Vi mäter fortfarande avkastningen på AI-investeringar fel – och misstaget blir allt dyrare
Utmaningar med avkastning på AI-investeringar: Många organisationer har svårt att mäta avkastningen på AI-investeringar och tillskriver ofta problemen ledningen i stället för genomförandet.
Bristande överensstämmelse mellan mätvärden: Dagens mätvärden fokuserar på teknikens prestanda men hanterar inte de underliggande problemen med människor och processer.
Långsiktig påverkan: Dåligt genomförda AI-satsningar kan orsaka organisatorisk skada som byggs på under flera år och försämrar effektiviteten.
Organisatorisk hälsa: Beslut om AI-investeringar behöver prioritera mätvärden för människor och processer tillsammans med teknikmätvärden för att nå hållbar framgång.
Bristande ledarskap: Förändringsledningen involverar vanligtvis inte HR, vilket leder till kortsiktiga investeringar utan långsiktig bärkraft.
ROI-presentationen ser alltid prydlig ut. Sparade timmar, omfördelad personalstyrka, kortare cykeltid, ökande användningsgrad på väg mot något riktvärde som leverantören föreslog under uppstartsmötet. Gröna pilar. Diagram som rör sig uppåt och åt höger. CFO:n nickar instämmande.
Arton månader senare är något fel. Personalomsättningen har ökat på de avdelningar som skulle ha haft störst nytta av förändringen. Det tvärfunktionella samarbetet har blivit trögare. Ett team som tidigare fungerade med en sorts informell samstämmighet rör sig nu som om det marscherade genom kvicksand. Ingen kan peka på en orsak, så det tillskrivs de vanliga misstänkta: ledarstil, marknadsstress, något postpandemiskt eller liknande.
Den AI-implementering som föregick detta med sex kvartal kommer inte på tal.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Det här är vad det faktiskt kostar att mäta AI ROI fel. Inte en post i budgeten. En långsam försämring som tillskrivs fel orsaker och behandlas med fel åtgärder.
Teknikmått kontra människomått
De mått som dominerar samtalen om AI-investeringar — sparad tid, omfördelad personalstyrka, kortare cykeltid och i allt högre grad användning — är alla ledande indikatorer på teknikens resultat. De mäter det skikt av omställningen som är enklast att kvantifiera.
Det de inte mäter är det organisatoriska skiktet, där de verkliga kostnaderna för en dåligt genomförd implementering finns och där de växer tills de blir omöjliga att ignorera.
Användningen förtjänar särskild granskning, eftersom den antas vara en signal för organisationens hälsa när den i själva verket är beteendemässig. En BCG-analys från slutet av 2025 visade att 60 % av företagen globalt inte skapade något väsentligt värde från AI trots betydande investeringar, och identifierade delvis själva måtten som boven i dramat.
Organisationer som fixerade sig vid inloggningar och tidsåtgång som mått på införande fick lära sig den hårda vägen att dessa mått helt missar om AI faktiskt har blivit centralt för hur människor arbetar.
Höga införandegrader visar att människor använder verktyget. De säger ingenting om huruvida arbetet fungerar väl, om teamen fungerar eller om den tysta kunskap som tidigare förmedlades genom samarbetet fortfarande förmedlas över huvud taget. En arbetsstyrka kan nå alla användningsmål samtidigt som bindväven i det faktiska arbetssättet i det tysta faller isär.
BCG:s rapport från oktober 2024, "Var finns värdet i AI?" — baserad på en undersökning av 1 000 företagsledare i 59 länder — visade att ungefär 70 % av utmaningarna med AI-implementering härrör från personal- och processrelaterade frågor.
Budgetfördelningen i de flesta implementeringar går helt på tvärs mot detta: majoriteten går till teknik, medan förändringsledning och organisatorisk beredskap behandlas som budgetposter i stället för bärande delar av investeringen.
När de mått du använder för att utvärdera en omställning bara säger något om teknikskiktet mäter du, avsiktligt, den del av ekvationen som minst sannolikt avgör om den lyckas.
Att omdefiniera ROI
CFO:ns perspektiv är inte fel i sig. Det tillämpar strikt disciplin på en verklig fråga: genererar den här investeringen avkastning?
Problemet är att det tillämpar en logik för kapitalallokering på vad som i grunden är ett organisatoriskt förändringsproblem, och tidshorisonterna överensstämmer inte.
Programvarans ROI-cykler löper över 12 till 18 månader. Organisatoriska skador från en dåligt hanterad implementering byggs upp under två till tre år och visar sig som något helt annat.
Det är värt att undersöka hur CFO:n över huvud taget hamnar i den här diskussionen. Anthony Onesto, som har ägnat sin karriär åt HR-teknik och nu bygger upp metoder för AI-omställning i medelstora företag, beskriver hur trycket förs vidare.
Styrelser pressar vd:ar, vd:ar ser sig omkring i organisationen efter någon som kan äga frågan, och det naturliga förstahandsvalet är teknikchefen eller IT-chefen. När det visar sig vara otillräckligt flyttas frågan till CFO:n.
Det kommer alltid att vara ett ekonomiskt beslut, som ibland är rätt beslut och ibland inte är det.
Hans syn är att HR bör leda dessa omställningar, inte som en eftertanke inom förändringsledning, utan som den funktion som har bäst förutsättningar att tänka på hur maskiner och människor fungerar tillsammans. Att så sällan sker, menar han, är strukturellt. De flesta HR-ledare har inte räckt upp handen, och trycket uppifrån leds inte naturligt till dem.
Resultatet blir ett ROI-samtal som formas av den som ärvt ansvaret, och i de flesta organisationer är den personens incitament inriktade på påvisbar kortsiktig effektivitet, inte långsiktig organisatorisk hälsa.
Att utmana yrkesidentiteter
Enbart identitetsförändringen illustrerar gapet. När rutinuppgifter automatiseras följer ofta yrkesidentiteten med. Analytikern som utvecklade sitt omdöme genom repetitivt arbete med låg insats har nu, i teorin, mer värdefulla arbetsuppgifter att utföra.
I praktiken har den kontext där hon utvecklades tagits bort, och ingen har byggt en ersättning. Förändringen märks inte vid tillkännagivandet. Den visar sig åtta eller tio månader senare som bristande engagemang, vilket tolkas som ett kulturproblem och hanteras som ett sådant, medan den faktiska orsaken förblir obemärkt i en tidigare implementeringslogg.
Det här är inte en marginell fråga. Det är mekanismen genom vilken automatiseringsinvesteringar leder till sämre resultat än beräknat, trots att de når sina effektivitetsmål. Målen sattes för fel system.
Det som automatiseras är sällan bara en uppgift. Rutinarbete fyller ofta informella funktioner som inte syns i någon processkarta: samordningsrytmer mellan team, mentorskap inbäddat i samarbetsflöden och yrkesmässiga kontaktpunkter som ger juniora medarbetare regelbunden inblick i hur seniora bedömningar görs.
Det här dokumenteras ingenstans eftersom det inte behöver göras förrän det är borta. Då får man lära sig vad det var värt den svåra vägen.
En veckovis tvärfunktionell rapport som tre teammedlemmar tog fram tillsammans handlade inte bara om att producera en rapport. Den skapade samsyn, insyn och en stående anledning för teamen att ha regelbunden kontakt. Automatisera rapporten och du har fångat effektiviteten.
Kostnaden för detta syns inte i ROI-presentationen. Den visar sig så småningom i hur dessa team fungerar tillsammans – eller slutar fungera tillsammans.
Argumentet för att utvidga vad som räknas som en kostnad är inte ett argument mot ROI-disciplin. Det är ett argument för att tillämpa denna disciplin på hela systemet i stället för på det bekväma urvalet. Om 70 % av det som avgör resultaten av en omställning finns i det mänskliga och organisatoriska skiktet, då är ett mätramverk som utesluter detta skikt inte försiktigt, utan systematiskt optimistiskt om fel saker.
Det rätta tillvägagångssättet
Vad ett mer heltäckande mätramverk omfattar:
- Trender för personalomsättning i berörda roller, med tillräcklig tidsfördröjning inbyggd
- Mönster för tvärfunktionell kommunikation före och efter betydande automatiseringsförändringar
- Kunskapsöverföringsgrad till juniora medarbetare
- Förtroendenivåer, mätta genom enkäter som utformats för att synliggöra faktiska uppfattningar snarare än indirekta mått på nöjdhet.
Inget av detta är tekniskt svårt. De flesta organisationer gör inte detta eftersom de aldrig medvetet har kopplat automatiseringsbeslut till resultat för den organisatoriska hälsan.
Ravin Jesuthasan, vars arbete med arbetsstyrkans arkitektur sträcker sig över årtionden av företagsomställningar, uttrycker det enkelt:
Jag känner inte till en enda organisation som satte tekniken främst, höll den mänskliga sidan av ekvationen utanför och någonsin nådde ett framgångsrikt resultat.
Organisationer som börjar med tekniken, hävdar han, utvecklar en binär syn på problemet, ersätter den mänskliga faktorn där det är möjligt och bygger aldrig den organisatoriska hållbarhet som får omvandlingen att bestå.
Att lösa mätproblemet är delvis en teknisk fråga och i huvudsak en styrningsfråga. Någon som sitter med vid bordet när beslut om AI-investeringar fattas måste ansvara för den organisatoriska hälsan i balansräkningen och ha mandat att behandla den som likvärdig med effektivitetsaspekten, inte som underordnad den.
I de flesta organisationer sitter den personen antingen inte med vid bordet eller saknar sådant mandat. CHRO:n rådfrågas ofta om förändringsledning som en implementeringsuppgift snarare än som en likvärdig dimension av vad framgång innebär.
Jesuthasan beskriver det bredare misslyckandet i termer som går bortom mätning.
Den förändring som ledare förväntas genomföra är större än något vi har sett under de senaste 150 åren. Och jag tror inte att många av dem förstår det.
Det är inte så mycket en fördömelse som en strukturell iakttagelse. De ledare som fattar beslut om AI-investeringar utbildades i en värld där tekniken och organisationen var separata problem. Så är det inte längre.
Den ROI-presentation som håller isär de två är ett arv från en annan tid som tillämpas på en fundamentalt annorlunda situation, och felet, som förvärras av personalomsättning och brister i samarbetet, blir allt kostsammare.
