Hva mellomstore selskaper lærte om AI-transformasjon i 2025

"Vinnerne valgte ett eller to reelle problemer i eksisterende arbeidsflyter, ikke «det muliges kunst»," sa Bhrugu Pange, administrerende direktør for AI og digitale teknologiløsninger hos AArete. "De valgte flaskehalser som folk allerede klaget over, som tidsbruk på avslutning av samtaler, generering av tilbud, svar på kundespørsmål og fakturaavvik. De fleste hadde «svingstolsyndromet»."

Selskaper som integrerte AI i verktøyene de ansatte allerede brukte – Salesforce, kontaktsenterplattformer og dokumentsystemer – oppnådde innføringsrater på 60–80 %. Selskaper som lanserte frittstående AI-verktøy, så at innføringen flatet ut på 30–40 %.

Mønsteret gjaldt på tvers av funksjoner. Markedsføringsteam viste 98 % tro på at AI ville forbedre resultatmålinger, men bare 27 % rapporterte bred innføring. Forskjellen skyldtes ikke skepsis, men friksjon.

"Vellykkede selskaper ba ikke de ansatte om å åpne et eget vindu for å få tilgang til AI," forklarte Pange. "De la den inn i verktøyene folk allerede bruker, og utvidet eksisterende plattformer som Salesforce."

De mislykkede selskapene bygde det Pange kaller «kontekstløse chatboter» og lurte på hvorfor ingen brukte dem. Mot slutten av 2025 hadde lærdommen blitt et fast prinsipp: Hvis AI ikke er der arbeidet utføres, vil den ikke feste seg.

Kompetansegapet ingen forventet

2025 begynte med en utbredt antakelse: innføringen av AI ville følge mønsteret fra tidligere utrullinger av programvare for virksomheter. Kjøp de riktige verktøyene, lær opp folk i grensesnittet og mål innføringsratene. Innen midtveis i året hadde denne antakelsen kollapset.

Kompetansegapet viste seg overalt. Kundeserviceteam hadde AI som kunne utforme svarutkast, men ikke vurdere hvilke svar som burde sendes. Salgsteam hadde AI som kunne oppsummere samtaleutskrifter, men ikke avgjøre hvilke innsikter som var viktige. Økonomiteam hadde AI som kunne generere prognoser, men ikke vurdere hvilke antakelser man kunne stole på.

"Uopplærte medarbeidere hadde seks ganger større sannsynlighet for å si at AI gjorde dem mindre produktive," sa Emily Mabie, senioringeniør innen AI-automatisering hos Zapier. "Team som virkelig ønsker å oppnå AI-transformasjon, må investere i opplæring."

De ansatte måtte lære hva som skulle delegeres til AI, hva de skulle beholde selv, hvordan de skulle kontrollere AI-resultater, og når de skulle overstyre AI-anbefalinger. Disse ferdighetene ble ikke lært i en to timer lang opplæringsøkt.

Selskaper som lyktes, behandlet innføringen av AI som ferdighetsutvikling, ikke som utrulling av programvare. De opprettet lærlingmodeller der erfarne ansatte arbeidet sammen med AI i flere måneder og utviklet dømmekraft gjennom gjentakelse. De målte utviklingen av kompetanse, ikke bare bruken av verktøyene.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Kompleksitetsskatten

Mens noen selskaper strevde med innføringen, oppdaget andre at de hadde bygget et helt feil grunnlag. Freshworks' rapport om kostnadene ved kompleksitet viste at 20 % av organisasjonenes programvareutgifter ble sløst bort på mislykkede implementeringer, lite brukte verktøy og skjulte kostnader.

"Mange organisasjoner møter kompleksitetshindre som svekker produktiviteten, blant annet eldre systemer, systemer som ikke henger sammen, og datasiloer," sa Ashwin Ballal, CIO i Freshworks. "Disse utfordringene fører til medarbeiderutmattelse, ineffektivitet og inntektslekkasje som følge av forsinkelser og tapte muligheter."

Dette førte til at ansatte i gjennomsnitt mistet 6,7 timer i uken på å navigere i kompleksiteten i verktøyene i stedet for å utføre produktivt arbeid, noe som skapte betydelige hindringer for innføringen av AI.

Dermed oppsto en ond sirkel. Selskaper hentet inn eksterne leverandører og konsulenter for å integrere AI i de uoversiktlige teknologimiljøene sine, men disse tilleggene skapte ofte mer friksjon enn de fjernet.

Freshworks fant at 12 % av de økonomiske tapene som skyldtes ineffektiv programvare, kom fra unødvendige konsulenter og kontraktører.

"Virksomheter henter ofte inn eksterne leverandører og konsulenter for å utbedre eldre systemer, men disse tilleggene kan skape friksjon i stedet for å fjerne den," sa Ballal. "Organisasjoner betaler ofte to ganger: først for kompleks teknologi, og deretter for konsulenter som skal få den til å fungere."

De mellomstore selskapene som lyktes i 2025, valgte en annen tilnærming. I stedet for å legge AI oppå eksisterende kompleksitet brukte de innføringen av AI som en mulighet til å forenkle. De samlet overflødige verktøy. De valgte AI-funksjoner som var innebygd i plattformene de allerede brukte, i stedet for å kjøpe frittstående produkter.

Lærdommen: Du kan ikke transformere det du ikke kan administrere. Selskaper med enklere, mer integrerte teknologistakker tok i bruk AI raskere og oppnådde bedre resultater.

Fallgruven med pilotprosjekter

Forskjellen mellom vellykkede pilotprosjekter og produksjonssetting ble et av de mest frustrerende mønstrene i 2025.

"De faktiske resultatene av AI-investeringene i 2025 var langt mer ujevne enn det overordnede bildet av adopsjonsratene antydet," sa Mabie. "Generativ AI og pilotprosjekter var overalt i begynnelsen av året, men blant lederne vi undersøkte hos Zapier, sa bare 26 % at flertallet av AI-pilotprosjektene deres nådde produksjon."

Mønsteret gjentok seg på tvers av bransjer. HR-avdelinger testet AI-drevet CV-screening med utmerkede resultater, men klarte ikke å få ansettelsesledere til å bruke det. Driftsteam testet AI for prediktivt vedlikehold som fungerte akkurat som lovet, men klarte ikke å utvide det utover det opprinnelige anlegget.

Vellykkede pilotprosjekter opererte under spesielle forhold: ekstra støtte, oppmerksomhet fra ledelsen, motiverte frivillige og avsatt tid til læring. Da selskapene forsøkte å skalere, forsvant disse forholdene.

"Vellykkede initiativer identifiserte et medlem av virksomheten som skulle være ansvarlig for resultatet," sa Pange. "IT ble ikke drivkraften eller eieren, men forvalteren av AI-implementeringen. Virksomheten eide resultatet."

Selskaper som lyktes med å skalere, gjorde tre ting annerledes.

1. De dokumenterte ikke bare hva pilotteamet gjorde, men også hvorfor det fungerte, ved å kartlegge de organisatoriske forholdene som muliggjorde suksess.
2. De gjennomførte pilotprosjekter med representative team, inkludert skeptiske og underbemannede grupper, ikke bare frivillige.
3. De målte organisatorisk beredskap, ikke bare teknologisk beredskap.

Lærdommen: Et vellykket pilotprosjekt beviser at teknologien fungerer. Det beviser ikke at organisasjonen din kan ta den i bruk.

Problemet med skygge-AI

Innen sommeren sto ledere i mellomstore selskaper overfor ansatte som brukte AI-verktøy selskapet ikke hadde godkjent, sikret eller ofte visste om. Ansatte lastet opp kundedata til ChatGPT, brukte kommersielle AI-verktøy til sensitive forretningsanalyser og opprettet automatiserte arbeidsflyter uten sikkerhetsgjennomgang.

Problemet med skygge-AI avdekket et dypere problem: Selskapene beveget seg for sakte til å møte de legitime behovene til de ansatte. De ansatte var ikke uforsiktige; de var produktive med verktøyene som var tilgjengelige for dem.

Smarte selskaper svarte med å fremskynde utrullingen av godkjent AI, ikke bare ved å stramme inn kontrollene. De etablerte raske evalueringsprosesser for AI-verktøy ansatte ba om, og opprettet godkjente alternativer til vanlige bruksområder for skygge-AI. De målte tiden fra forespørsel til godkjenning av AI-verktøy og behandlet forsinkelser som organisatoriske feil.

Skygge-AI var et signal om et udekket behov, ikke et samsvarsproblem som kunne løses gjennom retningslinjer. Ved årets slutt hadde organisasjonene som håndterte dette best, gått fra reaktivt forbud til proaktiv tilrettelegging.

Krisen med tilpasning av ledelsen

Når AI håndterer rutinemessig koordineringsarbeid som planlegging, statusoppdateringer og grunnleggende problemsortering, forsvinner plutselig de tradisjonelle lederaktivitetene som fylte 40-60 % av en leders arbeidsdag. Det som gjenstår, er arbeidet de fleste ledere aldri hadde tid til, som coaching, strategisk tenkning, kompleks problemløsning og teamutvikling – ferdigheter som avdekker problemer i lederutviklingsløpet.

De beste lederne tilpasset seg raskt. Lederne som slet, følte seg erstattet, stilte spørsmål ved sin egen verdi og motsatte seg ofte innføringen av AI fordi den truet identiteten deres.

Dette handler i bunn og grunn om en utfordring innen lederutvikling. Det er behov for tydelige overgangsplaner for ledere hvis roller er i endring, og planene må tilby coaching i hvordan man kan arbeide annerledes, fordi svært få ledere har en klar visjon for dette, og nesten ingen har mestret det. Organisasjoner må vurdere om AI-strategien deres tar høyde for disse overgangene i ledelsen, og redefinere forventningene slik at ledere som lykkes med å gå over til arbeid med høyere verdi, blir belønnet.

Noen ledere vil ikke klare overgangen. Ledere kan håndtere dette på et par måter, blant annet ved å forberede seg på en reduksjon i mellomledelsen etter hvert som organisasjonsstrukturene blir flatere.

• Opprett karriereveier uten personalansvar for ledere som utmerker seg i arbeid AI ikke kan utføre, men som sliter med den nye ledelsesmodellen.
• Tilby intensiv coaching, men vær forberedt på å ta den vanskelige beslutningen om at enkelte ledere rett og slett ikke passer til rollen i AI-æraen.

Det som ikke vil fungere, er å late som om rollen ikke har endret seg. Organisasjoner som innførte AI, men beholdt de samme forventningene til ledelsen, endte opp med ledere som gjorde unødvendig arbeid for å fylle tiden.

Gjennombruddet for tillitsarkitektur

Den uventede suksesshistorien i 2025 var selskaper som bygget systematisk tillit til AI, i stedet for å håpe at ansatte bare ville akseptere det.

ADP implementerte sitt «5P-rammeverk» på tvers av AI-initiativer:

• Formål (hvorfor vi bruker AI her)
• Mennesker (hvem som er involvert i beslutningene)
• Prosess (hvordan det fungerer)
• Ytelse (hvordan vi måler suksess)
• Beskyttelse (hvilke sikkerhetstiltak som finnes).

Organisasjoner som brukte strukturerte tillitsrammeverk, oppnådde en AI-adopsjonsgrad på 60–80 %, sammenlignet med 30–40 % for dem som baserte seg på uformell tillitsbygging.

«Menneske-i-løkken ble rangert som den viktigste styringsprioriteten av 71 % av lederne», sa Mabie.

Tillit oppstår ikke naturlig som følge av god teknologi. Det krever bevisst utforming. Selskaper må besvare konkrete spørsmål før implementering, blant annet:

• Hvorfor bruker vi AI til denne oppgaven?
• Hvem fører tilsyn?
• Hvordan tar systemet beslutninger?
• Hva skjer når det tar feil?
• Hvilke beskyttelsestiltak finnes?

Organisasjoner som besvarte disse spørsmålene uttrykkelig – i dokumentasjon, opplæring og løpende kommunikasjon – bygget tillit raskere og opprettholdt den lenger.

Den skjulte kostnadskaskaden

Kostnadene strekker seg langt utover bortkastede programvarebudsjetter.

Én alvorlig hendelse kan stanse adopsjonen i flere måneder. Tap av tillit ble en skjult skatt på fremtidige initiativer.

«AI kan fremskynde det første utkastet, men hvis du ikke redesigner gjennomgangsprosessen, skaper du et nytt problem», sa Pange. «Team bruker nå tid på å verifisere og korrigere. Vi kaller dette «verifiseringsskatt».» Denne mentale belastningen bidrar til utfordringer med ansattes dømmekraft når arbeidstakere strever med å balansere AI-støtte med kritisk tenkning.

Ansattes kynisme vokste frem som en annen skjult kostnad. Når ledelsen overdrev fordelene ved AI og investerte for lite i opplæring og redesign av arbeidsflyter, motsatte ansatte seg adopsjonen. Verre var det at de brukte AI-verktøy som ikke var godkjent, noe som skapte problemet med skygge-AI og la beslag på ressurser innen sikkerhet og etterlevelse.

St. Louis Fed sitt sanntidsbaserte befolkningsundersøkelse fant at rundt halvparten av voksne i USA innen august 2025 rapporterte at de brukte generativ AI, og over en tredjedel brukte det på jobb. Undersøkelsen anslo tidsbesparelser tilsvarende rundt 1,6 % av den totale arbeidstiden, med en mulig produktivitetsøkning på opptil 1,3 % siden lanseringen av ChatGPT.

Men disse gevinstene var ujevnt fordelt.

«Mens ett selskap sitter fast i pilotlimbo, forbedrer et annet i stillhet servicenivåer, salgsgjennomstrømning eller operasjonell syklustid», sa Pange. «Og denne fordelen med trinnvise forbedringer og lærdom begynner å bygge seg opp.»

Skiftet mot mer modne målemetoder

En av de tydeligste utviklingene i 2025 var hvordan selskaper målte AI-suksess.

«Tidlig på året ble suksess definert ut fra å lansere piloter og bevise gjennomførbarhet», sa Mabie. «Gradvis gikk lederne over til å måle AI-kompetanse og avkastning på investeringen gjennom forretningsresultater.»

Det faktum at de fleste ledere måler avkastning på investeringen, gjenspeiler en bredere modenhet. «Hvor kult er det?» ble til «Hva er KPI-en, og hvor er referanseverdien?»

En del av overgangen fra å måle adopsjonsgrad til å måle forretningspåvirkning innebærer å se på mer enn bare om ansatte bruker AI-verktøy, men også om verktøyene forbedrer kvaliteten på beslutningene, reduserer syklustider eller frigjør kapasitet til arbeid med høyere verdi.

De mest sofistikerte organisasjonene målte både effektivitetsgevinster og kompetanseutvikling. De ønsket å vite om AI gjorde ansatte raskere og bedre, og erkjente at AI-modenhet krever en helhetlig evaluering.

More Articles

• Premiumlønn for KI-ferdigheter: Hvorfor høyere lønn for KI-kompetanse kan slå tilbake

Oppvåkningen rundt ressursallokering

Kanskje den viktigste lærdommen fra 2025 var at 70–20–10-regelen for AI-investeringer viste seg å stemme, og at de fleste selskaper fordelte ressursene i motsatt rekkefølge.

Regelen, som er bekreftet gjennom flere forskningsstudier, sier at 70 % av investeringene i AI-transformasjon bør gå til endringer innen mennesker og prosesser, 20 % til infrastruktur og integrasjon og 10 % til algoritmer og modeller.

De fleste mellomstore selskaper brukte 60–70 % på teknologi og strevde med å finansiere arbeidet med organisatoriske endringer.

Dette betyr å finansiere roller innen endringsledelse, beskytte tid til læring og tilpasning, investere i AI-assisterte coachingprogrammer, kommunikasjonsstrategier og organisatoriske støttestrukturer.

Selskapene som opprettholdt teknologitunge investeringer, opplevde at AI-initiativer stanset opp, uansett hvor sofistikert teknologien var. Gode algoritmer med uforberedte organisasjoner presterte hver gang dårligere enn middelmådige algoritmer med organisasjoner som var klare.

Dette krever 2026

Lærdommene fra 2025 peker mot flere tydelige prioriteringer for mellomstore selskaper som går inn i 2026.

• Integrer AI i eksisterende arbeidsflyter. Skillet når det gjelder arbeidsflytintegrasjon, vil bare bli større. Slutt å lansere frittstående AI-verktøy, og begynn å oppgradere plattformene de ansatte allerede bruker.

• Invester i opplæring før teknologi. Zapiers funn om at arbeidstakere uten opplæring har seks ganger større sannsynlighet for å si at AI gjør dem mindre produktive, burde skremme enhver leder som planlegger AI-investeringer. Kompetansegapet vil ikke lukkes gjennom programvarelisenser.
• Forenkle før du tilfører kompleksitet. Selskaper med fragmenterte teknologistakker vil få problemer med å ta i bruk AI effektivt. «Organisasjoner som samarbeider med programvareledere som aktivt reduserer teknologistakken, integrerer AI i systemene sine og erstatter teknologisk spredning med enhetlige systemer, vil oppnå et konkurransefortrinn», sa Ballal.
• Bygg styring som muliggjør i stedet for å blokkere. Styring med menneskelig involvering rangerte som høyeste prioritet for 71 % av lederne. Men styring som bremser utrullingen til den stopper opp, skaper skygge-AI. Målet er smidig styring som gjør det trygt å bevege seg raskt.
• Skaler kapasiteten for orkestrering. «Flere mellomstore team vil ta i bruk AI-orkestrering», sa Mabie. «Fordi mellomstore team ikke har ressurser til å bygge plattformer og team helt på nytt, vil de bruke og koble sammen de eksisterende verktøyene sine med AI-orkestrering.»

Data fra Zapier viser at 25 % av lederne forventer å nå fullskala AI-orkestrering innen 2026, mens 43 % forventer å bruke agentbaserte arbeidsflyter på tvers av funksjoner. Med dette i mente er det lurt å:

• Redesign lederrollene på en tydelig måte. AI endrer hva ledere gjør. Anerkjenn denne endringen, støtt overgangen, og aksepter at noen ledere ikke vil klare den.
• Bygg karriererammene på nytt for AI-epoken. Tradisjonelle karriereveier bryter sammen. Selskaper trenger nye modeller for hvordan mennesker utvikler seg når AI håndterer arbeid som tidligere var utviklende.
• Bygg tillit systematisk. Rammeverk for tillit fungerer. Uformell tillitsbygging gjør ikke det. Svar eksplisitt på de fem P-ene for hver AI-utrulling: Formål, mennesker, prosess, ytelse og beskyttelse.
• Omfordel budsjettene slik at de følger 70-20-10-regelen. Mesteparten av verdien fra AI kommer fra organisatorisk endring. Mesteparten av AI-budsjettene går til teknologi. Rett opp dette misforholdet, eller aksepter lavere avkastning.
• Mål forretningsresultater, ikke teknologimålinger. Følg med på kvaliteten på beslutninger, reduksjon i gjennomløpstid og utvikling av kapasitet – ikke bare systemutnyttelse.

«Noen trender som sannsynligvis vil forsvinne, er engangseksperimenter, automatiseringsmodeller kun for utviklere og tankegangen om «AI som en funksjon»», sa Mabie.

Skillet mellom ledere og etternølere handler ikke om hvem som har AI. Det handler om hvem som lærte av å ta det i bruk. Dette læringsgapet vil bli større etter hvert som AI-beslutninger i 2026 avgjør hvilke selskaper som tar igjen forspranget, og hvilke som faller ytterligere bak.