Företagen tror på AI – men pengarna syns inte i resultaten
Företagen svär vid AI – men vinsterna uteblir när siffrorna granskas.
Alla känner av det – men få kan bevisa det
Det är en paradox som håller allt fler ekonomichefer vakna om nätterna: medarbetarna säger att AI gör dem mer produktiva, verktygen rullas ut i snabb takt, och investeringarna fortsätter att växa. Ändå ser resultaten ungefär likadana ut som förra året.
McKinseys senaste rapport State of AI sätter siffror på det som många anar men sällan säger högt. Hela 80 procent av tillfrågade organisationer uppger att AI förbättrat deras produktivitet. Men slår man upp årsredovisningarna är bilden betydligt mer nykter: bara 37 procent kan faktiskt se effekterna i vinsten – i stort sett samma nivå som föregående år. Och ännu skarpare: endast 6 procent uppger att AI levererar betydande värde och svarar för minst fem procent av rörelseresultatet.
Det är en siffra som borde få styrelserummen att resa sig.
Varför uppstår klyftan?
Enligt McKinseys senior fellow Michael Chui handlar det om en grundläggande tidsfördröjning – en eftersläpning mellan det ögonblick då tekniken tas i bruk och det ögonblick då organisationen faktiskt förmår omvandla den till affärsnytta.
Men det är inte hela förklaringen. Utifrån min erfarenhet av att arbeta med affärsutveckling och omställningsprojekt ser jag ett mönster som återkommer gång på gång: organisationer lägger till AI ovanpå gamla arbetsflöden i stället för att bygga om dem från grunden. Man skaffar ett AI-verktyg, pluggar in det i en befintlig process, och hoppas att magin ska ske av sig självt.
Det gör den inte.
McKinsey bekräftar detta. De mest framgångsrika företagen är de som grundligt omformat sina arbetsflöden – där människor och AI-system samverkar i genuint nya strukturer, inte bara gamla strukturer med ett nytt lager teknik på toppen. Det kräver mod, ledarskap och en vilja att ifrågasätta hur arbetet faktiskt är organiserat.
Kostnaderna skenar om ingen håller i tyglarna
Därtill kommer en utmaning som växer i takt med att AI-agenter – självständiga system som kan utföra uppgifter på eget initiativ – sprids i organisationerna. Analytiker på Gartner varnar för att tre av fem it-chefer redan är oroade över att dessa agenter ska ge upphov till oväntade och okontrollerade utgifter. Och det är ingen teoretisk risk – det händer redan.
Detta är ett område där många organisationer underskattat komplexiteten. En AI-agent som får agera utan tydliga budgetramar eller styrningsmekanismer kan snabbt bli en kostnadsdrivare snarare än en besparingskälla. Driftsäkerhet, kostnadsuppföljning och tydliga ansvarsroller är inte glamorösa delar av en AI-strategi – men de är avgörande.
Så mäter du faktiskt värdet
Frågan är då: hur bryter man igenom dimman och börjar mäta verklig avkastning?
Här är tre principer jag ser de mest framgångsrika organisationerna arbeta efter:
1. Koppla AI-insatser till affärsmål – inte tekniska mål. Det spelar ingen roll hur imponerande ett AI-system är om det inte är kopplat till ett konkret affärsutfall. Sätt mätpunkter redan vid uppstart: vad ska förändras, för vem, och med hur mycket?
2. Mät på process- och flödesnivå, inte på individnivå. Produktivitetsvinster på individnivå försvinner ofta i systemets friktioner om inte hela arbetsflödet är omgjort. Följ var i kedjan värdet faktiskt skapas – eller försvinner.
3. Bygg in kostnadsuppföljning från dag ett. Särskilt när AI-agenter och automatiserade flöden sätts i drift. Utan realtidsövervakning av resursanvändning riskerar ni att avkastningen äts upp av osynliga driftkostnader.
Trycket ökar uppifrån
Den goda nyheten är att frågorna äntligen börjar ställas på rätt nivå. Enligt Computer Sweden rapporterar ekonomichefer nu direkt till it-chefer om avkastningskrav, och investerare ställer samma frågor till verkställande direktörer. Det är ett tecken på mognad – AI är inte längre ett experiment utan en affärskritisk investering som ska kunna motiveras.
Det är precis det tryck som behövs för att flytta branschen från AI-entusiasm till AI-disciplin.
Vår analys
Detta är ett av de viktigaste strukturella problemen i AI-omställningens nuvarande fas – och det är i grunden inte ett tekniskt problem, utan ett ledarskaps- och organisationsproblem.
Klyftan mellan upplevd produktivitetsökning och mätbar affärsnytta är ett klassiskt tecken på att en teknikvåg ännu inte nått sin mognadspunkt i organisatorisk bemärkelse. Vi har sett samma mönster med tidigare teknikskiften – från internets genombrott till molntjänsternas intåg. Värdet dröjer inte för att tekniken är svag, utan för att organisationerna ännu inte omformat sig för att ta emot det.
Det som ger mig optimism är att frågorna nu ställs på rätt nivå. När ekonomichefer och investerare börjar kräva svar skärps prioriteringarna. De närmaste 12–18 månaderna lär bli en vattendelare: organisationer som byggt disciplinerade mätramverk och vågat omforma sina kärnprocesser kommer att distansera sig tydligt från de som fortfarande betraktar AI som ett tilläggslager. Gapet mellan ledare och efterföljare kommer att bli synligt – och stort.