Er AI-satsning växer snabbast i hela bolaget och syns minst på resultatet

De flesta organisationer använder redan AI i minst en funktion, men få ser någon effekt på resultatet. Skillnaden ligger i vad teamet faktiskt lär sig, inte i hur många verktyg som köps in.

Trycket är inte inbillat. Det kommer samtidigt från flera håll: från styrelsen som vill se innovation, från huvudkontoret som redan rullat ut globala initiativ. Det kommer också från medarbetare som testar verktyg privat och undrar varför inte jobbet hänger med.

Marknad och försäljning är den funktion inom företag där användningen av generativ AI ökat mest, mer än en fördubbling sedan 2023, enligt McKinsey. 88 procent av organisationer använder AI i minst en funktion. Ändå säger över 80 procent att de inte ser någon tydlig effekt på resultatet.

Det är den kombinationen som gör AI-satsningar svåra att försvara internt just nu. Verktygen är billiga att testa. Kraven uppifrån är höga. Resultatet uteblir. Ledningen frågar varför avdelningen inte redan jobbar smartare med AI. Teamet svarar med fler licenser, fler kurstimmar, fler pilotprojekt. Ingen av delarna syns i siffrorna nästa kvartal.

Det finns ytterligare ett lager i pressen. Huvudkontoret sätter globala mål för hur mycket av marknadsföringen som ska vara AI-stödd. EU:s AI-förordning ställer samtidigt krav på dokumentation och transparens för vissa användningsområden, med regler som redan trätt i kraft och fler som tillkommer fram till sommaren 2026. Ett team som varken hunnit se effekt av verktygen eller sätta sig in i vad regelverket kräver hamnar i en obekväm mittenposition. Pressat både uppifrån och utifrån.

Ett vanligt mönster är att utbildningen börjar i fel ände. Teamet lär sig hur ett verktyg fungerar rent tekniskt, hur man skriver en bra instruktion, vilka knappar som gör vad. Det som saknas är kunskapen om vilket av de tio arbetsflödena i teamets vardag som faktiskt vinner på det, och vilka nio som bara kostar tid att lägga om.

En marknadsavdelning testade AI-genererat innehåll för sociala kanaler under ett halvår. I efterhand gick det inte att peka på en enda ny affär som resultat. Samtidigt var tiden som gick åt att redigera och kvalitetssäkra innehållet i nivå med tiden det tog att skriva det från grunden. Verktyget var inte problemet. Valet av var det skulle användas var problemet.

En marknadsavdelning som tidigt kartlade sina arbetsflöden hittade istället att den största vinsten låg i research inför kundmöten, inte i innehållsproduktion. Att sammanställa bakgrundsfakta om en kund innan ett möte, ett arbete som tidigare tog en timme, gick att korta rejält utan att kvaliteten sjönk. Skillnaden mot avdelningen som satsade på innehåll var inte verktyget. Det var vilket arbetsflöde de valde att lägga om först.

Kostnaden är dubbel. Licenser och kurstid kostar direkt, oavsett om de används rätt. Tiden som läggs på fel arbetsflöde kostar ännu mer, eftersom den tiden är borttagen från det som faktiskt driver affär. Varje kvartal utan rätt prioritering är ett kvartal där konkurrenten drar ifrån, om de redan hittat rätt användningsområden. Det märks i hur snabbt de kan svara på en kunds förfrågan eller sätta ihop ett anpassat underlag.

Det finns också en risk i motsatt riktning. Ett team som blir försiktigt efter en misslyckad satsning slutar testa helt, samtidigt som konkurrenterna fortsätter. Varken överdriven satsning på fel saker eller total tystnad löser problemet. Det som krävs är en återkommande, ärlig genomgång av vad som faktiskt sparar tid. Det krävs också en vilja att lägga ner det som inte gör det, även om pengarna redan är investerade.

Att välja rätt arbetsflöden att lägga om är inte en gång-i-taget-insats. Marknaden förändras. Verktygen förändras varje kvartal. Det som var rätt prioritering för sex månader sedan kan vara fel i dag. Det kräver att någon kontinuerligt omprövar var AI faktiskt sparar tid åt teamet, i stället för att bara addera ett nytt verktyg ovanpå de gamla rutinerna.

Det är sällan tekniken som sätter gränsen för vad som går att uppnå. Gränsen sätts av hur mycket tid någon faktiskt kan lägga på att hålla prioriteringen aktuell, kvartal efter kvartal, i stället för att bara addera fler verktyg ovanpå varandra.

Det är fullt möjligt att göra den analysen själv, en gång. Det svåra är att göra den om och om igen, kvartal efter kvartal, samtidigt som resten av jobbet kräver att man levererar redan i dag. De flesta team gör en grundlig genomgång en gång, känner sig nöjda, och låter den sedan bli gammal medan verktygen och kraven runt omkring fortsätter förändras. Det är sällan bristen på ett första bra beslut som gör att AI-satsningen tappar fart. Det är att ingen orkar hålla omprövningen vid liv, ensam, kvartal efter kvartal.