Så inför ni AI på en teknikkonsult utan att det blir hyllvara

De flesta AI-satsningar blir hyllvara

Det som köptes är inte det som arbetet behöver. MIT:s NANDA-initiativ gick igenom 300 publika AI-införanden och fann att de flesta stannar av samma skäl: verktygen lär sig aldrig av arbetsflödet de ska stödja. Tre fellägen återkommer hos teknikkonsulter, och i inget av dem är det modellens kvalitet som är orsaken.

Teamet bakom en av de egna botarna satte fingret på problemet:

Vi la riktiga resurser på en egen AI-bot. Sen hade ingen tid att mata den. Den kan fortfarande bara det den kunde dag ett. Vi glömde sista frågan: hur kommer informationen in?

Mönstret är inte brist på vilja. De här företagen ansträngde sig mer än de flesta. På andra håll beskrev projektteam på fleråriga uppdrag hur de möts, beslutar, sedan glömmer vad som beslutades och beslutar igen, vilket en chef kallade en enorm energitjuv. Det företaget hade redan byggt en intern chattbot för ett annat problem. Det räckte inte. Ansträngning var aldrig det som saknades.

De köpte en plats att fråga på, inte färdigt arbete

Alla tre köpte en plats att ställa frågor på. Ingen av dem köpte färdigt arbete. Ett chattfönster väntar: det producerar ingenting förrän en ingenjör kommer med en fråga, och stannar i samma stund hen lämnar det. Allt hänger sedan på individuella vanor, vilket är precis därför användningen är bred och effekten uteblir.

Vi har skrivit om skillnaden mellan en chattbot och en kollega. En kollega tar leveransen och kommer tillbaka med den klar. Den skillnaden avgör hela satsningen. Enheten som räknas är inte AI-användning; det är en färdig leverans som företaget tar fram om och om igen: en trafikutredning, en miljökonsekvensbeskrivning, en anbudsgranskning. Om verktyget inte flyttar en sådan hela vägen från uppdrag till signatur mäter instrumentpanelen aktivitet, inte resultat.

Piloten bevisar, men värdet kommer först när ni lutar er in

Det är här de flesta satsningar tar slut, mitt emellan. Piloten fungerar, alla nickar, och sedan händer inget mer. Fenomenet är så vanligt att det har fått ett namn: pilotträsket. Det som försiktigheten missar är att värdet aldrig satt i piloten. Det sitter i att göra om hur en leverans faktiskt blir till, och det steget tar man bara genom att luta sig in.

Siffrorna pekar entydigt åt ett håll. Genomgångar av misslyckade AI-satsningar landar i samma fördelning: ungefär en tiondel handlar om algoritmerna, en femtedel om data och teknik, och resten, långt över hälften, om människor, arbetssätt och kultur. Den starkaste förutsägelsen för om en satsning tar sig från pilot till produktion är inte hur avancerad tekniken är, utan hur mycket själva arbetsprocessen gjordes om samtidigt. BCG:s genomgång 2025 fann att bara fem procent av bolagen får ut ett substantiellt värde, och att de gör det genom att ändra sina kärnprocesser, inte genom att lägga ett verktyg ovanpå de gamla.

Det säger också något om vem man gör det med. Samma MIT-genomgång fann att köpa in från en specialiserad leverantör och bygga ett partnerskap lyckas ungefär två tredjedelar av gångerna, medan att bygga själv lyckas långt mer sällan. Att luta sig in är inte att installera mjukvara och hoppas. Det är att lägga om ett arbetssätt tillsammans med någon som har gjort det förut.

En satsning som håller följer fyra principer

Fyra principer skiljer satsningarna som håller från dem som ebbar ut.

Utgå från en hel leverans. Välj arbete som företaget redan gör i volym och i standardiserad form. Den mekaniska delen, efterforskningen, omräkningen, formateringen och korskontrollen, är det som komprimeras; omdömet stannar hos ingenjören. Att börja där ger satsningen något konkret att mäta redan första veckan, i stället för en allmän förmåga som alla provar och ingen äger.

Integrera där dokumenten redan finns. Ett företags projektdokument ligger i SharePoint och på projektservrar, med åratal av struktur och behörigheter inbyggda. Ett verktyg som kräver att mappar exporteras, packas och laddas upp blir ett sidosystem, inaktuellt inom veckor och opålitligt därefter. Det oglamorösa integrationsarbetet är det som håller verktyget matat, och det är den svåraste delen av produkten. Det är också det direkta svaret på frågan den egna boten glömde: hur informationen kommer in.

Håll det pålitligt genom att göra verifiering till kultur

Gör granskning till kultur. Ingenjören granskar, avgör och signerar; ingenting går ut på verktygets självförtroende ensamt. Det är ingen begränsning att be om ursäkt för. Det är arbetssättet. Maskinell granskning körs parallellt och outtröttligt, och fångar avvikelser som en trött seriell granskning missar, men signaturen förblir mänsklig och ansvaret flyttar inte en millimeter.

Rättelserna en ingenjör gör är själva poängen, inte en omkostnad. Ett verktyg byggt för det här arbetet blir bättre genom att lära av det utslag ingenjören ger dess resultat, vad som godtogs och vad som skickades tillbaka, aldrig genom att i tysthet skörda företagets dokument som träningsbränsle. Granskningscykeln är inlärningscykeln. Det är också det ärliga svaret på IT-avdelningens datafråga: dokumenten förblir kundens, och det är utslaget som lär.

Mät genomströmning, inte licenser. Användningsstatistik smickrar alla: att halva personalen loggade in den här månaden låter som framgång och säger ingenting om huruvida en enda leverans tog kortare tid eller gick ut med färre fel. Räkna färdiga leveranser, timmar per leverans och fel som fångades före leverans. Licenser är en insats företaget betalar för. Genomströmning är resultatet det säljer.

Provkör en standardiserad leverans först

Det finns en pilotfråga varje köpare kan agera på redan i kvartalet. Peka ut en enda leverans som ert företag tar fram dussintals gånger om året, i standardiserad form, på dokument som redan ligger i era egna system. Kör den hela vägen, från uppdrag till signatur, och jämför resultatet med den senaste en ingenjör tog fram för hand. Ta tid på båda. Granska båda för fel. Den jämförelsen, på en verklig leverans, säger mer än någon kartläggning av licenser eller inloggningar.

Om den håller har ni inte köpt ett verktyg att prova. Ni har en fungerande metod att bredda, en leveranstyp i taget, var och en med sitt eget före och efter. Och poängen är just att bredda den: att stanna i provläge är att stanna i piloten, där värdet aldrig hinner fram. Det är vad en AI-civilingenjör är till för: att slutföra hela leveranser, på företagets egna dokument, under ingenjörens signatur. Yesper är AI-civilingenjören för bygg och infrastruktur. En satsning blir hyllvara när den köps som något att experimentera med. Den håller när man lutar sig in och mäter den som arbete som blev gjort.