AI ersätter inte systemintegrationer. Det skapar fler av dem.

Frågan dyker upp allt oftare i samtal med kunder. Om AI nu kan ställa frågor direkt till Business NXT och Visma Net via AI Connect och MCP, om Claude och Copilot kan läsa affärsdata i realtid på naturlig svenska, behöver vi då fortfarande bygga integrationer? Det är en rimlig fråga. Svaret är ja. Och skälet är inte att integrationer är lika viktiga som förut. De är viktigare.

AI och systemintegration löser fundamentalt olika problem. Att blanda ihop dem leder till felaktiga beslut om var man lägger sin teknikbudget. Här är skillnaden, varför de samverkar och vad som faktiskt händer i de bolag som försöker låta AI ersätta integrationer.

Vad AI faktiskt gör med data, och var integrationer är bättre

AI Connect i Business NXT eller Visma Net kan svara på frågan "Vilka ordrar har inte levererats i tid den senaste månaden?" Det är läsning och analys av befintlig data. Det är AI:ns styrka.

AI-agenter med verktygsanrop kan tekniskt sett göra mer än så. En agent kan detektera en ny order, anropa ett WMS API, skapa ett lageruttag och trigga fraktgenerering. Det finns produktionssystem som gör just det. Men varje steg i den kedjan kostar tokens, tar tid att resonera igenom och kräver tillsyn när agenten gör ett oväntat val. Vid hundratals eller tusentals dagliga transaktioner blir det dyrt, långsamt och svårt att felsöka.

En traditionell integration gör samma flöde deterministiskt, utan kostnad per körning, med millisekunder i latens och med en exakt logg över varje steg. Det är inte att AI är oförmögen. Det är att kostnaden och komplexiteten gör integrationer mer praktiska för repetitiva högtrafik-flöden.

Tre saker integrationer löser bättre än AI-agenter

Hög volym till låg kostnad

En order som triggar ett lageruttag, en fraktetikett och en kundbekräftelse är ett enkelt men exakt flöde. En integration kör det utan kostnad per transaktion. En AI-agent som resonerar igenom varje steg betalar tokens för varje order, dygnet runt. Räkna ut vad det kostar vid 500 ordrar per dag, 365 dagar om året. Integrationer vinner på ekonomi vid volym.

Determinism och förutsägbarhet

En integration gör exakt samma sak varje gång. En AI-agent kan tolka ett svar på ett oväntat sätt, ta en alternativ väg eller fastna i ett felläge som kräver mänsklig ingripning. För affärskritiska flöden där varje order, varje faktura och varje lagerrörelse måste behandlas korrekt är determinism ett krav, inte ett önskemål.

Felhantering och återförsök

När mottagarsystemet är tillfälligt nere köar en integration meddelandet och försöker igen automatiskt utan att någon behöver agera. En AI-agent kan hantera det på liknande sätt, men det kräver att agenten är konstruerad med explicit retry-logik, timeout-hantering och kömekanismer. Det är i praktiken att bygga en integration med AI-kodning, vilket leder oss till nästa punkt.

AI bygger integrationer snabbare. Det är inte samma sak som att ersätta dem.

En av de mest konkreta vinsterna med AI i integrationsutveckling är att koda, testa och felsöka integrationer går väsentligt snabbare med AI-kodningsverktyg som Cursor och Claude Code. Det sänker tröskeln för att bygga nya kopplingar och gör det möjligt att iterera snabbare.

Det är inte AI som ersätter integrationer. Det är AI som hjälper till att bygga dem mer effektivt. Integrationerna behövs fortfarande. Konsultens roll förändras, men behovet av välbyggda dataflöden försvinner inte.

AI skapar faktiskt nya integrationsbehov

Det ironiska är att AI-adoptionen driver upp efterfrågan på integration, inte ned. För att AI Connect ska ge bra svar behöver affärsdata vara komplett, korrekt och realtidsuppdaterad i Visma. Det förutsätter att systemen runt om är välintegrerade mot Visma.

Vill ett bolag att Claude eller Copilot ska kunna svara på frågor om lagerstatus, orderstatus och kundhistorik samlat behöver den datan finnas i ett och samma system. Att samla den datan kräver integrationer. Ju fler AI-verktyg ett bolag inför, desto fler integrationspunkter behövs.

Vi ser det hos de kunder som kommit längst med AI i sin verksamhet. De har inte färre integrationer än andra. De har fler, och de är bättre underhållna.

Vad händer när bolag försöker låta AI ersätta integrationer?

Det vanligaste substitut vi ser är att medarbetare exporterar data manuellt till Excel, laddar upp det i ett AI-verktyg och ber om analys. Det fungerar för engångsanalyser. Det är inte skalbart. Det är inte realtid. Och det är precis det manuella dubbelarbete som integrationer är till för att eliminera.

AI gör den manuella processen snabbare och snyggare. Den löser inte det underliggande problemet, att data inte flödar automatiskt mellan systemen.

Bra integrationer ger bättre AI-resultat

AI Connect i Visma är bara så bra som den data det arbetar med. Om ordrar registreras i ett system, lager i ett annat och kunddata i ett tredje utan att systemen pratar med varandra ser AI:n tre fragmenterade bilder. Ställer du frågan "Kan vi leverera den här ordern i tid?" kan den inte ge ett korrekt svar om lagerdata inte finns i Visma.

De bolag som får ut mest av AI Connect och liknande funktioner är utan undantag de som har en välintegrerad systemflora. Det är inte en tillfällighet. Det är en förutsättning.