Hva gjør de som lykkes med AI?
Kunstig intelligens har på kort tid blitt en strategisk prioritet i de fleste virksomheter. Investeringene øker, ambisjonene er høye, og bruken av AI-verktøy er utbredt på tvers av organisasjoner.
Men et sentralt spørsmål gjenstår: Hvorfor er det så få som faktisk lykkes med å skape verdi?
En AI-modenhetsundersøkelse gjennomført av XLENT blant over 280 virksomheter i Norge og Sverige gir et tydelig svar. Den viser at selv om mange har kommet langt i bruk av AI, er det et betydelig gap mellom aktivitet og verdiskaping.
De fleste eksperimenterer. Langt færre realiserer effekt.
Dette reiser et mer interessant spørsmål enn “hvorfor feiler mange?”: Hva gjør de som faktisk lykkes annerledes?
Hva skiller de som lykkes med AI fra resten?
AI-modenhetsundersøkelsen viser et gjennomgående mønster:
AI brukes bredt
Investeringene øker
Ambisjonene er høye
Likevel rapporterer majoriteten begrenset eller ingen effekt av AI-initiativene. Dette betyr ikke at AI ikke fungerer. Det betyr at måten den brukes på ikke er tilstrekkelig.
Undersøkelsen peker samtidig på fem områder som skiller de virksomhetene som lykkes, fra de som ikke gjør det.
1. De integrerer AI i kjerneprosesser, ikke bare i verktøy
Den viktigste forskjellen mellom de som lykkes og de som ikke gjør det, er graden av integrasjon.
I mange virksomheter brukes AI som et støtteverktøy:
til tekstproduksjon
analyser
effektivisering av enkeltoppgaver
Dette gir verdi, men begrenset og uskalérbar verdi.
De mest modne virksomhetene bygger AI inn i kjerneprosessene.
Det betyr at AI:
påvirker hvordan arbeid faktisk utføres
er koblet til systemer og data
er en del av arbeidsflyten, ikke et tillegg
Dette er avgjørende, fordi det er her skalerbar effekt oppstår.
2. De bruker AI i faktiske beslutninger
En annen tydelig forskjell er hvor AI brukes.
I mindre modne virksomheter brukes AI ofte til støtte:
oppsummere informasjon
generere forslag
forbedre produktivitet
I mer modne virksomheter brukes AI til å påvirke beslutninger:
prioriteringer
ressursallokering
kundetiltak
risikovurderinger
Forskjellen kan virke subtil, men den er avgjørende.
Ta for eksempel salg: - I mange virksomheter brukes AI til å skrive bedre e-poster eller lage presentasjoner. I mer modne organisasjoner brukes AI til å identifisere hvilke kunder som bør prioriteres, og hvor innsatsen gir størst effekt.
Eller innen drift: - AI kan brukes til å oppsummere rapporter eller til å forutsi etterspørsel og styre bemanning og lager deretter. Det siste påvirker direkte kostnader og effektivitet.
Dette er et kritisk skille.
Verdien av AI oppstår ikke først og fremst i produksjon av innhold, men i forbedring av beslutningskvalitet. Når AI kobles til beslutninger, blir effekten både større og mer målbar.
3. De måler effekt systematisk
En av de tydeligste driverne for verdiskaping er effektmåling.
Undersøkelsen viser at over halvparten av virksomhetene måler effekten av AI lite eller ikke i det hele tatt.
De som lykkes gjør det motsatte:
De definerer hva de ønsker å oppnå
De etablerer KPIer
De følger opp resultater over tid
Dette gjør det mulig å:
prioritere riktige initiativer
justere kurs underveis
skalere det som faktisk fungerer
Effektmåling er ikke bare rapportering. Det er en forutsetning for læring og styring.
Ta for eksempel kundeservice: - En virksomhet kan innføre en AI-chatbot, men uten å måle effekt vet man ikke om den faktisk reduserer responstid eller øker kundetilfredshet. De som lykkes følger dette tett – og justerer løsningen basert på faktiske resultater.
Eller innen markedsføring: - AI kan brukes til å generere kampanjer, men verdien ligger i å måle hva som faktisk gir høyere konvertering eller bedre avkastning. De beste virksomhetene tester, måler og optimaliserer kontinuerlig.
Det er denne typen oppfølging som gjør at AI går fra å være et eksperiment til å bli et styringsverktøy.
4. De har tydelig eierskap og governance
AI skaper ikke bare muligheter. Det introduserer også nye typer risiko, eksempelvis juridisk, operasjonelt og omdømmemessig.
Likevel er ansvar og styring ofte uklart i mange virksomheter:
Hvem eier AI?
Hvem håndterer risiko?
Hvem prioriterer initiativer?
Dette blir særlig kritisk i lys av EUs AI Act (KI-forordningen), som stiller konkrete krav til hvordan AI-løsninger utvikles, brukes og følges opp. Dette gjelder spesielt for løsninger som påvirker mennesker, beslutninger eller rettigheter.
Mange virksomheter er fortsatt i en vurderingsfase, uten tydelig oversikt over hvilke krav som gjelder for deres bruk av AI. Det øker risikoen for både feilbruk og manglende etterlevelse.
De mest modne virksomhetene har begynt å ta dette på alvor.
De har etablert:
klare roller og ansvar for AI (på tvers av forretning, IT og juridisk)
retningslinjer for hva som er akseptabel bruk
prosesser for risikovurdering og kvalitetssikring
struktur for prioritering og oppfølging av initiativer
For eksempel: - Før nye AI-løsninger tas i bruk, vurderes de opp mot risiko, datagrunnlag og regulatoriske krav, ikke bare teknisk gjennomførbarhet.
Dette gjør at de kan skalere AI på en kontrollert måte, uten å bremse utviklingen unødvendig.
5. De bygger en datagrunnmur, men på en pragmatisk måte
Tilgang til gode data er en kjent forutsetning for AI. Forskjellen ligger i hvordan virksomheter håndterer dette. Mindre modne virksomheter venter ofte på “perfekte data” før de går videre.
Mer modne virksomheter gjør det motsatte:
de starter med tilgjengelige data
forbedrer kvalitet over tid
kobler data direkte til bruk
Dette gjør at de kommer raskere i gang og lærer underveis.
En ny type konkurransefortrinn
Mange virksomheter leter fortsatt etter det neste AI-verktøyet som kan gi et fortrinn.
Det er forståelig. Nye verktøy lover rask gevinst og lav terskel for å komme i gang. Men i praksis er det sjelden her forskjellen skapes.
De som lykkes med AI, gjør noe annet.
De ser ikke på AI som et sett med verktøy, men som en evne virksomheten må bygge over tid.
Fokuset flyttes derfor fra hva man bruker, til:
hvordan AI faktisk brukes i praksis
hvor i virksomheten det skaper reell verdi
og hvordan effekten følges opp, måles og forbedres over tid
Det betyr at AI ikke behandles som et enkeltstående initiativ, men som en del av hvordan virksomheten jobber på tvers av funksjoner, prosesser og beslutninger.
Det er ikke tilgang på teknologi som skaper forskjeller. Den vil i stor grad være den samme for alle. Det som skiller, er evnen til å bruke den mer målrettet, mer integrert og mer systematisk enn andre.
For ledere innebærer dette et tydelig skifte i fokus:
Fra å spørre “hvilke verktøy bør vi ta i bruk?” til å spørre “hvordan sørger vi for at AI faktisk skaper verdi i det vi gjør hver dag?”
Tre konkrete grep å starte med:
1. Velg ut noen få prioriterte områder
Ikke spre innsatsen. Identifiser 2-3 kjerneprosesser eller beslutningsområder der AI kan ha tydelig effekt, og fokuser der.
2. Koble AI til mål og måling fra start
Definer hva dere ønsker å oppnå før dere setter i gang. Sett enkle KPIer, og følg opp effekten fortløpende.
3. Avklar eierskap og ansvar
Bestem hvem som eier AI-initiativer, hvem som tar beslutninger, og hvordan risiko håndteres. Uten dette stopper fremdriften raskt opp.
Det er ikke mer komplekst enn dette, men det krever tydelige prioriteringer.
Skrevet av: Svein Aandahl
Kontakt
