AI-trappan — så bedömer du var dina processer står

De flesta AI-satsningar misslyckas inte på tekniken. Enligt RAND Corporation når över 80 % av alla AI-projekt aldrig produktion, och de vanligaste orsakerna handlar om fel problem, dålig data, teknikfixering och infrastruktur som inte håller. Inget av det har med själva AI-verktyget att göra.

Problemet är att företag inte vet var de befinner sig. De köper ett AI-verktyg, testar det i en demo och antar att resten löser sig. Men processerna under ytan behöver fungera innan AI kan göra nytta.

Vi byggde AI-trappan för att ge ett svar. Ramverket har 4 steg och gör det möjligt att bedöma varje process för sig, se var den befinner sig och förstå vad som behöver vara på plats innan AI blir aktuellt.

Vad AI-trappan är

AI-trappan är ett ramverk med 4 steg som beskriver hur mogen en process är för AI. Varje process bedöms för sig, så ett och samma företag kan ha processer på steg 0 och steg 2 samtidigt.

Grejen är att “AI-mognad” inte är ett företagsbetyg. Er lönehantering kan vara på steg 2 med data som flödar automatiskt mellan systemen, medan offertprocessen fortfarande bygger på att en säljare “vet vad det brukar kosta.” Båda kan finnas i samma bolag. Det viktiga är att veta var varje process befinner sig, så att ni vet vad nästa steg faktiskt kräver.

Varje process placeras individuellt. Företaget som helhet har processer utspridda över flera steg.

Det som gör trappan användbar är att den visar varför AI-satsningar havererar. Om en process befinner sig på steg 0 och någon försöker placera AI på den, spelar det ingen roll hur bra verktyget är. AI:n saknar struktur och data, och utan det funkar ingenting.

Varför det spelar roll just nu

Sverige står mitt i en AI-våg, men de flesta företag hänger inte med. SCB:s undersökning om AI-användning i företag 2025 visar att 65 % av svenska företag med minst 10 anställda inte använder AI alls.

Bland de som försöker finns andra problem:

• 74,7 % pekar på brist på kompetens som det största hindret.
• 44 % säger att deras data inte håller.
• Cirka 42 % uppger att systemen inte är kompatibla med AI.

28 % av de företag som redan använder AI saknar en tydlig strategi för vad de vill uppnå med det. — SCB, AI-användning i företag 2025

Den siffran säger mycket. Nästan var tredje AI-användare kör utan plan, vilket i praktiken innebär att de befinner sig på steg 0 i mognad trots att de har AI-verktyg igång.

Lägger man SCB:s siffror bredvid RAND Corporations forskning ser man samma mönster från två håll. Hindren som SCB dokumenterar, brist på kompetens, dålig datakvalitet och inkompatibla system, är exakt de grundorsaker RAND pekar ut. Att siffrorna matchar är ingen slump. Grunden avgör allt.

Vi ser samma sak när vi kartlägger processer hos svenska företag. Bolag som omsätter 50 till 300 MSEK har ofta 2-3 processer som de tror ligger på steg 2, men som vid närmare granskning visar sig vara steg 0 eller 1. Gapet mellan upplevd mognad och faktisk mognad är nästan alltid större än företaget tror.

Tillväxtverket bekräftar bilden. Deras rapport om svenska SMF:s AI-kompetens visar att 76 % av småföretagen har outnyttjad digitaliseringspotential och att 84 % behöver hjälp med att ta fram en AI-strategi. Många företag vill framåt men vet inte var de ska börja.

Enligt BCG:s globala undersökning 2025 kan företag delas in i fyra grupper: stagnating (14 %), emerging (46 %), scaling (35 %) och future-built (5 %). Bara 5 % har byggt den grund som krävs för att AI ska ge full effekt. 95 % har grundarbete kvar, och det inkluderar de flesta svenska medelstora företag.

AI-trappan ger svaret: börja med att ta reda på var era processer befinner sig.

De 4 stegen i detalj

Steg 0: Ad hoc

Processer på steg 0 har ingen dokumenterad beskrivning. Inget nedskrivet flöde, ingen checklista, inget system som styr hur arbetet utförs. Kunskap sitter i huvudet på enskilda medarbetare, och om den personen slutar försvinner kunskapen med dem.

Det är vanligare än man tror. Vi ser det regelbundet hos företag som omsätter 100, 200, till och med 300 MSEK. Offertprocessen som bygger på att säljchefen “vet ungefär vad det brukar landa på.” Projektuppföljningen i ett Excel-ark som en person underhåller manuellt. Reklamationshanteringen som finns i mejlkorgar.

Att ha processer på steg 0 är inget misslyckande, det är ett vanligt utgångsläge. Men det innebär att varken AI eller automatisering kan göra nytta, för det finns ingenting definierat att automatisera.

Vad som krävs för att komma vidare: Dokumentera processen. Skriv ned vem som gör vad, i vilken ordning, med vilka verktyg. Det behöver inte vara perfekt, men tillräckligt tydligt för att en ny person kan följa det.

Steg 1: Processdriven

En process på steg 1 är dokumenterad. Det finns ett beskrivet flöde som medarbetare kan följa, det går att utvärdera om processen funkar bra eller dåligt, och företaget kan skala genom att utbilda fler.

Många företag tror att de befinner sig här men gör det inte riktigt. Testet är enkelt: kan en helt ny medarbetare utföra processen med hjälp av det som finns dokumenterat, utan att fråga en kollega? Om svaret är nej är processen fortfarande närmare steg 0.

En peer-reviewed studie från Tulane University visade att strukturerad kunskapsdelning, att dokumentera och dela arbetsprocesser, ökade produktiviteten med 24 % bland säljare. Effekten höll i sig: 20 veckor efter studien presterade grupperna fortfarande 18-21 % bättre. Att flytta en process från steg 0 till steg 1 ger mätbart värde redan innan AI är aktuellt.

Vad som krävs för att komma vidare: Börja samla in data strukturerat. Processen ska inte bara vara dokumenterad utan generera mätbar information. Hur lång tid tar varje instans? Hur ofta sker fel? Vad kostar det? Den datan behöver komma från systemen, inte från manuell uppskattning.

Steg 2: Datadriven

Här samlas data in strukturerat och används för beslut. Systemen som processen berör pratar med varandra, via integrationer eller gemensamma databaser, och det går att se resultatet i realtid utan att någon behöver sammanställa det manuellt.

Det är först på steg 2 som AI faktiskt har något att arbeta med. AI behöver data, och den datan måste vara pålitlig. Om data kommer från manuell inmatning i 3 system som inte är kopplade finns det ingen grund för AI att stå på.

Ett konkret exempel: ett företag vi arbetat med hade ett “monster-Excel” för att räkna ut sin kundanskaffningskostnad. Datan kom manuellt från flera system och ingen litade på siffrorna. Det visade sig vara en korrekt instinkt, för ingenting stämde. Först när vi kopplat ihop systemen och fått realtidsdata på plats kunde företaget fatta beslut baserade på verkligheten. Det sparade dem 750 000 kr per år bara i IT-kostnader.

Vad som krävs för att komma vidare: API-åtkomst till de system som processen berör, AI-verktyg som passar uppgiften, och säkerhetsåtgärder som reglerar vad AI:n får och inte får göra.

Steg 3: AI-driven

En AI-driven process har allt från steg 1 och 2 på plats, plus tre förutsättningar till:

• API-åtkomst så att AI-verktyget kan läsa och skriva data i de system som processen använder.
• AI-verktyg som är konfigurerade för den specifika uppgiften, inte en generell chatbot utan en lösning anpassad till processens kontext.
• Säkerhetsåtgärder som definierar vad AI:n får göra autonomt, när den ska eskalera till en människa, och hur fel hanteras.

Få processer i svenska medelstora företag befinner sig på steg 3 idag. Inte alla processer behöver nå dit heller. En del löses bäst med en automation på steg 1 eller en integration på steg 2. Poängen med trappan är att veta vilka processer som kan nå steg 3, vilka som klarar sig med mindre, och vad varje steg kräver.

Bedöm era processer själva

Ni behöver inte anlita någon för att göra en första bedömning. Välj en process som ni misstänker tar för mycket tid eller kostar för mycket och ställ de här 5 frågorna:

1. Finns det en dokumenterad beskrivning av processen? Om ja, kan en ny medarbetare följa den utan hjälp?
2. Samlas data in strukturerat? Loggas händelser, tider och resultat automatiskt i ett system, eller bygger det på manuell inmatning?
3. Kan du se resultatet i siffror idag? Finns det en rapport eller dashboard som visar hur processen presterar, utan att du behöver fråga någon?
4. Pratar systemen med varandra via API? Kan data flöda mellan systemen som processen berör utan manuell överföring?
5. Finns det säkerhetspolicyer för AI? Har ni definierat vad AI får och inte får göra i processen, vem som ansvarar, och hur fel hanteras?

Kör igenom frågorna för era 3 mest tidskrävande processer. Svaren visar var ni befinner er.

Svaren ger en tydlig bild:

• Nej på fråga 1 = Steg 0. Processen behöver dokumenteras innan något annat händer.
• Ja på 1, nej på 2-3 = Steg 1. Processen finns beskriven men genererar ingen data.
• Ja på 1-3, nej på 4 = Steg 2. Data finns men systemen pratar inte med varandra.
• Ja på 1-5 = Steg 3. Processen har förutsättningarna på plats för AI.

De flesta företag vi pratar med upptäcker att majoriteten av deras processer hamnar på steg 0 eller 1. Det är normal utgångspunkt, inte alarmerande. Men det visar att vägen till AI går via grundarbete, inte via att köpa ett verktyg.

Vanliga misstag vi ser

Det finns 3 misstag som dyker upp om och om igen hos företag som försöker ta sig upp i trappan:

• Hoppa direkt till steg 3. Företaget köper ett AI-verktyg och försöker placera det på en process som befinner sig på steg 0 eller 1. Resultatet blir en demo som aldrig når produktion. RAND Corporation bekräftar att teknikfixering utan hänsyn till infrastruktur är en av de vanligaste orsakerna till att AI-projekt misslyckas.
• Bedöma företaget som helhet. “Vi är ganska digitala” är inte en användbar bedömning. Företaget kanske har moderna system för ekonomi men hanterar kundärenden via mejl. Varje process måste bedömas för sig.
• Förväxla verktyg med mognad. Att ni använder ett AI-verktyg betyder inte att processen är AI-driven. Om verktyget sitter ovanpå manuella processer och osammanhängande data är det fortfarande steg 0 eller 1, bara med ett AI-lager ovanpå. SCB:s siffror visar att 62 % av AI-användande företag enbart använder kommersiella färdigverktyg, ofta utan integration.

McKinseys State of AI-rapport 2025 bekräftar mönstret. Av 25 faktorer som testades var omdesign av arbetsflöden den enskilt starkaste drivkraften bakom AI-framgång. Företag som designar om sina processer kring AI är 2,8 gånger mer sannolika att se ökad lönsamhet. Steg 1 och 2 på AI-trappan är inte bara förberedelse, utan den fas som avgör om AI-investeringen betalar sig.

Vanliga frågor

Kan ett litet företag använda AI-trappan?

Ja. Ramverket funkar oavsett storlek. Ett företag med 15 anställda har färre processer att bedöma, men samma principer gäller. Processen är antingen dokumenterad eller inte. Data samlas in, eller så gör den det inte.

Måste alla processer nå steg 3?

Nej. Många processer klarar sig utmärkt på steg 1 eller 2. AI passar bäst för processer med hög volym, repetitiva beslut eller stora datamängder. En process som sker 4 gånger per år och tar 20 minuter behöver troligen inte AI.

Hur lång tid tar det att flytta en process ett steg?

Det beror på processen. Steg 0 till 1 kan gå på någon vecka om processen är enkel. Steg 1 till 2 tar ofta längre eftersom det kräver systemintegrationer. Steg 2 till 3 beror på vilken typ av AI-lösning som behövs. Vi ser typiskt 4 till 12 veckor per steg, men komplexiteten avgör.

Vad kostar det att göra en professionell bedömning?

En AI-uppstart kostar 20 000 kr fast pris. Under en halvdag kartlägger vi era processer på AI-trappan och visar var AI gör störst skillnad. Efter vi genomfört AI-uppstarten får ni en rapport med en konkret roadmap.

Ta reda på var ni står

De 5 frågorna ovan ger er en första bild. Om ni vill ha ett snabbare svar kan ni börja med AI-kollen, den tar 2 minuter och visar direkt var era processer hamnar på trappan.