facebookpixel

AI är här. Frågan är inte längre om, utan hur ni skapar en AI-strategi som är begriplig, säkert förankrad och ger effekt i vardagen.

Under de senaste åren har takten ökat markant: modeller blir mer resonerande, gränssnitten mer tillgängliga, och vi rör oss in i en agentisk era där AI tar större delar av arbetsflöden. Mitt i den rörelsen behöver verksamheter svara på samma grundfråga: varför, vad och hur?

Den här texten sammanfattar ett arbetssätt vi på JSC har testat, mätt och förfinat i dialog med kunder och internt i vår egen organisation. Kärnan är att kombinera riktning och ramar med praktiskt lärande och prototyparbete—så att AI-strategi inte stannar på PowerPoint, utan omvandlas till tid, kvalitet och arbetsglädje i faktiska uppgifter.

Varför en AI-strategi nu?

Hastigheten i AI-utvecklingen ökar. Resonerande modeller har gjort det enklare att följa hur modellen tänker, vilket ger bättre svar när uppgiften kräver flera steg. Samtidigt ser vi en förflyttning från rena assistenter – som hjälper dig med en uppgift när du ber om det– till agenter som arbetar mot ett mål med större autonomi. En bra vardagsliknelse är skillnaden mellan att dammsuga själv (assistent) och att låta robotdammsugaren göra jobbet med eget körschema, kartläggning och återgång till laddstationen (agent).

Övergången mot agentiska arbetssätt rymmer stor potential, men kräver inramning: tydliga mål, tydliga begränsningar och val av trygg teknik. I den yttre änden finns exempel som Open Claw – en programvara som kan ta egna initiativ i din dator och kommunikation. Poängen är inte att efterlikna det beteendet, utan att lära av det: agenter måste få rätt mandat, rätt verktyg, rätt triggers – och framför allt tydliga gränser. En bra AI strategi är därför lika mycket om ansvar som om ambition.

Börja med nyfikenhet – utan nyfikenhet blir inget gjort

En förutsättning för att få snurr på AI är att det faktiskt testas. Både i jobbet och i vardagen. I praktiken ser vi att organisationer som uppmuntrar nyfikenhet får snabbare aha-upplevelser, fler relevanta idéer och mer träffsäker förändringsledning. Det spelar mindre roll var ni börjar, så länge ni börjar.

Få med ledningsgruppen – insikt, mandat och riktning

Utan ledningens förståelse och mandat fastnar ofta AI-initiativen. Inte för att viljan saknas, utan för att prioriteringar, finansiering och ramar är oklara. En effektiv startpunkt är en ledningsgruppsworkshop som:

  • inspirerar och synliggör vad AI faktiskt kan i er kontext
  • ger ledare möjlighet att testa konkret, med organiserade övningar
  • tar tag i de svåra frågorna: påverkan på roller, ledarskap och kultur
  • landar i vad ni vill uppnå – och varför

Vi har sett hur strukturerade tester i ledningsgruppen skapar gemensam insikt och mod. Det sänker tröskeln för att säga ja till medarbetares idéer och höjer kvaliteten i besluten. Det är också enklare att hålla riktningen när frågor om ”ersätter AI jobb?” dyker upp. Ni behöver kunna svara samlat, sakligt och utifrån ert syfte.

AI-strategi: vision och policy

En hållbar AI strategi består av två huvuddelar.

  • En tydlig vision – ert varför
    Det är avgörande att formulera vad AI ska möjliggöra i just er verksamhet. Det kan vara konkurrenskraft, ökad kvalitet, mer tid för det mänskliga eller snabbare leveranser. Poängen är att alla ska kunna svara på varför AI är viktigt hos er – så att varje initiativ kan mätas mot samma riktning.
  • En policy som skapar trygghet
    Regulatorik och integritet är ingen bilaga, det är en del av strategin. Det gäller GDPR, EU:s regelverk för AI och era egna säkerhetskrav. En bra policy svarar på vad som är okej och inte – så att medarbetare vågar använda AI utan att tveka. Den kan till exempel slå fast att:

    • företagsdata ska hanteras i verktyg som inte använder innehållet för att träna publika modeller
    • det ska vara tydligt när AI har använts, om det inte redan framgår
    • särskilda datatyper (till exempel personuppgifter) aldrig får delas i vissa verktyg

Det här är inget man fyller i en gång och lägger i en mapp. Policyn behöver arbetas fram, förankras och revideras. Se den som en AI-kompass – en riktning som hjälper organisationen att ta steg i rätt ordning och våga använda AI med gott omdöme.

Ge medarbetarna förutsättningar – verktyg och arbetssätt

En AI-strategi som inte ger verktyg och tid att öva kommer inte ge effekt. Vår utgångspunkt är enkel: välj säkra verktyg, utbilda i rätt användning och undvik spretighet.

Verktyg: Vi arbetar mycket med Copilot i Microsoft 365. Fördelen är att när du är inloggad med ditt arbetskonto hanteras data inom organisationens säkerhetsramar – och det du laddar upp används inte för att träna publika modeller. Det skapar förtroende och minskar spretighet, jämfört med att varje person väljer sitt favoritverktyg.

Promptskola: Resultaten och svaren du får av AI beror på hur du frågar. Korta, öppna frågor ger ofta korta, öppna svar. Därför tränar vi på att ge kontext, syfte, målgrupp och format. Det är ett nytt arbetsspråk. Och när det sitter uppstår de verkliga effekterna.

Bruks-AI-sprint: 4 veckor som sätter AI i arbete. Utbildning är en bra start, men själva förändringen händer när medarbetare jobbar in AI i sin vardag. Därför genomför vi 4-veckors cykler – en Bruks-AI-sprint – som bygger nya vanor:

  • Varje person väljer själv en uppgift hon gör ofta, helst dagligen.
  • Uppgiften får inte serveras uppifrån; den ska komma ur den egna verkligheten.
  • Man använder AI för att lösa hela eller delar av uppgiften, varje vecka.
  • Man arbetar i grupper om cirka tio med veckovisa incheckningar, delar hinder, lösningar och lärdomar.

När vi genomförde detta med 80 medarbetare på JSC under hösten mätte vi effekten. På basis av självskattningar på egna uppgifter landade besparingarna på totalt 65,5 timmar per vecka. Det viktigaste var inte bara tiden, utan att alla mognadsdimensioner ökade – mod att testa, kunskap, trygghet i att prompta. Vi såg också en tydlig snöbollseffekt: även när en vald uppgift inte bar hela vägen, ledde processen till flera andra idéer som gjorde det.

Exempel på uppgifter som var bra:

  • Transkribera kundmöten och sammanfatta med fokus på kundens behov.
  • Göra tidigare orimliga uppgifter rimliga: sådant som skulle tagit 30 timmar tar plötsligt en kvart—och öppnar helt nya möjligheter.

AI Labs: hitta rätt case i processerna

Personlig produktivitet är bara halva bilden. För verklig verksamhetsnytta behöver ni identifiera processer där AI ger effekt på kvalitet, hastighet och arbetsglädje. I AI Labs arbetar vi med ledningsgrupper och nyckelpersoner för att:

  • generera idéer utifrån pains och opportunities
  • välja ut konkreta kandidater som går att testa snabbt
  • prototypa och iterera under kontrollerade former
  • fatta beslut om vad som ska vidareutvecklas

Här är snabb prototypning själva poängen. Ni vill veta om värdet finns utan att lägga hundratusentals kronor. Lika viktigt är lärdomarna: att bryta ner för stora idéer, se var data saknas, förstå vad som är rimligt att automatisera. Exempel: ett agentiskt steg i en inköpsprocess som klassificerar ärenden och tar processen vidare. Poängen är att hitta hanterliga, värdebärande delar, inte att hoppa direkt till full automatik.

Från assistent till agent i praktiken – utan att tumma på ramarna

Skillnaden mellan assistent och agent är central. En assistent svarar när du frågar. En agent har ett mål och kan agera, inom givna ramar. Det går att börja enkelt och bygga på. Vi har till exempel byggt en smal supportsassistent i Copilot Studio för att svara på frågor om mobiltelefoner. Utgångsläget är följande:

  • Dokumentation fanns redan samlad i Teams/SharePoint.
  • Agentens uppdrag och ton var tydligt definierade—språk, pedagogik, behov av att fråga om plattform (iPhone eller Android).
  • Kunskapen begränsades till specifika dokumentmappar.
  • Allmän webbsökning och generell modellkunskap stängdes av.

Resultatet blev en dialogassistent som snabbt hittade rätt avsnitt i rätt dokument och svarade på svenska i logiska steg. I nästa steg kan man lägga till agentiska inslag: triggers (till exempel att initiera ett utkast när ett mejl med en viss fråga kommer in) och verktyg (tillgång att skicka e-post). Då börjar agenten utföra uppgifter utan att en människa startar chatten.

Två praktiska insikter

Licenser: För att bygga och framför allt publicera bredare i organisationen krävs Copilot Studio-licenser. Planera för det.

Långa dokument och dubbla budskap: Mycket långa dokument och många snarlika dokument kan bli svåra för modellen att hantera. Ibland kan det krävas annan ansats än Copilot Studio, eller att man smalnar av kunskapskällor. Men låt inte agenten styra hur ni strukturerar ert ledningssystem – behåll governance och bygg AI:n kring hur ni faktiskt arbetar.

Om extremes och gränssättning

Det finns agentlösningar som tar egna initiativ långt utanför normalramar, som Open Claw. Rapporteringen kring den typen av verktyg visar varför gränssättning är A och O: otydliga mål och för breda mandat kan leda till oönskade beslut. Slutsats för er AI-strategi är enkel: ge AI rätt mål, rätt verktyg och tydliga begränsningar. Ambitioner inom fasta ramar är vägen framåt.

Kommunicera AI-strategi internt och externt

Att berätta att ni arbetar med AI spelar roll för medarbetarnas engagemang, för att attrahera nya talanger och för att signalera till kunder och partners att ni driver utvecklingen framåt. Transparens och berättelser om riktning, policy, lärande och konkreta resultat bygger förtroende.

Ordningen kan variera men helheten får inte saknas. Det är fullt rimligt att börja där ni står: med en Copilot-utbildning, en Bruks-AI-sprint eller ett AI Lab. Men för att er AI-strategi ska bli hållbar behöver alla delarna komma på plats:

  • en begriplig och förankrad vision
  • en tydlig policy och regulatorisk trygghet
  • utbildade medarbetare med tid att öva
  • en pipeline av processcase med snabb prototypning
  • en plan för hur assistenter kan utvecklas mot agenter, inom ramarna

 

Tre sista råd för att komma igång

  • Sätt varför på pränt. En mening som alla kan minnas. Det är ert nord.
  • Bestäm vilket verktyg som är förstahandsval för företagsdata. Gör det lätt att göra rätt.
  • Testa i en kort cykel – fyra veckor räcker långt. Mät lärande, inte bara tid.

AI strategi är inte ett dokument. Det är en riktning som gör att ni lär er snabbare än konkurrenterna, undviker onödig risk och frigör tid till det som gör er unika. AI är här. Har ni en plan?

Denna text är baserad på ett webinar med titeln: ”AI är här – har ni en plan?” Här kan du titta på webinaret. Och läs mer om hur vi arbetar med AI-tjänster för företag.