McDonald's, Mitigram och miljardruset: AI-agenter slutar lova – och börjar leverera

AI-agenter slutar vara löften – de blir affär

Det finns ett ögonblick i varje teknologisk revolution när skiftet slutar vara abstrakt och börjar bli påtagligt. För AI-agenternas del kan det ögonblicket vara nu.

Ta McDonald's. Snabbmatskedjan – knappast känd som ett teknologibolag – presenterade nyligen sitt AI-system ArchIQ, med smeknamnet Archy, under sitt globala franchisekonvent. Enligt uppgifter rapporterade av AI News har systemet, utvecklat i samarbete med Google, redan behandlat över en miljon transaktioner i drive-through-körfält runt om i USA. Ungefär 90 procent slutförs helt utan att personalen behöver ingripa. Systemet tar emot beställningar på både engelska och spanska, hanterar ändringar i realtid och uppges till och med kunna känna igen återkommande kunder och föreslå deras vanliga beställning.

Det är inte utan historia. McDonald's tidigare försök med IBM slutade i bekant kaos – ett uppmärksammat fall visade hur systemet lade till kycklingnuggets för nästan 2 500 kronor i en enda beställning. Men bolaget drog sig inte tillbaka. Man bytte partner, tog lärdom och körde vidare. Det är ett mönster som påminner oss om att framgångsrik AI-implementering sällan är linjär – men att organisationer som fortsätter lära sig har ett enormt försprång.

Svenska aktörer i det globala racet

Långt från drive-through-körfälten, i handelsfinansieringens komplexa och länge papperstyngda värld, gör det svenska fintech-bolaget Mitigram sitt drag. Bolaget har lanserat en AI-agent vid namn Alfred, som enligt Finextra är konstruerad för att omvandla splittrade förfrågningar om bankrisker och prissättning till strukturerad och användbar information – utan att störa befintliga arbetsflöden.

Det låter kanske tekniskt, men problemet Alfred löser är genuint: handelsfinansiering har i decennier styrts av e-postkedjor, kalkylblad och manuell tolkning. Att digitalisera det har visat sig svårare än väntat. Alfred är Mitigrams svar – och ett tecken på att Sverige fortsätter producera fintech-bolag med globala ambitioner.

På andra sidan Atlanten, i New York, löser startupbolaget Jedify ett angränsande problem. Som TechCrunch rapporterar har bolaget rest 190 miljoner kronor i en serie A-runda ledd av riskkapitalfonden Norwest – med datajätten Snowflake som strategisk investerare. Jedifys insikt är enkel men kraftfull: en AI-agent som inte förstår hur ditt specifika företag definierar intäkter, vilka medarbetare som har tillgång till vilka dokument, eller hur interna beslutsprocesser ser ut – den agenten kommer inte att leverera värde.

Lösningen är en så kallad kontextgraf: en sammanlänkad karta över ett företags kunskap, relationer, behörigheter och terminologi. Det är infrastruktur för intelligens. Och Snowflakes engagemang som strategisk investerare är inte en slump – de integrerar redan Jedifys teknik i sina egna AI-tjänster.

Kapitalmarknaden hänger med

Trenden stannar inte vid konsumentprodukter och handelsfinansiering. Datautomatiseringsbolaget Xceptor har enligt Finextra lanserat ett AI-drivet verktyg för att bygga och testa avstämningsregler inom kapitalmarknadsverksamhet – en process som traditionellt krävt djup teknisk expertis eller tidskrävande manuellt arbete. Verktyget sänker den tekniska tröskeln och ger operativa team möjlighet att konfigurera och validera logik i realtid.

Det gemensamma temat är tydligt: AI-agenter tar sig in i kärnprocesserna – inte som ett experimentlager ovanpå befintliga system, utan som en integrerad del av hur arbete faktiskt utförs.

Marknaden är svindlande stor

Bakgrunden till allt detta är siffror som är svåra att ta in. Den globala marknaden för AI-agenter inom företagssektorn värderades till cirka 55 miljarder kronor år 2025 – men enligt prognoser som Finextra lyfter fram kan den uppgå till 1 700 miljarder kronor redan år 2035. Det är en tillväxtresa på trettio gånger på ett decennium.

För organisationer som agerar nu – som McDonald's, Mitigram, Jedify och Xceptor – handlar det om att etablera sig på rätt sida av den kurvan. För organisationer som avvaktar handlar det om att förstå vad de riskerar att missa.