Det är lätt att prata om AI som något som ska införas, distribueras eller rullas ut. Som om det handlade om ett paket, en licens eller en färdig lösning som bara behöver nå ut i organisationen. Men det synsättet riskerar att leda fel redan från början.
AI fungerar inte som ett lager ovanpå verksamheten. Den fungerar mer som jäst i en deg. Det är en bild som säger något viktigt om varför så många AI-satsningar inte riktigt ger den effekt man hoppats på. För när AI behandlas som något som kan strös ut ovanpå arbetet händer i praktiken väldigt lite. Verktyg kan delas ut, policies kan skickas ut, utbildningar kan genomföras – men om AI inte blir en del av själva arbetssättet uppstår ingen verklig förändring.
Det är först när AI arbetas in i vardagen som något börjar hända.
Det räcker inte att lägga AI ovanpå
Jäst gör ingen nytta om den bara ligger på ytan. Den måste knådas in i degen för att bli verksam. Samma sak gäller AI i en organisation. Om en AI-policy distribueras ovanifrån, om licenser delas ut till alla eller om en utbildning skickas ut utan att följas upp, kan det se ut som att något har gjorts. Men det betyder inte automatiskt att något faktiskt förändras. Att AI finns tillgängligt är inte samma sak som att AI används på ett sätt som påverkar arbetet.
För att ge effekt måste AI in i själva arbetsformen. Den behöver bli en del av hur människor löser uppgifter, fattar beslut, skapar innehåll, hittar arbetssätt och utvecklar sina roller. Om den stannar vid information, tillgång eller ambition, men aldrig vävs in i det dagliga arbetet, händer inte mycket. Det avgörande är alltså inte om AI har lanserats, utan om den har arbetats in.
Friktionen är inte ett misslyckande – den är själva förutsättningen
När jäst arbetas in i en deg uppstår friktion. Det blir motstånd, värme och rörelse. Det är inte ett problem i processen – det är det som gör processen möjlig. Det gäller också när AI möter en verksamhet. När något nytt förs in i en etablerad arbetsvardag uppstår nästan alltid osäkerhet. Vad innebär det här för min roll? Vad händer med mina arbetsuppgifter? Hur ska jag jobba nu? Vad förväntas av mig? Den typen av frågor kan upplevas som störande, obekväma eller till och med hotfulla. Men just där finns också möjligheten till lärande.
Friktionen är inte bevis på att något är fel. Den visar att något på riktigt håller på att bearbetas. Om det inte uppstår någon friktion alls kan det också vara ett tecken på att AI aldrig kommit tillräckligt nära själva arbetet. Att inget skaver kan i vissa fall betyda att inget heller har förändrats. För utveckling kräver ett möte mellan ett befintligt nuläge och något nytt. Och i det mötet uppstår friktion. Det är där nya arbetssätt kan börja formas.
Den tidiga effekten säger inte alltid sanningen
En annan utmaning är tålamodet. Efter att jästen arbetats in syns det inte omedelbart i degen. Först ser allt ungefär likadant ut. Man kan nästan få känslan av att inget har hänt. Men med tiden börjar processen verka. Något sätter sig, växer och förändrar helheten. Liknande är det med AI: den första tiden kan vara fylld av nyfikenhet och en del wow-upplevelser. Men efter det kommer ofta en period när effekterna inte känns lika tydliga. Då är det lätt att börja ifrågasätta satsningen: händer det verkligen något, eller gör det inte det? Men om man mäter för tidigt riskerar man att dra slutsatser innan processen ens hunnit börja verka på djupet.
Att bedöma en AI-satsning alltför tidigt kan vara som att utvärdera jäsningen efter sju minuter. Det som på ytan ser stillastående ut kan i själva verket vara en fas där arbetssätt håller på att förändras, där människor testar, lär sig, omprövar och hittar former som ännu inte hunnit ge fullt utslag. Därför behövs tålamod. Inte som passiv väntan, utan som förståelse för att verklig förändring ofta kommer successivt. Den mest betydelsefulla effekten är inte alltid den som syns först.
Rätt miljö avgör om utvecklingen lever eller dör
Jäst är levande. I fel miljö stannar den av eller dör. För varmt, för torrt, för salt – och processen kommer inte vidare. Det finns en tydlig motsvarighet i organisationer som vill få effekt av AI.
Om det uppfattas som riskabelt att experimentera, om den som provar nytt blir ifrågasatt eller straffad för att tiden inte används “rätt”, är det svårt att få något att växa. Detsamma gäller om styrningen blir för hård, om allt ska kontrolleras centralt eller om medarbetare inte får utrymme att själva utforska hur AI kan fungera i deras arbete. Utan tillit och handlingsutrymme tappar utvecklingen kraft. Då kan slutsatsen bli att AI inte passar verksamheten. Men det är inte säkert att det är AI som är problemet. Det kan lika gärna vara miljön runt omkring som gör att inget får fäste. Om förutsättningarna inte finns där, om värmen, näringen, tilliten och experimentutrymmet saknas, så blir resultatet svagt även om potentialen egentligen är stor.
Frågan är därför inte bara om organisationen har tillgång till AI, utan om den har byggt en miljö där AI faktiskt kan börja verka.
När AI fungerar på riktigt blir den mindre synlig
Det kanske mest intressanta med jäst är att den inte står i centrum när brödet väl är färdigt. Ingen tittar på en kanelbulle och säger att det mest imponerande är jästen. Man pratar om resultatet – om det som blev möjligt. Samma sak gäller AI när den fungerar på riktigt. I början är tekniken ofta i fokus. Samtalen handlar om verktygen, modellerna, möjligheterna, riskerna och allt det nya. Men ju mer AI mognar i en organisation, desto mindre blir den själva huvudpoängen. Det viktiga blir i stället vad verksamheten kan göra bättre, enklare eller mer effektivt än tidigare.
När AI fungerar väl blir den inte nödvändigtvis mer synlig. Tvärtom. Den blir mer av ett bärande lager i hur arbete utförs. Något som är närvarande och avgörande, men inte alltid det som syns först. Det betyder inte att AI blivit mindre viktig. Det betyder att den har blivit integrerad. Det verkliga målet är därför kanske inte att prata mer om AI, utan att skapa förutsättningar för bättre resultat med hjälp av AI.
AI är mindre ett IT-projekt – och mer en process som måste få verka
Det går att se AI som ännu ett teknikinitiativ. Ett projekt som ska planeras, styras, implementeras och tickas av. Men det perspektivet riskerar att missa det mest centrala: att AI inte bara handlar om teknik, utan om hur arbete förändras över tid.
Det kräver inarbetning. Det kräver friktion. Det kräver tålamod. Det kräver rätt miljö. Och det kräver en förståelse för att det bästa resultatet ofta kommer när tekniken inte längre behöver stå i centrum. Mindre rulla ut. Mer arbeta in. Mindre tidig mätning. Mer tålamod med det som håller på att sätta sig. Mindre kontroll för kontrollens skull. Mer tillit, värme, näring och utrymme att experimentera.
Först då kan AI bli det där bärande, nästan osynliga lagret som gör verklig skillnad i arbetet. Inte som något ovanpå, utan som något inifrån.
Denna blogg baseras på podden 7 minuter AI. >>Lyssna på podden. Och läs gärna om hur vi på JSC arbetar med applicerbar AI.