AI befriar tiden — men kedjebinder cheferna

Genombrottet som branschen väntade på

Det är sällan man kan peka på ett enskilt test och säga: där, det är där det hände. Men när redovisningsföretaget Basis satte OpenAIs senaste språkmodell GPT-6 Astra på ett skattearbetsblad med 50 flikar — en av de mest tidskrävande och felkänsliga uppgifterna i branschen — och såg att modellen klarade det dubbelt så snabbt som föregångaren GPT-5.6 Sol, var signalen tydlig. Enligt OpenAI-bloggen handlar det inte enbart om ren hastighet, utan om en kvalitativt annorlunda förståelse av vad användaren faktiskt menar — inte bara vad som bokstavligen skrivs in.

Den distinktionen är avgörande. Skattehantering är ett område där en fråga sällan är entydig, där tolkningsutrymmet är stort och där ett misstag kan få långtgående konsekvenser. Att en AI-modell nu är tillräckligt kontextuellt medveten för att fungera i verkliga arbetssituationer — inte bara i kontrollerade testmiljöer — är ett prejudikat för hela branschen. Basis uppger att de känner sig genuint trygga med att förlita sig på GPT-6 Astra i det dagliga arbetet. Det är en annan nivå av förtroende än vad vi sett tidigare.

Den frigjorda tiden — och vad vi gör med den

Här börjar det dock bli komplext. För om AI frigör tid i ena änden av organisationen, vad händer då i den andra?

En färsk undersökning från plattformsleverantören One Trust, rapporterad av Computer Sweden, ger en tankeväckande motbild. Fyra av fem högt uppsatta beslutsfattare — it-direktörer, informationssäkerhetschefer, digitaliseringsdirektörer — uppger att de nu lägger en allt större del av sin arbetsdag på att hantera AI-relaterade risker. I genomsnitt har deras arbetstid ökat med 26 procent. Samtidigt visar en rapport från Boston Consulting Group att 42 procent av de anställda som använder AI regelbundet sparar nästan en hel arbetsdag per vecka — utan att få någon vägledning om hur den frigjorda tiden ska användas.

Resultatet är en paradox som borde hålla varje styrelserum vaken: medarbetarna effektiviseras, ledarna utmattas, och ingen riktigt vet vad hela systemet egentligen levererar.

Skugg-AI som styrningsproblem

En del av problemet är strukturellt. Enligt undersökningen uppger en tredjedel av de tillfrågade att medarbetare använt icke-godkända AI-verktyg — helt enkelt för att godkända alternativ inte funnits tillgängliga tillräckligt snabbt. Hela 86 procent har rapporterat AI-relaterade incidenter, och mer än var fjärde respondent har upplevt att AI-system vidtagit åtgärder utan mänskligt godkännande.

Det är här som genombrott som GPT-6 Astras skatteresultat får en ny dimension. Det räcker inte att modellen är bra — organisationen måste också vara rustad att ta emot den. Annars riskerar vi att produktivitetsvinsterna på golvet finansierar en växande tillsynsapparat i toppen, och att nettot av hela AI-satsningen blir magert.

Möjligheten är verklig — men kräver arkitektur

Jag vill vara tydlig: jag ser GPT-6 Astras prestation inom skattehantering som ett riktigt genombrott. Det är exakt den typen av konkreta, mätbara resultat som flyttar AI från PowerPoint-presentationer till verksamhetskritiska processer. Det är inte hype — det är hårddata från en bransch som inte har råd med felmarginaler.

Men det som One Trust-undersökningen avslöjar är att vi som affärsledare och organisationsbyggare har ett ansvar som vi inte kan delegera till modellerna. Vi måste bygga styrningsstrukturer som är lika smidiga som tekniken själv — inte byråkratiska bromsklossar, utan ramverk som möjliggör snabb, ansvarsfull adoption.

Den it-chef som idag drunknar i riskhantering behöver inte färre AI-verktyg. Hen behöver bättre processer, tydligare mandat och — paradoxalt nog — AI-stöd även för styrningsarbetet självt.

Vi är mitt i en omställning som är lika stor som internets intåg i affärslivet. Då också uppstod kaos, osäkerhet och ojämn adoption. Men de organisationer som byggde rätt arkitektur tidigt vann decenniet. Samma logik gäller nu.