Bara fem procent av AI-satsningarna ger verkligt värde — så leder du din organisation rätt

Pengarna räcker inte

Det finns ett obehagligt mönster som håller på att kristalliseras i styrelserum världen över: man har betalat, pilotprojekten är sjösatta, men vinsten uteblir. Enligt en rapport från MIT Media Labs projekt NANDA från 2025 har amerikanska företag investerat uppskattningsvis 30 till 40 miljarder dollar i generativ AI — och ändå har bara omkring fem procent av de integrerade pilotprojekten genererat verkligt affärsvärde. Forskarna kallar det för "GenAI-klyftan", och det är ett begrepp som borde sätta skräck i varje styrelserum som tror att tekniken sköter sig själv.

Jag har sett det om och om igen i min roll som affärsutvecklare: organisationer som köper den senaste plattformen, rekryterar en handfull dataingenjörer och förväntar sig transformation. Men transformation är inte något man köper — det är något man leder.

Skiftet från utförare till styresman

Scott Hebner, AI-ansvarig på den amerikanska storbutikskedjan Lowe's och medförfattare till boken The Enterprise Brain, sätter fingret på precis vad som fattas. I IEEE Spectrum beskriver han det han kallar "styreskiftet" — en fundamental omvandling av ledarrollen. Det handlar inte längre om att utföra uppgifter, utan om att sätta avsikt, principer och gränser för system som sedan utför dem åt dig.

Det är ett paradigmskifte som kräver en ny typ av mognad hos beslutsfattare. Och Hebner delar sex konkreta riktlinjer för hur organisationer faktiskt kan lyckas.

Sex riktlinjer som förändrar spelet

Känn igen när du blivit ett mänskligt mellanled. Arbete som enbart går ut på att hämta data från ett system, formatera om den och skicka vidare till ett annat team — det är exakt vad AI-agenter nu kan hantera. Det mänskliga värdet ligger i att bedöma vilka siffror som faktiskt kräver uppmärksamhet och åtgärd.

Byt ut regler mot principer. Det är en distinktion som är djupare än den verkar. Regler är utformade för mänsklig takt och förutsägbara situationer. Men när ett system fattar tusentals beslut i timmen och möter scenarier som inget regelverk förutsett, bryter regelverket samman. En princip däremot — "uppnå målet utan att skada kundrelationen" — är robust nog att bära systemet genom det oförutsedda.

De övriga fyra riktlinjerna handlar i grunden om samma sak: att flytta ansvaret uppåt, inte nedåt i organisationen. Det räcker inte med att en tekniker förstår vad systemet gör — det måste finnas chefer och ledare som förstår varför det gör det, och som kan svara för konsekvenserna.

Vinnarna använder samma modeller

Här är det som verkligen bör väcka uppmärksamhet: förlorarna använder ofta exakt samma språkmodeller som vinnarna. Tekniken är i stort sett densamma. Det som skiljer dem åt är förmågan att ge systemen rätt riktning och ta ansvar för vad de producerar.

Detta är faktiskt en hoppingivande insikt. Det betyder att gapet inte är tekniskt — det är organisatoriskt och kulturellt. Och organisatoriska och kulturella problem går att lösa med rätt ledarskap, utan att vänta på nästa modellgeneration.

För mig som affärsutvecklare ser jag detta som en enorm möjlighet för de företag som är villiga att göra det svåra arbetet: att faktiskt förändra hur beslut fattas, hur ansvar fördelas och hur framgång mäts. De som gör det nu bygger en konkurrensfördel som är mycket svårare att kopiera än en prenumeration på en AI-plattform.

Transformation kräver mod, inte bara budget

Miljardsatsningarna misslyckas inte för att AI är överhypat — de misslyckas för att organisationer försöker applicera ny teknik på gamla strukturer. Styreskiftet som Hebner beskriver kräver mod: modet att omdefiniера ledarskapsroller, att ersätta detaljstyrning med principbaserat tänkande, och att hålla chefer ansvariga för vad systemen de äger faktiskt åstadkommer.

Den goda nyheten är att GenAI-klyftan är möjlig att överbrygga. Men det börjar med en ärlig fråga i varje organisation: har vi ledare som kan styra AI, eller bara ledare som kan köpa den?