Insikter från K3 Morning Insights: Från AI-experiment till affärsvärde.

Den 29 september var det dags för K3 Morning Insights i Handelskammarens lounge i Örebro. Tillsammans med Joakim Jardenberg riktade vi blicken mot det som händer efter de första AI-experimenten. För många organisationer är frågan inte längre om AI ska testas, utan hur nästa steg ser ut. Hur omsätter vi möjligheterna i arbetssätt som faktiskt gör skillnad? Vad ska vi mäta? Och hur undviker vi att tekniken blir ett mål i sig? I sitt fördjupande material från morgonen sammanfattar Joakim det i tre övergripande principer: förstå genom att göra, välj det som spelar roll och håll i.

Här har vi samlat några av perspektiven från morgonen tillsammans med hur vi på K3 ser på vägen från experiment till verklig affärsnytta.

Förstå AI genom att faktiskt använda det

Det är svårt att förstå AI enbart genom att läsa om det. En av utgångspunkterna i Joakims resonemang är därför att förståelsen behöver byggas genom praktisk användning. AI behöver få ta plats i tänkandet, förberedelserna, genomförandet och uppföljningen. På så sätt kan både kunskap och arbetssätt utvecklas över tid.

Det betyder inte att AI automatiskt ska användas överallt. Ett bra ställe att börja är ofta de små problemen i vardagen. Vilken uppgift tar oproportionerligt mycket tid? Var hanterar vi fortfarande information manuellt? Vad letar vi efter om och om igen? Genom att börja där blir AI mindre av ett abstrakt framtidsprojekt och mer av ett verktyg för att lösa verkliga problem. Joakims rekommendation är konkret. Välj något som skaver, definiera vad du försöker åstadkomma, testa i liten skala och utvärdera vad du lär dig.

Läs också: Generativ AI = Framgång? 

Snabbare är bra, men bättre är mer intressant

När företag pratar om affärsvärdet av AI hamnar samtalet lätt i effektivisering. Hur många minuter kan vi spara? Hur snabbt kan vi skapa en presentation? Hur mycket fortare kan vi sammanställa information? Det är relevant, men det fångar inte hela potentialen. Joakim skiljer mellan två perspektiv, Efficiency AI och Opportunity AI. Det första handlar om att utföra nödvändigt arbete bättre och snabbare. Det andra handlar om att upptäcka sådant vi tidigare inte kunde göra, exempelvis nya erbjudanden, högre kvalitet eller nya möjligheter för människor att bidra. 

Det leder till en viktig fråga:

Ska vi använda AI för att göra samma saker snabbare, eller kan tekniken hjälpa oss att hitta ett bättre sätt att göra dem på?

Om AI kan producera en veckorapport på några minuter är det förstås en effektivisering. Men innan vi automatiserar rapporten kan det vara värt att fråga varför den finns, vem som använder den och vilket beslut den ska bidra till. Ibland ligger den största vinsten inte i att automatisera ett befintligt arbetssätt, utan i att våga ifrågasätta det.

Affärsnytta är mer än sparade minuter

Hur vet vi då om en AI-satsning faktiskt skapar värde? Ett av ramverken från morgonen beskriver värde som en kombination av tre faktorer: Värde = teknik × adoption × strategisk relevans. Poängen är att tekniken inte skapar värde på egen hand. Den behöver fungera, användas på ett meningsfullt sätt och riktas mot något som faktiskt spelar roll för verksamheten. Därför behöver vi också titta bredare än på sparad tid. AI kan bidra till bättre beslutsunderlag, mindre repetitivt arbete, bättre tillgång till organisationens kunskap, minskad risk och snabbare lärande. En sparad timme har begränsat värde om den bara försvinner någon annanstans i arbetsdagen. Den mer intressanta frågan är därför:

Vad kan vi göra med den kapacitet som AI frigör?

Cloud blir en del av AI-strategin

När AI diskuteras hamnar modeller, verktyg och användningsområden ofta i centrum. Men bakom lösningarna finns infrastrukturen som ska få dem att fungera i praktiken.

En genomtänkt molnmiljö gör det möjligt att skala när användningen ökar, hantera data på rätt sätt och följa hur resurser används. Samtidigt behöver organisationen undvika att flexibiliteten i molnet leder till att kostnader växer utan motsvarande kontroll. Därför går det allt mindre att separera en organisations AI-strategi från dess cloudstrategi. Att lyckas med AI handlar inte bara om vad som går att bygga. Det handlar också om vad som går att driva, skala och motivera ekonomiskt över tid.

Från AI-pilot till affärsvärde

Det är lätt att fascineras av vad AI kan göra. Den svårare frågan är vilka lösningar som faktiskt förtjänar att bli en permanent del av verksamheten. För att kunna svara på den frågan behöver organisationer följa både tekniken och ekonomin bakom sina AI-initiativ. Vilka lösningar används? Vad kostar de? Vilka processer påverkas? Vilken effekt ser verksamheten? Och är effekten tillräckligt stor för att motivera fortsatt investering? När de frågorna blir en naturlig del av AI-arbetet blir det också enklare att gå från experiment till kontrollerbara investeringar med ett tydligare affärsvärde.

Från experiment till faktisk nytta

Att få en AI-lösning att fungera i en demo är en sak. Att få den att skapa värde i verksamheten är en annan. En pilot som visar att en idé inte fungerar behöver inte vara misslyckad. Den kan ha gett organisationen viktig kunskap innan mer tid och pengar investerats. En tekniskt imponerande pilot som aldrig förändrar någonting i verksamheten är däremot svårare att kalla framgångsrik. Det verkliga arbetet börjar ofta när piloten är klar. Någon behöver kunna använda resultatet, arbetssätt kan behöva förändras och verksamheten behöver följa upp om den förväntade effekten faktiskt uppstår. 

Det är här AI går från att vara ett teknikprojekt till att bli en verksamhetsfråga.

AI ska stötta kärnan, inte ersätta den

Det här är något vi själva arbetar med på K3. Ett konkret exempel är ett AI-baserat verktyg som vi har utvecklat för att effektivisera delar av vårt arbete kopplat till AWS. När stora mängder information behöver hanteras och relevanta marknadssegment identifieras blir arbetet snabbt omfattande om allt ska göras manuellt. Vi såg ett konkret behov och byggde ett verktyg som hjälper oss att arbeta smartare och effektivare. Tekniskt skulle lösningen kunna utvecklas vidare och kanske så småningom bli något helt annat. Men bara för att något går att bygga betyder det inte att det är där det största värdet finns. För oss finns verktyget för att stötta kärnan, inte ersätta den. Samma princip är relevant när vi hjälper andra organisationer att utforska möjligheterna med AI. Tekniken behöver hela tiden kopplas tillbaka till verksamhetens mål.

Vad försöker vi uppnå? Vilket problem behöver vi lösa? Var finns flaskhalsarna? Och var kan AI hjälpa oss att vässa det vi redan är bra på?

Tack för en inspirerande K3 Morning Insights

Med andra ord innehöll morgonen många viktiga och inspirerande insikter hur organisationer kan förhålla sig till AI. Och hur AI faktiskt kan skapa riktigt värde i bland annat det dagliga arbetet.

Stort tack till alla som tillbringade morgonen tillsammans med oss i Handelskammarens lounge i Örebro. Och ett extra tack till Joakim Jardenberg för alla perspektiv, frågor och konkreta ramverk att ta vidare. K3 Morning Insights är vårt format där vi tillsammans med kunder, partners och andra nyfikna utforskar aktuella frågor inom teknik, IT och affärsutveckling. För den som vill fördjupa sig ytterligare har Joakim samlat material, resonemang och ramverk från morgonen på sin webbplats.