"AI-satsningen börjar i ledningsgruppen"

Denna intervju finns även som ett avsnitt i CIO Analytics poddflöde, som du hittar på Spotify eller i Podcaster-appen.

Finns det några AI-områden där du tycker att Sverige borde satsa mer framöver, samtidigt som vi kanske skulle kunna släppa andra områden?

– Jag tycker att vi behöver tänka helhet, alltså mer holistiskt, och inte välja bort något område. Att bygga teknologisk handlingsfrihet handlar om att sträcka sig över hela AI-stacken, säger Annika Elfström, vd AI Sweden.

– Då tänker jag på infrastruktur, data, applikationer, kompetens och kunnande, inte minst i ledarskap, för att vi ska kunna behålla vår självständighet ur ett konkurrenskraftigt perspektiv framåt.

Vi publicerar nu CIO Analytics-rapporten, och där verkar det fortfarande vara svårt att ta sig från pilot till att faktiskt skala upp med AI. Vad skulle du säga är den största flaskhalsen när svenska organisationer ska gå från pilot till att skala upp med AI?

– Först vill jag säga att vi ser samma sak i de partnerbolag vi jobbar tillsammans med. Många är väldigt duktiga på att "pilota", vilket det visserligen finns ett stort värde i eftersom de som gör många piloter också lär sig snabbare.

– Men just steget från pilotstadiet till storskaligt införande är en utmaning. Där ser vi, precis som i CIO Analytics rapport, att det behövs ett holistiskt angreppssätt. Man måste titta på helheten och inkludera fler aspekter än bara teknologin. Det handlar också om legala aspekter, risk, kompetens, policyfrågor och infrastruktur, så att man får ett helhetsperspektiv även på organisationens förmåga.

– Där har vi sett att ledarskap verkligen är av största vikt. Det handlar om att också förändra sitt ledarskap. Under de senaste åren har vi haft många interaktioner med ledare i olika organisationer, och nyligen intervjuade vi ett tiotal bolag och cirka 15 ledare i bolag som verkligen har kommit långt i sin AI-transformation.

– Vi har zoomat in på hur de leder annorlunda, och där har vi sett ett mönster med fem områden där de här bolagen sticker ut.

– Det första är att de väldigt tydligt sätter tonen från toppen. Det är ofta en vd, inte sällan en ny vd, som kommer in i bolaget, sätter en ny vision, tydliga målsättningar och är en väldigt aktiv del av transformationen. Det finns alltså ett tydligt ägandeskap från ledningen.

– Vi kan för det andra se att de sätter tydliga affärsmässiga mål som är expansionsorienterade. Det är alltså inte AI-baserade mål eller mål kring AI-införandet i sig, utan det handlar om en affärstransformation som möjliggörs av, eller förutsätter, att man inkluderar AI-teknologier för att lyckas.

– För det tredje satsar man väldigt långsiktigt och kraftfullt på teknik, förmåga och data. Det ger bättre förutsättningar. Deras resonemang är att det inledningsvis är svårt att räkna hem en ROI på en AI-investering. Därför måste man våga tro och satsa, och effekterna kommer över tid. De håller alltså ut längre än många andra.

– För det fjärde byggs en kultur som kan hantera både fart och förändring, alltså anpassningsförmåga. Det handlar inte bara om att införa en teknologi, utan om att bygga en organisation som klarar förändring. Där är vd:n och den exekutiva ledningen med och röjer hinder och hanterar konflikter. Det blir lätt konflikter när man ska göra stora förändringar i organisationer, och då behöver vd:n gå in och lösa dem. Medarbetare har olik kompetenser kommer från olika håll, men man behöver hela tiden hålla fast vid målsättningarna: att göra bolaget bättre över tid.

– Slutligen visar vår intervjustudie att de som är framgångsrika leder strategiskt och holistiskt. De ser över hela bolaget, hela värdekedjan, och får ett slags flygledarperspektiv på allt som sker. Det gör det mycket lättare att se vad som händer, och att göra strategiska omallokeringar av investeringar från en avdelning till en annan för att få större effekt utifrån de mål man har satt upp.

Om AI bör vara en ledningsfråga, vilka är de vanligaste misstagen i styrning och prioritering? Och vad skiljer dem som lyckas väl från dem som inte lyckas lika väl?

– På samma sätt som vi har tittat på vad de bolag som kommit långt gör och hur de leder, har vi också tittat på motsatsen: vad det är som håller tillbaka organisationer, eller vad de gör som bromsar införandet.

– Där ser vi några tydliga mönster. Ett sådant mönster är att man låter AI vara en it-fråga eller en teknikfråga. Det är det ju också, men inte bara. Om man låter det vara ett projekt eller initiativ som it driver, ser vi att övriga delar av organisationen, och ibland också ledningen, lutar sig tillbaka och inte blir tillräckligt involverade. Då blir det heller ingen stark förankring eller koppling till affärsutvecklingen, vilket det behöver vara.

– Vi ser också ett mönster där man väntar på att tekniken ska mogna och låter andra pröva först. Men det är en riskfylld strategi, eftersom utvecklingen går så rasande fort. De som har kommit långt drar ifrån, och då blir gapet allt svårare att stänga om man inte själv går in, utvecklar, förstår och är med.

– Ett tredje mönster är att man fastnar i strategin. Man säger att det här är viktigt, men man skapar inte de organisatoriska förutsättningarna ur ett holistiskt perspektiv för att det ska bli något mer än just en strategi och något man tycker är viktigt. Då blir det ingen omallokering, inga målsättningar och inget förändringsarbete. Och då fastnar man.

Det har ju varit lite fram och tillbaka med den europeiska AI-föroding, AI Act, och den blev förslagen om vad som ska ingå i den förändrades nyligen. Hur hanterar ni att reglerna förändras? Hur ställer ni er till det?

– Jag tänker att det är för oss som för alla andra: det gäller att vara involverad, vara väldigt proaktiv och satsa på att vara med och påverka och driva frågor kring lagstiftning. Det krävs förtydliganden och bättre förutsättningar för svenska bolag att förstå, anpassa sig och hänga med.

– Här tror jag att Sverige har en väldigt viktig roll i att vara aktiv i policyutvecklingen, så att vi skapar bra förutsättningar. Sedan tror jag att det på vissa sätt är bra att vissa delar pausas, så att det kan bli större tydlighet. Men det är otroligt viktigt att vi är nära frågan, djupt involverade och engagerade i policyutvecklingen.

Om ni får välja: är ni för en mer hård reglering enligt den gamla AI Act-linjen, eller en mjukare modell som verkar vara på väg nu?

– Jag tror att det är viktigt att vi får bättre förutsättningar och ökad tydlighet. Kanske är det mer den mjukare och mer föränderliga modellen som behövs, alltså att man kan ha en öppenhet kring att saker och ting kommer att förändras.

– Lagstiftning behöver också kunna hålla takt med teknikutvecklingen. Där finns det ju alltid en viss eftersläpning. Det gäller egentligen på många områden. Så jag tror att det är bra att man har en förändringsbenägenhet även där. Men det understryker också vikten av att vara aktiv och deltagande i utvecklingen.

Avslutningsvis, vilken position har AI Sweden när det gäller AI som blir så pass sofistikerad att den i praktiken slutar lyssna på oss människor och kör sitt eget race för att maximera sina egna mål? Alltså att AI blir smartare än oss – vad har ni för tankar kring det?

– Vi vet att det här, om man pratar om agentisk AI, kommer att skapa både stora möjligheter och potentiella hot. Och precis som i många andra AI-frågor gäller det att vara väldigt nära utvecklingen, hänga med och förstå vad som händer.

– Vi behöver bygga egen förmåga och utbilda oss i organisationer, både som medarbetare och som ledare, så att vi förstår de potentiella möjligheterna men också de potentiella hoten. Sedan tänker jag att det fortfarande är en bit kvar till helt autonoma agentiska flöden utan mänsklig involvering. Där är vi inte riktigt ännu. Men det är något vi behöver fortsätta att arbeta med, samtidigt som vi jobbar med compliance och riskmitigering.

– Samtidigt får detta inte hämma vår utvecklingsförmåga, så att vi hamnar i ett läge där vi inte gör någonting därför att det här verkar svårt eller riskfyllt. I stället behöver vi vara nära, testa, utforska och hitta de regelverk som behövs runt omkring.