Intervju med Avoki: Hur skapar AI verklig affärsnytta?

En ny Novusundersökning på uppdrag av Avoki visar att AI redan används brett bland tjänstemän i svenska små och medelstora företag, samtidigt som användningen fortfarande är begränsad till en mindre del av arbetsuppgifterna. Peter Uddfors är vd på Avoki, ett nordiskt IT-företag som hjälper företag med bland annat IT-drift, cybersäkerhet, digitala arbetsplatser och AI-lösningar. I intervjun vill Enterprise Magazine fördjupa sig i vad företagen faktiskt får ut av AI, hur nyttan kan mätas och vad som krävs för att gå från enskilda experiment till ett mer strukturerat arbetssätt. 

👉 Vill du ha en snabb sammanfattning? Läs också: Tre lärdomar för företag som vill få mer nytta av AI.

Novusundersökningen visar att 30 procent av AI-användarna upplever att de sparar minst fyra timmar i veckan. Vad ser ni att företagen faktiskt gör med den tiden? Leder den redan till högre produktivitet, eller är det fortfarande svårt att mäta?

 Peter Uddfors: Vi ser framför allt att tiden används till sådant som ofta inte finns tid för. Det kan vara kunddialoger, analys, snabbare offerter eller arbete med kvalitet och utveckling.

Få av de företag vi möter använder AI för att minska personalstyrkan. De använder snarare tiden de sparar till att bli bättre på det de redan gör och för att kunna växa utan att behöva öka bemanningen i samma takt. För mindre företag kan det vara väldigt viktigt. Det är inte alltid lätt att hitta rätt kompetens när verksamheten växer.

Produktiviteten ökar ofta innan den syns i de traditionella nyckeltalen. Därför är det fortfarande svårt för många företag att mäta den exakta effekten. Jag tycker att man ska titta mindre på hur mycket AI används och mer på vad som faktiskt händer i verksamheten. Går det snabbare att leverera? Hinner man hantera fler kundärenden? Blir det färre fel?

Fyra timmar i veckan låter kanske inte jättemycket. Men räknat över ett arbetsår blir det nära fem arbetsveckor. Det är ganska mycket tid att få tillbaka. När den tiden används rätt blir den bränsle för snabbare tillväxt.

Samtidigt använder 64 procent AI i mindre än tio procent av sina arbetsuppgifter. Vad tror du är den främsta anledningen till att användningen fortfarande är så begränsad? 

Uddfors: Den största anledningen är att många fortfarande använder AI vid sidan av sitt vanliga arbete. Man testar ChatGPT eller Copilot på enskilda uppgifter, men har ännu inte börjat integrera AI i arbetsprocesserna. Där är de flesta fortfarande i en experimentfas. Det hänger också ihop med hur snabbt teknikskiftet har gått. På väldigt kort tid har AI-verktygen blivit tillgängliga för nästan alla, men arbetssätt, utbildning och riktlinjer har inte hunnit med i samma rasande takt. Företagen behöver prova sig fram för att se var AI kan höja kvaliteten och spara tid.

När man väl har identifierat var AI ger bäst effekt kan man börja utveckla arbetsprocesserna och integrera tekniken i återkommande och tidskrävande delar av verksamheten. Då lämnar man experimentfasen och börjar använda AI mer systematiskt i verksamheten. Tydliga ramar bromsar inte AI-användningen. De gör det möjligt att gå från enstaka tester till bred användning utan att tappa kontrollen. 

Om ett mindre eller medelstort företag vill börja arbeta mer strukturerat med AI, vilka arbetsmoment tycker du att man bör börja med och varför?

Uddfors: Börja inte med det mest avancerade projektet. Välj i stället det område där företaget kan få störst effekt med minst friktion. Jag skulle prioritera sådant som är relativt enkelt att genomföra, sparar mycket tid och berör många medarbetare.

Hos våra kunder ser vi ofta stora vinster inom administration och dokumenthantering, kundservice, marknadsföring, IT-utveckling och kodning samt analys och statistik.

Men den listan förändras snabbt. AI-modellerna blir hela tiden bättre och klarar allt svårare uppgifter. Därför behöver företag regelbundet se över var tekniken kan göra mest nytta, inte göra den bedömningen en gång och sedan låta den ligga. 

Hur tycker du att företag ska mäta effekten av AI i praktiken?

Uddfors: Det är lite beroende på verksamhetens art men generellt kan man titta på till exempel:

• Kan vi hantera fler affärer utan att öka vår bemanning?
• Ökar kundnöjdheten?
• Går det snabbare att leverera till kunden?
• Blir kvaliteten bättre?
• Minskar antalet fel?
• Blir ledtiderna kortare?

Finns det några exempel från Avokis kunder där AI redan har lett till en tydligt mätbar förbättring? Vad förändrades konkret, och hur stor var effekten?

Uddfors: Ett tidigt exempel är en arbetsgivarorganisation med ett callcenter där medlemsföretagen ringer för rådgivning om regelverk och kollektivavtal. Det finns omkring 650 kollektivavtal i Sverige och många av dem är mellan 30 och 300 sidor långa.

Tidigare behövde rådgivarna själva söka igenom avtalen, hitta rätt delar, tolka dem och sedan formulera ett utlåtande. Vi hjälpte kunden att ta fram en AI-lösning som ger stöd just i de momenten. Det minskade den manuella arbetsinsatsen kraftigt och gjorde att rådgivarna kunde komma fram till svar betydligt snabbare. Ett annat exempel är ett städföretag som Avoki hjälpte att automatisera sin ordermottagning med hjälp av AI, vilket både minskade det manuella arbetet och ökade datakvaliteten. Bolaget uppskattar att de tjänar 400-500 timmar årligen på införandet. Du lyfter också att vd själv behöver använda AI för att kunna fatta bra beslut. 

Hur undviker man att AI-lösningar blir beroende av enskilda medarbetare? Vad innebär det rent praktiskt att AI-agenter ska ägas av företaget?

Uddfors: Det vanligaste misstaget är att AI-kunskap och lösningar blir knutna till en enskild medarbetare. Någon bygger en agent, sätter upp instruktioner och får ett bra arbetssätt att fungera, men resten av organisationen vet ganska lite om hur det fungerar.

AI-agenterna ska tillhöra företaget, inte medarbetaren. Företaget måste ha koll på vilka agenter som finns, vad de används till, vilken data de har åtkomst till och vem som ansvarar för dem. Instruktioner och arbetsflöden behöver också dokumenteras och finnas i företagets egen miljö, inte på privata konton.

Det behöver inte bli särskilt tungrott. AI kan hjälpa till med en stor del av dokumentationen. Men det viktiga är att lösningarna finns kvar och kan förvaltas av organisationen även om personen som utvecklade dem lämnar företaget.

Var tycker du att företag bör dra gränsen mellan fri användning av AI och områden där det behövs tydliga regler och kontroll?

Uddfors: Jag tycker att företag ska uppmuntra experimenterande, men samtidigt se till att medarbetarna har tillgång till en säker AI-miljö i ett eller flera verktyg. Medarbetarna behöver frihet att upptäcka nyttan, men ledningen måste sätta spelreglerna.

Man behöver vara mycket tydlig med vad som gäller för kunddata, affärshemligheter, regulatoriska krav och informationssäkerhet. Undersökningen visar att bara 32 procent uppger att de har tydliga regler för användning av AI.

Det är för lågt. Reglerna behöver inte vara omfattande, men medarbetarna ska inte behöva gissa vad som gäller. Tre enkla regler räcker långt: 

• AI-genererat material ska granskas innan det används externt eller i verksamheten.
• Lägg aldrig in hemliga eller känsliga uppgifter om företaget, kunder eller personuppgifter i öppna AI-tjänster.
• AI kan ge förslag och underlag, men medarbetaren behöver alltid ta ansvar för besluten som tas.

Alla företag bör också ha en AI-policy. Den behöver inte vara lång, men det ska vara tydligt vad som gäller. Finns inte kunskapen internt kan man ta hjälp av sin IT-leverantör.

Vilket är det vanligaste misstaget du ser hos företag som försöker införa AI i verksamheten i dag?

Uddfors: Det vanligaste misstaget är att börja med tekniken i stället för affärsproblemet. Många frågar vilken AI-modell de ska använda, när den första frågan egentligen borde vara: vilket problem försöker vi lösa?

Ledningen underskattar också ofta hur mycket AI redan används i organisationen. Då kan man få Shadow AI, där medarbetare använder öppna AI-tjänster på egen hand och kanske laddar upp kunddata, personuppgifter, avtal eller annan information som inte får lämna företaget.

Ett tredje problem är att företag drar igång för stora projekt. Det tar lång tid att genomföra och under tiden hinner tekniken förändras. När lösningen väl är färdig kan delar av den redan vara föråldrade.

Jag tror mer på att börja med ett tydligt affärsproblem och ett område där man ganska snabbt kan se om AI faktiskt fungerar. Ger det resultat kan man bygga vidare därifrån.

Vad behöver svenska små och medelstora företag förändra för att AI inte bara ska stanna vid enskilda verktyg och experiment?

Uddfors: Tre saker är viktigast: ledningens engagemang, utbildning och AI-kompetens, samt att man mäter den faktiska affärsnyttan.

Ledningen behöver själv vara engagerad och förstå vad AI kan göra för verksamheten. Medarbetarna behöver kunskap för att kunna använda verktygen på rätt sätt. Sedan måste företaget också följa upp vad användningen faktiskt leder till, till exempel sparad tid, högre kvalitet eller snabbare leveranser. När AI blir en del av företagets processer, mål och uppföljning slutar det vara ett experiment vid sidan av och blir en del av den ordinarie verksamheten.

När man väl har identifierat och mätt var AI faktiskt skapar nytta, hur går man vidare från en lyckad pilot till ett arbetssätt som fungerar i den dagliga verksamheten?

Uddfors: Det är en mycket relevant fråga. Det är ganska enkelt att skapa en AI-pilot och få den att fungera för en person. Att få samma lösning att fungera för en hel avdelning, som en del av ett gemensamt arbetssätt och med kopplingar till olika databaser, är betydligt svårare. Då tillkommer också utbildning av medarbetare, tydligt ansvar och integration av lösningen. Ännu svårare blir det om samma lösning dessutom ska kunna säljas, supportas och underhållas över tid.

Redan i ett tidigt skede behöver man ofta hjälp från IT-avdelningen med åtkomst och driftsättning. Där kan också en kompetent IT-leverantör hjälpa till och se till att lösningen fungerar i den dagliga verksamheten.

Först när AI används konsekvent av många medarbetare och resultaten går att mäta har man skapat verklig affärsnytta.

AI-frågan handlar inte längre om huruvida företag ska använda AI, utan om hur snabbt de kan omsätta tekniken till affärsnytta. Vår undersökning visar att svenska företag redan har tagit de första stegen. Nästa utmaning är att gå från enskilda experiment till ett arbetssätt som ger mätbara resultat varje dag.

Bakgrund

Novusundersökningen omfattar 1 013 tjänstemän i privata företag med 20–249 anställda och genomfördes den 10–22 augusti 2026. 30 procent av AI-användarna uppger att de sparar minst fyra timmar i veckan. 64 procent använder samtidigt AI i mindre än tio procent av sina arbetsuppgifter.

Läs även på Enterprise Magazine:

👉 Varför många företagare gick in i väggen 2024 – och vad det säger om 2026

En analys av den inre belastningen hos entreprenörer och hur ekonomisk stabilitet ofta krävde ett för högt mänskligt pris.

👉 Fyra vanor som långsamt urholkar företag

Små vardagsbeslut som i tysthet försvagar organisationen – och hur du identifierar dem innan de blir avgörande under 2026.

Vill du stärka ditt varumärkes digitala närvaro?
Enterprise Magazine guidar dig genom framtidens affärslandskap.
👉 Har du en entreprenörsresa som förtjänar att berättas? Kontakta vår redaktion här.