När AI flyttar in i affärssystemet förändras frågan

Något håller på att hända med affärssystemen. AI bäddas in direkt i verktygen, och plötsligt får många företag tillgång till funktioner som tidigare krävde egna projekt. Visma och flera andra aktörer talar nu öppet om automatisering på över 90 procent och om autonoma agenter som ska utföra arbete på egen hand mot 2026.

Det är en stor förändring. Men den förskjuter också frågan som kunder behöver ställa sig.

Tidigare handlade utmaningen om att få tillgång till AI. Den frågan löser sig nu nästan av sig själv. AI:n kommer på köpet.

Den nya frågan är en annan. Är processerna och datat tillräckligt bra för att AI faktiskt ska skapa nytta?

En agent som agerar på fel underlag

Tänk dig en medarbetare som ska hantera leverantörsfakturor. Hen märker snabbt om något ser konstigt ut. En faktura på ett orimligt belopp. En leverantör som inte känns igen. En kostnad som hamnat på fel projekt. Människan stannar upp och frågar.

En autonom agent gör inte alltid det. Den utför processen som den är beskriven, i den takt den är byggd för. Om processen är otydlig eller datat är bristfälligt så agerar agenten ändå. Snabbt, konsekvent och i stor skala.

Där ligger skillnaden. En människa som arbetar på dålig grund gör fel ibland. En agent som arbetar på dålig grund gör fel hela tiden, tills någon märker det.

Det är inte ett argument mot AI. Det är ett argument för att titta på vad som ligger under.

Automation gör inte ett oordnat arbetssätt bättre

Det är lätt att tänka att AI löser det som är rörigt. I praktiken är det ofta tvärtom.

Om en process bygger på undantag som bara finns i någons huvud, så blir den svår att automatisera. Om datat innehåller dubbletter, felaktiga konton eller inaktuella uppgifter, så bygger AI:n sina förslag på just det.

Resultatet blir att man automatiserar ett oordnat arbetssätt. Det blir inte bättre. Det blir snabbare.

Och ett fel som upprepas snabbt är dyrare än ett fel som upprepas långsamt.

Tre saker som avgör om inbäddad AI skapar nytta

När vi tittar på om en verksamhet är redo brukar tre frågor återkomma.

Vet ni hur arbetet faktiskt går till, inte bara hur det borde gå till? En agent kan bara följa det som är beskrivet. Det som lever som tyst kunskap hos enskilda personer finns inte för AI:n.

Är uppgifterna kompletta, aktuella och konsekventa? AI som föreslår eller beslutar gör det utifrån datat. Brister där följer med rakt in i besluten.

En människa improviserar vid undantag. En agent behöver veta vad den ska göra. Om svaret saknas, vad händer då?

Svaren på de här frågorna avgör mer än vilken AI-modell som sitter i systemet.

Vår roll är inte att leverera AI

Här vill vi vara ärliga om hur vi ser på vårt eget uppdrag.

AI:n kommer kunderna att få oavsett. Den byggs in i systemen av leverantörerna. Vår uppgift är inte att leverera den.

Vår uppgift är att hjälpa verksamheten bli redo att dra nytta av den. Det handlar om att titta på processerna, städa i datat och bestämma hur arbetet ska se ut innan en agent får ta över delar av det.

Det är ett rådgivande arbete, inte ett systemleveransarbete. Och det är ofta mindre glamoröst än själva AI-funktionen. Men det är där värdet avgörs.

Förvaltning blir en strategisk fråga

En sak till är värd att lyfta. Inbäddad AI är inte något man sätter upp en gång och sedan lämnar.

Processer förändras. Data åldras. Nya undantag dyker upp. Värdet av AI:n växer över tid, men bara om någon fortsätter arbeta med grunden.

Det gör förvaltning till en strategisk fråga, inte en teknisk eftertanke. Den som vill att AI ska bli bättre nästa år behöver hålla processer och data i ordning i år.

Hur redo är era processer egentligen?

Det enklaste sättet att börja är inte att fråga vilken AI man har tillgång till. Det är att fråga om verksamheten är redo att lita på den.

Skulle ni vara bekväma med att låta en agent utföra er fakturahantering eller er orderprocess i morgon? Om svaret är tveksamt, så ligger arbetet sällan i AI:n. Det ligger i processen och datat bakom.

Hur ser det ut hos er? Vi tittar gärna tillsammans på var era processer står idag och vad som krävs för att inbäddad AI ska skapa verklig nytta.