AI i ekonomifunktionen – från möjlighetsbild till verklig effekt
Vad krävs för att gå från AI-intresse till verklig affärsnytta? Den 2 oktober gästade Rickard Bäck, business controller och AI-strateg, SJR för en digital föreläsning om AI i ekonomifunktionen. Här delar vi en summering och key takeaways från föreläsningen.
Ett centralt budskap under föreläsningen var tydligt: tekniken är inte längre den stora flaskhalsen. De svårare frågorna handlar om människor, arbetssätt och organisation.
Kort sammanfattning: Vägen från AI-intresse till verklig affärsnytta börjar sällan med stora automatiseringsprojekt. Genom att bryta ned arbetet, börja med konkreta uppgifter och skapa rätt förutsättningar för lärande kan ekonomifunktionen steg för steg omsätta AI till högre kvalitet, kortare ledtider och mer tid till värdeskapande arbete.
AI behöver behandlas mer som en kollega än som en sökmotor
En av de vanligaste fallgroparna är enligt Rickard hur vi använder AI. Vi ställer en kort fråga, får ett svar som inte riktigt håller måttet och konstaterar att verktyget inte fungerar.
Ett mer användbart sätt att tänka är att se AI som en ny kollega: snabb, påläst och alltid tillgänglig, men i behov av kontext, tydliga instruktioner och återkoppling. Förklara sammanhanget, vem mottagaren är och vad ett bra resultat innebär. Om svaret inte blir rätt från början, ge feedback, justera och prova igen.
Börja inte med att automatisera hela månadsbokslutet
En annan återkommande fälla är att börja för stort. ”Vi ska automatisera månadsbokslutet” kan låta som en naturlig ambition, men som Rickard konstaterade är månadsbokslutet inte en uppgift, utan ett stort antal mindre moment. Försöker organisationen lösa hela processen på en gång ökar komplexiteten snabbt.
En bättre strategi är att bryta ned processen i konkreta deluppgifter, exempelvis att sammanfatta material, söka information i policyer eller extrahera information ur avtal. Rickards råd är att därefter ställa två frågor:
- Hur mycket tid kostar uppgiften oss i dag?
- Hur väl kan AI hjälpa oss att lösa den?
Det är i skärningspunkten mellan hög arbetsinsats och stor AI-potential som de riktigt intressanta möjligheterna finns.
Allt som går att göra med AI bör inte göras med AI
AI är inte automatiskt rätt verktyg bara för att en uppgift går att automatisera. Rickard lyfte därför två ytterligare dimensioner: implementeringssvårighet och kontrollbehov. Hur svårt är lösningen att bygga, och vad händer om resultatet blir fel utan att någon upptäcker det?
Ett internt arbetsunderlag innebär en annan risk än information som går direkt till kund, myndighet eller finansiell rapportering. Den största tänkbara tidsbesparingen är därför inte alltid den bästa platsen att börja på. Vi behöver fortfarande förstå, värdera och stå för resultatet.
Vilja, våga och kunna
Under föreläsningen återkom Rickard Bäck till tre förutsättningar för att AI ska bli en del av vardagen: vilja, våga och kunna. Medarbetare behöver förstå varför förändringen är relevant och vad de får ut av AI, ha tid och mandat att testa samt få stöd i hur verktygen faktiskt kan användas.
För ledare handlar det därför inte bara om att efterfråga nya arbetssätt, utan om att skapa förutsättningarna för dem. Det innebär att avsätta tid, tillåta att allt inte blir rätt från början och skapa enkla forum där medarbetare kan visa och sprida det som fungerar.
Vad händer egentligen med tiden vi sparar?
Många AI-case bygger på argumentet att tekniken ska ”spara tid”. Men fyra medarbetare som sparar en timme var i veckan innebär inte automatiskt att organisationens kostnader minskar. Den verkliga frågan är vad den frigjorda tiden används till.
Det kan handla om mer analys, högre kvalitet, kortare ledtider eller mer tid nära verksamheten. Rickards poäng är därför att värdet behöver definieras från början. Och här finns också en viktig mänsklig aspekt: om belöningen för att effektivisera bort två timmars rutinjobb blir tre nya arbetsuppgifter, är incitamentet att förändra sitt arbetssätt begränsat.
AI blir därmed också en fråga om ledarskap och organisation, inte bara om effektivisering.
Key takeaways
- AI-arbetets största flaskhals är ofta organisatorisk, inte teknisk. Frågorna handlar allt mer om vem som ska använda verktygen, hur och till vad, och vem som äger utvecklingen.
- Se AI mer som en ny kollega än som en sökmotor. Ge kontext och tydliga instruktioner, granska resultatet och räkna med att behöva ge feedback.
- Bryt ned arbetet innan du försöker effektivisera det. Kartlägg mindre deluppgifter och prioritera utifrån tidsåtgång, AI-potential, implementeringssvårighet och kontrollbehov.
- Börja smått och bygg erfarenhet. Välj en konkret, återkommande uppgift där nyttan går att se och utvärdera innan ni tar er an större processer.
- Skapa förutsättningar för människor att vilja, våga och kunna. Förklara varför förändringen är relevant, ge tid och mandat att testa och låt medarbetare lära genom konkreta uppgifter i vardagen.
- Bestäm vad den frigjorda tiden ska användas till. Sparade timmar skapar inte automatiskt affärsvärde. Värdet kan i stället vara högre kvalitet, kortare ledtider eller mer tid till analys och verksamhetsnära arbete.
Stort tack till Rickard Bäck för en inspirerande och tankeväckande föreläsning, och till alla er som deltog!
Vill ni fortsätta arbetet i er egen verksamhet? Genom SJR kan ni delta i våra öppna AI-workshops eller boka en skräddarsydd utbildning tillsammans med Rickard Bäck, anpassad efter verksamhetens specifika processer, verktyg och arbetssätt. Kontakta oss så berättar vi mer.
Läs vidare: Yaghma Davoudi-Kia, Senior Konsultchef på SJR, reflekterar kring några av frågorna som lyftes bortom sändningen på temat ”AI som ledarskapsfråga, inte teknikfråga”.