Vad medelstora företag lärde sig om AI-omställning 2025

"Vinnarna valde ett eller två verkliga problem i befintliga arbetsflöden, inte 'vad som är möjligt'," sade Bhrugu Pange, verkställande direktör för AI och digitala teknologilösningar på AArete. "De valde flaskhalsar som människor redan klagade på, till exempel tiden det tar att avsluta samtal, offertgenerering, svar på kundfrågor och fakturaavvikelser. De flesta hade 'svängstolssyndromet'."

Företag som integrerade AI i de verktyg medarbetarna redan använde – Salesforce, kontaktcenterplattformar och dokumentsystem – uppnådde användningsgrader på 60–80 %. Företag som lanserade fristående AI-verktyg såg användningen plana ut på 30–40 %.

Mönstret gällde inom alla funktioner. Marknadsföringsteam visade 98 % övertygelse om att AI skulle förbättra resultaten, men endast 27 % rapporterade bred användning. Gapet berodde inte på skepsis, utan på friktion.

"Framgångsrika företag bad inte medarbetarna att öppna ett separat fönster för att få tillgång till AI", förklarade Pange. "De placerade det inuti de verktyg som människor redan använder och byggde ut befintliga plattformar som Salesforce."

De misslyckade företagen byggde det Pange kallar "kontextlösa chattrobotar" och undrade varför ingen använde dem. I slutet av 2025 hade lärdomen utvecklats till en fast princip: om AI inte finns där arbetet utförs kommer den inte att få varaktigt genomslag.

Kompetensgapet som ingen förväntade sig

2025 började med ett utbrett antagande: AI-användning skulle följa samma mönster som tidigare implementeringar av företagsprogramvara. Köp rätt verktyg, utbilda människor i gränssnittet och mät användningsgraden. I mitten av året hade det antagandet kollapsat.

Kompetensgapet visade sig överallt. Kundtjänstteam hade AI som kunde utforma svar men inte bedöma vilka svar som skulle skickas. Säljteam hade AI som kunde sammanfatta samtalstranskriptioner men inte avgöra vilka insikter som var viktiga. Ekonomiteam hade AI som kunde generera prognoser men inte bedöma vilka antaganden man kunde lita på.

"Outbildade medarbetare löpte sex gånger större risk att säga att AI gjorde dem mindre produktiva", sade Emily Mabie, senior ingenjör inom AI-automatisering på Zapier. "Team som verkligen vill uppnå AI-omvandling måste investera i utbildning."

Medarbetarna behövde lära sig vad de skulle delegera till AI, vad de skulle behålla själva, hur de skulle verifiera AI:s resultat och när de skulle åsidosätta AI:s rekommendationer. Dessa färdigheter lärdes inte ut under en två timmar lång utbildning.

Företag som lyckades behandlade AI-användning som kompetensutveckling, inte som implementering av programvara. De skapade lärlingsmodeller där erfarna medarbetare arbetade tillsammans med AI i månader och utvecklade omdöme genom upprepning. De mätte kompetensutveckling, inte bara användning av verktygen.

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.

Create Free Account

Have an account? Log In

Komplexitetsskatten

Medan vissa företag hade problem med användningen upptäckte andra att de helt och hållet hade byggt fel grund. Freshworks rapport om komplexitetens kostnad visade att 20 % av organisationernas programvaruutgifter gick till spillo på misslyckade implementeringar, underutnyttjade verktyg och dolda kostnader.

"Många organisationer stöter på komplexitetshinder som hämmar produktiviteten, bland annat äldre system, osammanhängande system och data i silos", sade Ashwin Ballal, CIO på Freshworks. "Dessa utmaningar leder till trötta medarbetare, ineffektivitet och intäktsläckage på grund av förseningar och missade möjligheter."

Detta ledde till att medarbetarna i genomsnitt förlorade 6,7 timmar per vecka på att navigera i verktygens komplexitet i stället för att utföra produktivt arbete, vilket skapade betydande hinder för AI-användning.

En ond cirkel skapades därefter. Företag tog in externa leverantörer och konsulter för att integrera AI i sina röriga teknikstackar, men dessa tillägg skapade ofta mer friktion än de avlägsnade.

Freshworks fann att 12 % av de ekonomiska förlusterna till följd av ineffektiv programvara berodde på onödiga konsulter och kontraktsanställda.

"Företag tar ofta in externa leverantörer och konsulter för att åtgärda äldre system, men dessa tillägg kan skapa friktion i stället för att avlägsna den", sade Ballal. "Organisationer betalar ofta två gånger: en gång för komplex teknik och sedan igen för konsulter som ska få den att fungera."

De medelstora företag som lyckades 2025 valde en annan väg. I stället för att lägga AI ovanpå befintlig komplexitet använde de AI-användningen som en möjlighet att förenkla. De konsoliderade överflödiga verktyg. De valde AI-funktioner som var inbyggda i plattformar de redan använde, i stället för att köpa fristående produkter.

Lärdomen: du kan inte förändra det du inte kan hantera. Företag med enklare och mer integrerade teknikstackar införde AI snabbare och såg bättre resultat.

Pilotfällan

Skillnaden mellan framgång med pilotprojekt och införande i produktion blev ett av 2025 års mest frustrerande mönster.

"De faktiska resultaten av AI-investeringarna under 2025 var betydligt mer ojämna än vad de övergripande användningssiffrorna antydde", sade Mabie. "Generativ AI och pilotprojekt fanns överallt i början av året, men bland de ledare vi undersökte på Zapier uppgav endast 26 % att majoriteten av deras AI-pilotprojekt nådde produktion."

Mönstret upprepades i olika branscher. HR-avdelningar testade AI-baserad CV-granskning med utmärkta resultat men kunde inte få rekryterande chefer att använda den. Driftteam testade AI för prediktivt underhåll som fungerade precis som utlovat, men kunde inte utöka användningen bortom den ursprungliga anläggningen.

Framgångsrika pilotprojekt genomfördes under särskilda förutsättningar: extra stöd, ledningens uppmärksamhet, motiverade frivilliga och avsatt tid för att lära sig. När företagen försökte skala upp försvann dessa förutsättningar.

"Framgångsrika initiativ identifierade en person i verksamheten som var ansvarig för resultatet", sade Pange. "IT blev inte drivande eller ägare, utan förvaltare av AI-implementeringen. Verksamheten ägde resultatet."

Företag som lyckades skala upp gjorde tre saker annorlunda.

1. De dokumenterade inte bara vad pilotteamet gjorde, utan också varför det fungerade, genom att kartlägga de organisatoriska förutsättningar som möjliggjorde framgången.
2. De genomförde pilotprojekt med representativa team, inklusive skeptiska grupper och grupper med otillräckliga resurser, inte bara med frivilliga.
3. De mätte organisatorisk beredskap, inte bara teknisk beredskap.

Lärdomen: ett framgångsrikt pilotprojekt visar att tekniken fungerar. Det visar inte att organisationen kan ta till sig den.

Problemet med dold AI-användning

Under sommaren stod chefer i medelstora företag inför anställda som använde AI-verktyg som företaget inte hade godkänt, säkrat eller ens kände till. Anställda laddade upp kunddata till ChatGPT, använde AI-verktyg för konsumenter till känsliga affärsanalyser och skapade automatiserade arbetsflöden utan någon säkerhetsgranskning.

Problemet med dold AI-användning avslöjade ett djupare problem: företagen rörde sig för långsamt för att möta legitima behov hos de anställda. De anställda var inte vårdslösa, utan produktiva med de verktyg som stod till deras förfogande.

Smarta företag svarade genom att påskynda införandet av godkänd AI, inte bara genom att skärpa kontrollerna. De inrättade snabba utvärderingsprocesser för AI-verktyg som de anställda efterfrågade och skapade godkända alternativ för vanliga användningsområden för dold AI. De mätte tiden från begäran till godkännande av AI-verktyg och betraktade förseningar som organisatoriska misslyckanden.

Dold AI-användning var en signal om ett ouppfyllt behov, inte ett efterlevnadsproblem som skulle lösas genom riktlinjer. Vid årets slut hade de organisationer som hanterade detta bäst gått från reaktivt förbud till proaktivt möjliggörande.

Krishanteringen av ledningens anpassning

När AI hanterar rutinmässigt samordningsarbete som schemaläggning, statusuppdateringar och grundläggande problembedömning försvinner plötsligt de traditionella ledningsaktiviteter som fyllde 40–60 % av en chefs arbetsdag. Kvar blir det arbete som de flesta chefer aldrig hade tid med, som coachning, strategiskt tänkande, komplex problemlösning och teambyggande – färdigheter som blottlägger problem i ledarskapsförsörjningen.

De bästa cheferna anpassade sig snabbt. De chefer som hade det svårt kände sig undanträngda, ifrågasatte sitt värde och motsatte sig ofta införandet av AI eftersom det hotade deras identitet.

Detta handlar i grunden om en utmaning inom chefsutveckling. Det behövs uttryckliga övergångsplaner för chefer vars roller förändras, och de måste erbjuda coachning i hur man arbetar på ett annat sätt, eftersom mycket få ledare har en tydlig vision för detta och nästan ingen har bemästrat det. Organisationer behöver utvärdera om deras AI-strategi hanterar dessa övergångar för chefer och omdefiniera förväntningarna så att chefer som framgångsrikt går över till arbete med högre värde belönas.

Vissa chefer kommer inte att klara övergången. Ledare kan hantera detta på ett par sätt, bland annat genom att förbereda sig på en minskning av mellanchefsnivån när organisationsstrukturerna blir plattare.

• Skapa karriärvägar för individuella medarbetare åt chefer som är skickliga på arbete som AI inte kan utföra, men som har svårt med den nya ledningsmodellen.
• Ge intensiv coachning, men var beredd att fatta det svåra beslutet att vissa chefer helt enkelt inte passar för rollen i AI-eran.

Det som inte fungerar är att låtsas att rollen inte har förändrats. Organisationer som införde AI men behöll samma förväntningar på ledningen slutade med chefer som utförde meningslöst arbete för att fylla tiden.

Genombrottet för förtroendearkitekturen

Den oväntade framgångssagan från 2025 var företag som byggde upp ett systematiskt förtroende för AI i stället för att hoppas att medarbetarna bara skulle acceptera det.

ADP införde sitt "5P-ramverk" i alla AI-initiativ:

• Syfte (varför vi använder AI här)
• Människor (vilka som deltar i besluten)
• Process (hur det fungerar)
• Prestanda (hur vi mäter framgång)
• Skydd (vilka skyddsåtgärder som finns).

Organisationer som använde strukturerade förtroenderamverk uppnådde AI-användningsgrader på 60–80 %, jämfört med 30–40 % för dem som förlitade sig på informellt förtroendeskapande.

"Människa i loopen rankades som den främsta styrningsprioriteringen av 71 % av ledarna", sade Mabie.

Förtroende uppstår inte naturligt genom god teknik. Det kräver medveten utformning. Företag behöver besvara specifika frågor före implementeringen, till exempel:

• Varför använder vi AI för den här uppgiften?
• Vem har tillsyn?
• Hur fattar systemet beslut?
• Vad händer när det blir fel?
• Vilka skyddsåtgärder finns?

Organisationer som besvarade dessa frågor uttryckligen – i dokumentation, utbildning och löpande kommunikation – byggde upp förtroende snabbare och behöll det längre.

Den dolda kostnadskaskaden

Kostnaderna sträcker sig långt bortom bortkastade programvarubudgetar.

En enda allvarlig incident kan bromsa införandet i månader. Förlorat förtroende blev en dold skatt på framtida initiativ.

"AI kan snabba upp det första utkastet, men om man inte gör om granskningsprocessen skapar man ett nytt problem", sade Pange. "Team lägger nu tid på att verifiera och korrigera. Vi kallar detta för 'verifieringsskatten'." Denna mentala belastning bidrar till problem med medarbetarnas omdöme när de försöker balansera AI-stöd med kritiskt tänkande.

Medarbetarnas cynism blev en annan dold kostnad. När ledningen översålde AI och investerade för lite i utbildning och omdesign av arbetsflöden motsatte sig medarbetarna införandet. Än värre var att de använde AI-verktyg utan godkännande, vilket skapade problemet med skugg-AI som slukade resurser för säkerhet och efterlevnad.

St. Louis Fed:s realtidsundersökning av befolkningen visade att ungefär hälften av USA:s vuxna i augusti 2025 uppgav att de använde generativ AI, och att över en tredjedel använde det på arbetet. Undersökningen uppskattade tidsbesparingar motsvarande cirka 1,6 % av den totala arbetstiden, med en potentiell produktivitetsökning på upp till 1,3 % sedan ChatGPT lanserades.

Men dessa vinster fördelades ojämnt.

"Medan ett företag sitter fast i pilotlimbo förbättrar ett annat i det tysta servicenivåer, försäljningsgenomströmning eller operativ cykeltid", sade Pange. "Och fördelen med gradvisa förbättringar och lärdomar börjar staplas på hög."

Skiftet mot mognare mätning

En av 2025 års tydligaste utvecklingar var hur företag mätte AI-framgång.

"Tidigt på året definierades framgång utifrån att lansera pilotprojekt och bevisa genomförbarhet", sade Mabie. "Gradvis övergick ledarna till att mäta AI-kompetens och avkastning på investeringen genom verksamhetsresultat."

Att de flesta ledare mäter avkastningen på investeringen speglar en bredare mognad. "Hur häftigt är det?" blev "Vilket är nyckeltalet och var är baslinjen?"

En del av övergången från att mäta användningsgrader till att mäta verksamhetspåverkan handlar inte bara om huruvida medarbetarna använder AI-verktyg, utan också om huruvida verktygen förbättrar beslutskvaliteten, förkortar cykeltider eller frigör kapacitet för arbete med högre värde.

De mest avancerade organisationerna mätte både effektivitetsvinster och kompetensutveckling. De ville veta om AI gjorde medarbetarna snabbare och bättre, med insikten att AI-mognad kräver en heltäckande utvärdering.

Uppvaknandet kring resursfördelning

Den kanske viktigaste lärdomen från 2025 var att 70-20-10-regeln för AI-investeringar visade sig stämma, och att de flesta företag fördelade resurserna bakvänt.

Regeln, som bekräftats i flera forskningsstudier, är att 70 % av investeringarna i AI-transformation bör gå till förändringar av människor och processer, 20 % till infrastruktur och integration samt 10 % till algoritmer och modeller.

De flesta medelstora företag lade 60–70 % på teknik och kämpade sedan för att finansiera arbetet med organisatorisk förändring.

Det innebär att finansiera roller inom förändringsledning, skydda tid för lärande och anpassning, investera i AI-stödda coachningsprogram, kommunikationsstrategier och organisatoriska stödstrukturer.

De företag som upprätthöll teknikintensiva investeringar såg sina AI-initiativ stanna av, oavsett hur sofistikerad tekniken var. Bra algoritmer med oförberedda organisationer presterade varje gång sämre än mediokra algoritmer med väl förberedda organisationer.

Vad 2026 kräver

Lärdomarna från 2025 pekar på flera tydliga prioriteringar för medelstora företag som går in i 2026.

• Integrera AI i befintliga arbetsflöden. Skillnaden i arbetsflödesintegrering kommer bara att öka. Sluta lansera fristående AI-verktyg och börja uppgradera de plattformar som medarbetarna redan använder.

• Investera i utbildning före teknik. Zapiers resultat, som visar att outbildade medarbetare löper sex gånger större risk att säga att AI gör dem mindre produktiva, borde skrämma varje chef som planerar AI-investeringar. Kompetensgapet kommer inte att slutas genom programvarulicenser.
• Förenkla innan ni lägger till komplexitet. Företag med fragmenterade teknikstackar kommer att få svårt att införa AI effektivt. ”Organisationer som samarbetar med programvaruledare som aktivt rensar bort från teknikstacken, integrerar AI i sina system och ersätter teknisk sprawl med enhetliga system kommer att få en konkurrensfördel”, sade Ballal.
• Bygg styrning som möjliggör i stället för att blockera. Styrning med mänsklig medverkan rankades som högsta prioritet av 71 % av ledarna. Men styrning som bromsar införandet till krypfart skapar skugg-AI. Målet är smidig styrning som gör det säkert att agera snabbt.
• Skala upp kapaciteten för orkestrering. ”Fler medelstora team kommer att införa AI-orkestrering”, sade Mabie. ”Eftersom medelstora team inte har resurser att bygga om plattformar och team helt och hållet kommer de att använda och koppla samman sina befintliga verktyg med AI-orkestrering.”

Zapiers data visar att 25 % av ledarna förväntar sig att nå AI-orkestrering i full skala senast 2026, medan 43 % räknar med att driva agentbaserade arbetsflöden över olika funktioner. Med det i åtanke är det en god idé att:

• Utforma om chefsroller uttryckligen. AI förändrar vad chefer gör. Bekräfta den förändringen, stöd övergången och acceptera att vissa chefer inte kommer att klara den.
• Bygg om karriärramverken för AI-eran. Traditionella befordringsvägar håller på att brytas ned. Företag behöver nya modeller för hur människor utvecklas när AI hanterar arbete som tidigare var utvecklande.
• Skapa förtroende systematiskt. Förtroenderamverk fungerar. Informellt förtroendeskapande gör det inte. Besvara de fem P:na uttryckligen för varje AI-implementering: Syfte, Personer, Process, Prestation, Skydd.
• Omfördela budgetar så att de följer 70-20-10-regeln. Det mesta av AI-värdet kommer från organisatorisk förändring. Merparten av AI-budgetarna går till teknik. Rätta till den obalansen eller acceptera lägre avkastning.
• Mät affärsresultat, inte teknikmått. Följ upp beslutskvalitet, minskad genomloppstid och kompetensutveckling – inte bara systemanvändning.

”Några trender som sannolikt kommer att klinga av är engångsexperiment, automatiseringsmodeller enbart för utvecklare och tankesättet ’AI som en funktion’”, sade Mabie.

Skillnaden mellan ledare och eftersläntrare handlar inte om vem som har AI. Den handlar om vem som lärde sig av att införa det. Detta lärandegap kommer att öka när AI-besluten för 2026 avgör vilka företag som hinner ikapp och vilka som hamnar ännu längre efter.