Generativ AI – Från hype till hållbart affärsvärde

by Daniel Adelander | Mar 10, 2025 | The Problog

Generativ AI har snabbt blivit ett av de mest omtalade begreppen i näringslivet. Från automatiserade kundtjänstagenter till AI-drivna beslutsstödssystem – möjligheterna verkar oändliga. Men bakom hypen finns en mer komplex verklighet. AI är inte en mirakellösning som automatiskt skapar affärsvärde. För att lyckas krävs en strategisk riktning, förståelse för teknikens begränsningar, och en beredskap att hantera både etiska och operativa risker.

Pro&Pro – Podden

Lyssna på vårt podavsnitt där vi intervjuar författaren och fördjupar oss i ämnet!

Från potential till praktik – vikten av strategisk riktning

Enligt PwC:s Global AI Study (2023) förväntas AI bidra med 15,7 biljoner USD till den globala ekonomin fram till 2030. I Sverige har användningen av AI ökat från 5,4 % av företagen år 2019 till 25,2 % år 2024 bland företag med 10 eller fler anställda (SCB, 2024).

Vår erfarenhet pekar på tre huvudsakliga utmaningar när företag försöker realisera affärsvärde från AI:

1. Brist på koppling till affärsmål och strategisk relevans

AI-projekt startas ofta som isolerade teknikinitiativ utan tydlig koppling till affärsstrategin. Enligt Tillväxtverket (2023) använder endast 16 % av små och medelstora företag digitala verktyg strategiskt.

2. Otillräcklig datakvalitet och orealistiska förväntningar

Enligt PwC Global AI Study (2023) anger 47 % av företagen att bristande datakvalitet är det största hindret för AI-framgång. Samtidigt kan orealistiska förväntningar leda till besvikelse när tekniken inte lever upp till hypen.

3. Misslyckande med att leda genom förändring

Många AI-projekt stöter på internt motstånd. Utan rätt stöd, utbildning och anpassning av arbetsprocesser blir tekniken underutnyttjad. McKinsey Digital Study (2023) visar att företag med strukturerad förändringsledning lyckas med sina digitala transformationer 70 % oftare.

Från effektivisering till skräddarsydda AI-agenter

Med utgångspunkt i dessa insikter kan vi identifiera en tydlig resa för hur företag kan gå från att experimentera med generativ AI till att skapa konkret affärsvärde. Resan delas in i tre steg:

Steg 1: Experimentera med generella AI-modeller

Det första steget möjliggör en vardaglig effektivisering genom att erbjuda medarbetarna en generell, “blank” språkmodell. Här används verktyg som ChatGPT eller LLama, ofta integrerade via lösningar som Microsoft Copilot, vilket möjliggör omedelbar tillgång till AI-teknologi. Detta kan skapa ett direkt affärsvärde genom att minska administrativa uppgifter och frigöra tid.

Detta experimentella skede handlar om att utforska möjligheterna med AI utan omfattande anpassningar, vilket gör det till en lågtröskelstrategi för företag som vill komma igång snabbt. Samtidigt finns det begränsningar som kan påverka den långsiktiga nyttan. Nedan följer de mest framträdande möjligheterna och utmaningarna i detta steg.

Vad kan vi uppnå?

• • Snabb och smidig implementering:
    AI-verktyg som ChatGPT och Microsoft Copilot kan snabbt tas i bruk utan omfattande teknisk anpassning, vilket gör det enkelt att komma igång.
  • Omedelbar effektivisering:
    Automatisering av rutinuppgifter som e-posthantering, dokumentproduktion och informationssökning frigör tid för medarbetarna att fokusera på mer strategiska och värdeskapande uppgifter.
  • Kostnadseffektiv start:
    Eftersom det inte krävs stora initiala investeringar kan företag testa tekniken med låg risk och snabbt utvärdera dess potentiella affärsnytta.

Vilka utmaningar behöver vi hantera?

• • Begränsat och fragmenterat värdeskapande:
    Eftersom AI används utan tydlig koppling till specifika affärsprocesser blir vinsterna ofta isolerade och svåra att skala upp. Detta kan göra det svårt att omvandla de initiala effektiviseringsvinsterna till långsiktiga affärsfördelar.
  • Svårigheter med skalbarhet:
    Effektiviteten beror ofta på den enskilda medarbetarens förmåga att använda verktyget. Detta gör det svårt att integrera AI-systematiskt i större processer och skapa enhetliga arbetsflöden.
  • Risk för felaktiga resultat:
    Generella språkmodeller kan ibland generera felaktiga eller vilseledande svar (s.k. ”hallucinationer”). Utan noggrann faktagranskning kan detta leda till felbeslut och bristande tillförlitlighet.
  • Falsk trygghet i AI:s kapacitet:
    AI kan ge ett övertygande intryck även när svaren är felaktiga, vilket kan skapa en falsk känsla av säkerhet. Därför är det avgörande att komplettera AI-användningen med mänsklig kontroll och kritisk granskning.

Steg 2: Integrera AI strategiskt i affärsprocesser

När organisationen har tagit de första stegen med generella AI-modeller är det dags att gå från isolerade experiment till en mer systematisk användning av AI. I detta steg handlar det om att integrera AI som en naturlig del av företagets befintliga processer för att skapa mätbart affärsvärde.

Genom att koppla AI-insatser direkt till affärsstrategin kan organisationen inte bara effektivisera arbetsflöden utan också förbättra beslutsfattande, optimera resursanvändning och öka konkurrenskraften. För att lyckas krävs dock mer än teknisk implementering – det behövs en tydlig strategi, förändringsledning och medveten riskhantering.

Vad kan vi uppnå?

• • Målstyrd integration i affärsprocesser:
    Genom att anpassa AI-verktyg till specifika affärsprocesser blir AI-insatserna direkt kopplade till företagets strategiska mål. Detta säkerställer att teknologin bidrar till konkreta affärsresultat.
  • Tydligare struktur och ökad tillförlitlighet:
    Med klara mål och riktlinjer kan AI användas mer systematiskt. Det minskar risken för felaktiga resultat och förbättrar kvaliteten på beslutsunderlaget.
  • Förbättrad förändringsledning:
    Ett strukturerat tillvägagångssätt gör det lättare att hantera förändringar i organisationen, vilket minskar motstånd och ökar medarbetarnas förståelse och engagemang för AI.

Vilka utmaningar behöver vi hantera?

• • Resurskrävande implementering:
    För att AI ska bli en integrerad del av verksamheten krävs investeringar i utbildning, processutveckling och teknisk infrastruktur. Detta kan vara en utmaning för organisationer med begränsade resurser.
  • Risk för orealistiska förväntningar:
    Det är lätt att överskatta AI:s kapacitet och förvänta sig snabba resultat. Om AI inte lever upp till dessa förväntningar kan det leda till besvikelse och minskat förtroende för teknologin.
  • Överautomatisering utan mänsklig kontroll:
    En ökad användning av AI kan leda till att viktiga beslut automatiseras för mycket, vilket kan vara riskabelt i komplexa situationer där mänsklig bedömning är avgörande.
  • Internt motstånd mot förändring:
    Förändringar i arbetsprocesser kan skapa osäkerhet bland medarbetare. Det är viktigt att hantera detta motstånd genom tydlig kommunikation och utbildning.

Steg 3: Implementera skräddarsydda AI-agenter

I det tredje steget går organisationen från att använda generella AI-verktyg till att utveckla skräddarsydda AI-agenter som är anpassade för specifika affärsbehov. Dessa agenter kan fungera både som självständiga beslutsstöd och som integrerade assistenter i medarbetares dagliga arbete.

Genom att designa AI-agenter med tydliga uppgifter och fördefinierade processer kan företag maximera affärsvärdet, öka effektiviteten och skapa skalbara lösningar som är direkt kopplade till verksamhetens mål. Men med ökad specialisering följer också nya utmaningar som måste hanteras för att säkerställa både teknisk tillförlitlighet och etisk användning.

Vad kan vi uppnå?

• • Målstyrd effektivisering:
    Genom att anpassa AI-agenter till specifika affärsprocesser blir de direkt kopplade till företagets strategiska mål, vilket säkerställer mätbara resultat och konkret affärsnytta.
  • Ökad operativ effektivitet:
    Automatisering av komplexa och repetitiva processer förbättrar produktiviteten, minskar kostnader och frigör resurser för mer värdeskapande arbete.
  • Minskade kompetenskrav för slutanvändare:
    Eftersom agenterna är förpromptade och optimerade för specifika uppgifter krävs mindre teknisk expertis hos medarbetarna, vilket skapar enhetliga och standardiserade arbetsflöden.
  • Skalbarhet och flexibilitet:
    Skräddarsydda AI-lösningar kan enkelt integreras med befintliga system och processer, vilket möjliggör snabb expansion och anpassning i takt med att organisationens behov förändras.

Vilka utmaningar behöver vi hantera?

• • Etiska dilemman och ansvarsfrågor:
    Det kan vara svårt att säkerställa att AI-beslut är rättvisa, transparenta och opartiska, särskilt i situationer där beslut påverkar människor direkt. Det krävs tydliga etiska riktlinjer och ansvarsfördelning.
  • Teknologiskt beroende och driftsrisker:
    När verksamheten blir beroende av AI-lösningar ökar risken för problem vid tekniska fel, förändringar hos leverantörer eller bristande systemstabilitet. Robust infrastruktur och beredskapsplaner är avgörande.
  • Kompetensutmaningar i den nya AI-eran:
    Även om AI minskar behovet av vissa manuella roller skapar det nya kompetenskrav, till exempel behov av AI-specialister, dataanalytiker och experter på modellhantering.
  • Risk för övertro på AI-beslutsfattande:
    När AI-agenter används för att fatta beslut finns det en risk att människor förlitar sig för mycket på teknologin. Det är viktigt att behålla mänsklig kontroll i kritiska beslutssituationer.

AI är inget magiskt – men det kan vara transformativt

Generativ AI är ett kraftfullt verktyg som kan driva både effektivisering och innovation. Men AI är inte en färdig lösning som automatiskt skapar affärsvärde. Den verkliga potentialen frigörs först när tekniken integreras med tydliga affärsmål, strategisk förändringsledning och ett medvetet förhållningssätt till etiska och operativa risker.

Företag som lyckas med AI har inte bara fokuserat på teknisk implementering – de har byggt en helhet där människor, processer och teknologi samverkar. Resan från att experimentera med generella AI-modeller till att implementera skräddarsydda AI-agenter kräver ett skifte i hur vi tänker kring värdeskapande.

Vill du vara bland de företag som lyckas?

Digitalisering och AI är inte längre enbart teoretiska koncept – de är fundamentala verktyg för framtidens affärsstrategier. Genom att strategiskt gå från en generell effektivisering till att etablera integrerade arbetssätt och slutligen implementera skräddarsydda AI-agenter kan ditt företag säkerställa långsiktigt affärsvärde.

Vill du veta mer om hur AI kan skapa värde för din organisation?
Kontakta oss på Pro&Pro för att diskutera era behov och möjligheter. Låt oss tillsammans skapa långsiktigt affärsvärde genom avancerad digitalisering.

Om författaren

Daniel Adelander har över sju års erfarenhet av att skapa affärsnytta genom AI och digital transformation. Med en bakgrund som civilingenjör inom maskinteknik från Kungliga Tekniska Högskolan (KTH), Internationellt Certifierad Framtidsstrateg (ICFS) och Prosci certifierad förändringsledare, har Daniel hjälpt organisationer att navigera i komplexa förändringsprocesser och förverkliga framtidens möjligheter. Hans expertis sträcker sig över framtidsstrategi, innovationsledning, affärsutveckling och avancerad digitalisering.

Omvärlden, innovation och disruption

by Daniel Adelander | Feb 24, 2020 | The Problog

Innovation och disruption driver många diskussioner om framtidens företag och organisationer. ”Vi behöver bli mer innovativa!”, ”Vi behöver förbättra vår innovationsförmåga!”. Dessa diskussioner blir vanligare och vanligare och allt kretsar kring idén att innovation möjliggör för långsiktig tillväxt och för organisationer att vara relevanta.

Det finns många metoder för att öka sin innovationsförmåga som design-thinking, innovation management, agila arbetssätt osv. Ofta kretsar det kring att förbättra individer och organisationers förmåga att skapa och ta fram idéer eller metoder för att förankra idéerna i kundernas behov. Innovation handlar om att generera värde och vad som anses värdefullt beror på sammanhanget, omvärlden, som företag verkar inom. Det handlar inte, som många tror, om att vara först eller bäst på att ta fram nya idéer och produkter. Istället handlar det oftast om att ta existerande lösningar och paketera det på sätt som förankras i kunders behov och förutsättningarna som omvärlden sätter på kundernas beteenden.

Något väldigt intressant är att många av de sakerna som vi minns som innovativa produkter förknippar vi med tanken att idén var helt ny och revolutionerande. Men om vi gräver djupare så ser man att oftast är dessa innovationer faktiskt bara nya sätt att paketera något som redan fanns.

Om vi ifrågasätter hur världen hade sett ut idag om Apple hade gått i konkurs 1997, och därför inte lanserat iPhone 2007, så är det lätt att göra misstaget att räkna bort våra smarta telefoner och all teknologisk utveckling som följde eftersom Apple skapade denna revolution och paradigmskifte. Men jag vill argumentera för att samhället hade till stort sett varit sig likt bara med andra aktörer som driver utvecklingen. Disruption för med sig en illusion av att det skapas av någon, nu har ett företag ändrat förutsättningarna för alla i marknaden och världen kommer att förändras. Men verkligheten är ofta betydligt enklare, marknaden och omvärlden skapade sin egen disruption genom värdet som kunderna tillför till innovationen, oavsett vem som lanserade den första smarta telefonen så hade förutsättningarna för den funnits 2007 och kundernas behov hade påverkats likvärdigt. Det är bara vissa företag som är riktigt duktiga på att se vad som händer och använda de möjligheterna för att ligga i framkant. Apple utsättes också för disruptionen, det hanterade den bara proaktivt istället för reaktivt.

Varför släpptes iPhone just år 2007? Varför inte 1997 eller 2017? iPhone släpptes 2007 eftersom tekniken som iPhone bestod av var teknologiskt och kostnadsmässigt redo för marknaden 2007 och Apple var först att ta steget. Om Apple inte hade gjort detta så hade tekniken ändå varit tillgänglig och någon annan hade antagligen gjort det, kanske inte 2007, men antagligen senast under 2008. Apple var absolut inte den enda som pratade om smartare mobiltelefoner, de var bara de första att ta fram en sådan produkt när tekniken och kostnaderna tillsammans var redo att spridas på marknaden. Med detta sagt vill jag inte påstå att all utveckling hade varit likadan oavsett vilken aktör som skapar innovationen, det finns spårbundenheter som skapas när innovationer möter marknaden. Såsom hur QWERTY-layout på tangenbort inte längre går att ifrågasätta även om mer effektiva layouter existerar. Men spårbundenheten är inte ansvarig för den storskaliga samhällsutvecklingen, oavsett om spårbundenheten hade följt QWERTY eller någon annan tangenbortslayout så hade vi haft skrivmaskiner med tangenbord. På samma sätt hade våra smarta telefoner sannolikt varit annorlunda, men vi hade fortfarande haft smarta telefoner.

Som bilden nedan visar så kommer kostnadsutvecklingen för en innovation vara beroende av kostnadsutvecklingen av dess delar. En Smartphone kommer utvecklas beroende på hur kostnaden för CPU, batteri, kamera och skärm osv. utvecklas. Samtidigt så kommer kapabiliteten för den färdiga innovationen att öka medan dessa förbättras. Värdet som en smartphone genererar är högre om den har bättre batteritid eller fungerar snabbare. Vid något tillfälle så kommer därför kurvan för kundens uppfattade värde möta kostnadskurvan och det är då som disruption sker, och sedan kan det gå väldigt fort.

Disruption för med sig 3 utmaningar eller osäkerheter som kan förtydligas genom 3 frågor:

• Vad är det som händer?
• Kommer det hända?
• När kommer det hända?

För alla dessa frågor så finns det olika disruptiva händelser som exemplifierar dem.

Digitalkameran var ett väldefinierat det, man förstod exakt vad det var rent tekniskt, men hur det skapade värde var svårt att förutsäga. Alltså som uppfinning var den förutsägbar, men som innovation var den oförutsägbar. Som uppfinning var det en sämre kamera som var billigare och sparade bilder digitalt. Men som innovation var det en enkel kamera som trots dess sämre bilder möjliggjorde för vem som helst att börja fotografera utan behovet av framkallningsrum eller väntetider. Kameran tillgodosedde ett behov som Kodak inte trodde fanns eller ett behov som de inte trodde skulle skapas och deras förutsättningar kom att förändras drastiskt när konkurrentera anpassade sig och mötte kundernas nya behov samtidigt som Kodak höll fast vid att filmbaserade kameror fortfarande var rätt väg.

Ibland är det som med digitalkameran att frågan ”vad är det som händer?” är den avgörande för disruptionen. Men i vissa fall är det osäkerheten i om det verkligen händer som gör innovationen disruptiv. Med detta menar jag att det som faktiskt gör att något är disruptivt är hur de är tillräckligt osäkert för att marknaden inte har hunnit anpassa sig. Om alla visste att digitalkameran skulle vara bra för lågprismarknaden så hade den nog lanserats betydligt tidigare och varit mindre disruptiv och mer en inkrementell innovation som sakta tog över marknaden. Osäkerheten i om något verkligen händer bygger upp fasaden som disruptionen till slut spräcker. För online-shopping av leksaker så var inte det en teknisk frågeställning, självklart kommer det vara möjligt att köpa leksaker online. Utmaningen var ju att leksaksaffärerna trodde att det aldrig kommer hända eftersom barn vill springa runt i leksaksaffärer och titta på leksakerna på plats. Detta ledde till att leksaksaffärerna valde att inte anpassa sig och till slut mognade tekniken och kundernas beteende ändrade sig för snabbt för dem att kunna hänga med.

Slutligen kan osäkerheten vara när det händer. När iPhone lanserades var inte produkten otänkt, många både förstod att det skulle hända och vad det var som skulle hända. För Nokia var egentligen utmaningen om det var rätt tillfälle. Nokia var fortfarande säkra på att det var för tidigt och deras mobiltelefoner fortfarande var det som kunden ville ha. Den första iPhonen var egentligen som produkt inte speciellt bra och det var därför lätt att tro att marknaden kommer behöva mer tid innan en sådan produkt slår igenom. Frågan om när besvarades då med ett ”senare” och till slut visade det sig vara tidigare än man trott.

Jag tycker att detta visar att vi alla agerar i en värld där mycket av utvecklingen är utanför vår kontroll och att genom att förstå vad som händer i omvärlden kan vi skapa möjligheter för att utvecklas tillsammans med den. Vi behöver inte vänta på disruption, vi kan förväntas oss och förbereda oss på den. Men det som krävs är förståelse för vad som händer i vår omvärld och hur detta kan påverka oss i framtiden. Det finns en intressant hönan eller ägget frågeställning mellan om det är innovationen som skapar kundens behov, eller om det är behovet som ger innovationen dess värde alltså huruvida behov existerar före innovationen eller om innovationen skapar behovet . Ett annat sätt att se på det, som jag personligen föredrar, är frågan om det är innovationer som driver omvärldens utveckling eller om det är omvärlden som driver innovationsutveckling. Oavsett vilket perspektiv man ser det ur så är det viktigt att poängtera att fundamentalt drivs den teknologiska utvecklingen genom interaktionen mellan marknaden/omvärlden och innovationerna som möter den. Utifrån en enskild organisation/individs perspektiv så kommer alltid innovationsutveckling vara beroende på de tekniska möjligheterna och omvärldsutvecklingen som existerar i den kontextuella miljö (omvärlden) som organisationen/individen lever i. Detta innebär att alla organisationer finner sig själva med utmaningen att innovera baserad på de unika utmaningarna som existerar i organisationens omvärld. Digitalkameran utvecklades utifrån de tekniska möjligheterna för digitala bildsensorer (CCD-sensorer på den tiden) som existerade i omvärlden tillsammans och paketerades till en innovation av Kodak 1975 som sedan valideras mot kundernas existerande och därefter förändrade behov och beteenden. På ett systemperspektiv istället där vi diskuterar innovationer utanför den individuella organisationen så ser vi en komplicerad interaktion mellan innovationer, teknikutveckling och kundbehov eftersom:

• Nya innovationer möjliggör teknikutveckling,
• Teknikutveckling möjliggör innovationer,
• Teknikutveckling skapar underlaget för förändrade kundbehov och
• Innovationer testas och valideras på marknaden emot existerande kundbehov och skapar möjligheter för nya kundbehov.
• Kunden värdesätter innovationens nytta utifrån individens kontextuella miljö och individuella behov.

I dagens samhälle kretsar mycket av den disruptiva rädslan kring AI. AI innebär två av de tre disruptiva osäkerheterna. Vad är det som händer och när händer det?

AI är en väldigt tydligt disruptiv faktor som för de flesta organisationer kommer innebära mer möjligheter än hot. Det som krävs är att vi försöker skapa organisationer med förståelse för AI för att kunna följa med i omvärlden, och bli långsiktigt framgångsrika. Eftersom AI kommer vara avgörande för omvärlden i framtiden, så kommer förståelsen av det att vara avgörande för framtidens innovationsförmåga.

AI är inte en disruptiv innovation, men AI kommer leda till disruption genom de olika innovationer som AI-tekniken möjliggör i de marknaderna där innovationerna hamnar. AI kommer bland annat skapa disruption inom transportsektorn genom självkörande fordon. Men det är inte samma AI som skapar disruption inom försäkringsbranschen. Samlingsordet AI är därför svårt att använda eftersom det kommer skapa disruption på olika sätt i olika marknader genom olika innovationer. AI är därför en kategori av potentiellt disruptiva innovationer.

Vill ni lära er mer om AI och förstärka er organisations förståelse av omvärlden? Anmäl er då till vår AI Utbildning den 1 april genom att anmäla er här: http://proandpro.se/ai/. Vill ni lära er mer om er organisations omvärld och framtid så kontakta oss så kan vi vägleda er in i framtiden och stötta er innovationsförmåga!

Daniel Adelander
Daniel är managementkonsult på Pro&Pro med fokus på framtidsstrategi och teknologisk utveckling. Daniel faciliterar Pro&Pro:s AI utbildning.