Skapa ett konto för att ta del av artikeln
Artikeln är en del av vår exklusiva nyhetstjänst Marknadsnytt. Du får enkelt tillgång genom att skapa ett kostnadsfritt konto.
Hoppa till innehållet
Artikeln är en del av vår exklusiva nyhetstjänst Marknadsnytt. Du får enkelt tillgång genom att skapa ett kostnadsfritt konto.
För många företag har AI gått från experiment till en del av den dagliga verksamheten. Nästa steg är AI-agenter som kan agera på egen hand i affärskritiska processer – vilket ställer helt nya krav på hur tekniken införs och används.
En AI-agent som förmedlar fel pris till tusentals kunder, en digital medarbetare som bryter mot interna riktlinjer eller AI som fattar beslut som organisationen inte hade förutsett är inte längre ett framtidsscenario.
I takt med att AI-agenter får större mandat menar Johan Torstensson, vd för Solita Sverige, att frågan inte blir hur snabbt företag kan införa tekniken, utan hur de behåller överblick över kostnader, användning och affärsrisker.
– Efter att ha fokuserat på att experimentera med AI står företagen nu inför en betydligt svårare utmaning: att göra AI till en naturlig del av kärnverksamheten på ett sätt som skapar affärsvärde, bygger förtroende och tydliggör ansvaret, säger han.
När AI används för att sammanfatta möten eller skriva texter är konsekvenserna begränsade, men när samma teknik används i kunddialoger, inköp eller andra affärskritiska processer konstaterar Håkan Andersson, CTO på IBM Technology Sverige, att spelplanen förändras. Då handlar ett fel inte längre bara om teknik, utan om kundrelationer, affärsvärde och företagets förtroende.
– Ansvaret kan aldrig delegeras till en algoritm. När AI-agenter får större handlingsutrymme måste företag kunna se vad de gör, förstå varför de agerar som de gör och ingripa när det behövs, säger han. Många organisationer driver fortfarande pilotprojekt, men att driftsätta AI i stor skala kräver mer än en bra modell. Företag behöver veta vilka AI-lösningar som används, vilka data de bygger på och vilka affärseffekter de skapar. I dag finns det bra lösningar för detta, till exempel IBM watsonx Orchestrate.
Andersson menar att AI behöver styras med samma disciplin som andra strategiska investeringar, där användning, kostnader, kvalitet och affärsvärde följs upp löpande – inte först när problemen uppstår.
– Utan rätt struktur riskerar företag att bara byta en kostnad mot en annan. Den verkliga potentialen finns på intäktssidan, i form av bättre kundupplevelser, snabbare beslut och nya affärserbjudanden. Och ju närmare kärnverksamheten AI kommer, desto viktigare blir transparensen.
För att AI ska kunna skalas på ett hållbart sätt konstaterar Johan Torstensson att företag behöver bygga strukturer som säkerställer affärsvärde och gör det möjligt att styra AI-agenter, följa upp deras beslut och integrera dem med verksamhetens övriga system.
– Den dag en AI-agent spårar ur och fattar ett felaktigt affärsbeslut är det redan för sent att börja fundera på styrning. Det handlar inte om att bromsa AI, utan om att skapa förutsättningar att använda den snabbare, smartare och i större skala. De företag som lyckas bäst är de som bygger den strukturen i tid, avslutar han.