på kontinuerlig uppdatering av kunskap och innehåll. Utbildningar bör ses som levande resurser som förändras över tid. Genom att arbeta iterativt och löpande uppdatera kompetensen kan organisationen undvika att halka efter.

Kombinera skalbarhet med krav på genomförande

För att nå hela organisationen måste AI-utbildning vara skalbar. Digitala självstudier kan effektivt nå många, men bör kompletteras med gemensamma diskussioner och reflektion. Samtidigt krävs tydliga krav på genomförande – det räcker inte att erbjuda utbildning, den måste också genomföras. Först när alla har en gemensam grund kan organisationen ta nästa steg i sin AI-resa på ett strukturerat och strategiskt sätt.

Neil Sholay, vice president för AI på Oracle

Ta dig ur ”pilotpurgatoriet”

Många organisationer fastnar i ändlösa testprojekt utan tydlig riktning. Neil Sholay menar att tiden för experiment utan mål är över, nu handlar det om att operationalisera AI på riktigt. Varje initiativ måste ha en tydlig affärskoppling och ett definierat problem att lösa. AI ska inte testas i ett vakuum, utan användas för att skapa konkret verksamhetsnytta.

Sätt KPI:er från dag ett

En framgångsrik AI-strategi börjar med mätbarhet. Neil Sholay är tydlig med att alla AI-projekt måste ha tydliga KPI:er redan från start. När effekterna kan kvantifieras – exempelvis kortare ledtider eller högre produktivitet – blir det också lättare att få ledningens stöd för att skala upp. Mätbar förbättring är den bästa drivkraften för fortsatt investering.

Fokusera på vertikal AI, inte bara copiloter

Generella AI-verktyg som textassistenter och chattgränssnitt ger visserligen produktivitetsvinster, men påverkar sällan sista raden. Neil Sholay betonar att det är vertikala AI-tillämpningar, kopplade till kärnprocesser inom exempelvis HR, ekonomi eller supply chain, som skapar verklig affärseffekt. Företag som stannar på den horisontella nivån riskerar att missa de stora vinsterna. Det är i verksamhetens hjärta som AI gör störst skillnad.

Bygg in AI i kärnprocesserna

AI ska inte ligga ovanpå verksamheten utan vara integrerad i arbetsflödena. Genom att bygga in AI direkt i affärsapplikationer och processer blir tekniken en naturlig del av det dagliga arbetet. Det minskar tröskeln för användning och ökar chansen att AI verkligen används i praktiken. Strategin bör därför handla om integration, inte isolerade verktyg.

Prioritera datakvalitet före algoritmer

”Dålig data ger dålig AI” och organisationer som inte har strukturerad, kvalitetssäkrad och tillgänglig data kommer att få begränsad effekt av sina AI-satsningar. En framgångsrik AI-strategi börjar därför med datagrundarbete: rensning, strukturering och governance. De som gör detta ordentligt skaffar sig ett betydande försprång.

Arbeta med kultur och kompetens, inte bara teknik

Tekniken är sällan det största hindret. Osäkerhet bland medarbetare i funktioner som HR, marknad och inköp bromsar ofta utvecklingen. För att lyckas krävs utbildning, förändringsledning och en kultur som uppmuntrar användning av AI i vardagen. AI-transformation är i lika hög grad ett förändringsprojekt som ett teknikprojekt.

Säkerställ flexibilitet och undvik inlåsning

En pragmatisk strategi som fungerar i flera molnmiljöer minskar riskerna. Neil Sholay lyfter vikten av multicloud och att kunder inte vill låsas in i en enskild plattform. En flexibel arkitektur gör det lättare att skala och anpassa AI-lösningar över tid. Det ger också större förhandlingsstyrka och strategisk frihet.

Gå från analys till agentisk AI

Nästa steg i AI-utvecklingen handlar inte bara om att analysera data, utan om att dra slutsatser och agera. Agentisk AI och avancerad inferens lyfts fram som nästa stora skifte. Företag som integrerar AI-agenter i sina processer kan automatisera beslutsstöd och operativa åtgärder på ett helt nytt sätt. De som agerar tidigt riskerar inte bara att bli effektivare – de kan skapa ett försprång som är svårt för konkurrenterna att ta igen.