Fra AI-pilot til drift: Hvem kan gjøre bedrifts-AI til en lønnsom tjeneste?

AI er i ferd med å endre hva bedrifter kjøper av konsulenter og IT-leverandører. I stedet for bare å betale for et prosjektteam eller et visst antall timer, vil kundene ha løsninger som faktisk fungerer i egne arbeidsprosesser – og en leverandør som tar ansvar for at de gir et resultat.

Det gjør kombinasjonen av gjenbrukbar programvare, praktisk integrasjon og tydelig resultatansvar stadig viktigere. Ingeniører som jobber tett på kundens virksomhet, ofte omtalt som forward-deployed engineers (FDE-er), kan bidra til å bygge bro mellom en AI-modell og systemene og rutinene den skal brukes i. Nye samarbeid mellom teknologiselskaper og konsulenthus tyder på at begge sider satser på denne typen utrulling.

Hvorfor stopper AI-piloter opp?

En demonstrasjon kan fungere fint med et begrenset datasett. En produksjonsløsning må også kunne hente og oppdatere data fra eldre systemer, følge tilgangsregler, håndtere variasjoner og levere beslutninger som kan etterprøves. Den må dessuten passe inn i hverdagen til dem som skal bruke den.

Et annet vanlig hinder er at ingen har tydelig ansvar for hva løsningen skal forbedre. Uten et utgangspunkt å sammenligne med – for eksempel tidsbruk, kostnader eller feilrate – blir det vanskelig å dokumentere gevinst.

Et mye omtalt anslag sier at 95 prosent av virksomhetene i en bestemt gjennomgang ikke oppnådde målbar økonomisk effekt fra generative AI-piloter. Det betyr ikke at 95 prosent av alle AI-prosjekter aldri kom i produksjon: Manglende målbar gevinst og manglende produksjonssetting er to forskjellige ting.

Hvem kan være best posisjonert?

Palantir er et tydelig eksempel på en etablert leverandør som retter seg mot store virksomheter med kompliserte data- og styringsbehov. Selskapet rapporterte at amerikanske kommersielle inntekter økte med 133 prosent fra året før i første kvartal 2026. Veksten viser sterk etterspørsel, men sier ikke i seg selv om hver enkelt kundeløsning gir god avkastning.

ServiceNow står sterkt når AI kan bygges inn i arbeidsflyter og systemer kundene allerede bruker. Abonnementsinntektene økte med 21 prosent fra året før i fjerde kvartal 2025.1

Accenture og andre store integratorer har bred kundekontakt, bransjekunnskap og kapasitet til å gjennomføre store endringer i IT-systemer. Utfordringen er å gjøre erfaringer fra ett prosjekt om til gjenbrukbare løsninger – ikke bare å sette flere konsulenter på neste oppdrag. Accenture og Google Cloud har for eksempel etablert et samarbeid som kombinerer ingeniører ute hos kunden med bransje- og teknologikompetanse.

For mellomstore bedrifter kan en smalere modell være mer aktuell: ferdige koblinger til vanlige systemer, noen få velprøvde arbeidsprosesser og en innføring med klart avgrenset omfang. Det er ikke nok dokumentasjon her til å peke ut én sikker vinner i dette markedet.

Hvorfor regulerte bransjer og eldre systemer betyr noe

I regulerte virksomheter må AI-løsninger ofte kunne vise hvordan beslutninger ble tatt, hvem som hadde tilgang til data, og hvilke kontroller som var på plass. Når løsningene også skal kobles til eldre IT-systemer, blir innføringen krevende – men det kan gi en fordel til leverandører som klarer å ta ansvar for hele den fungerende løsningen, ikke bare gi råd.

Arbeidsprosesser som systemmigrering og regulatorisk rapportering er blant områdene leverandører retter seg mot.4 For kunden er det avgjørende at AI-en fungerer innenfor kravene og systemene som allerede gjelder, ikke bare i en kontrollert pilot.

Plattformøkonomi – eller konsulenttimer med nytt navn?

I en tradisjonell tjenestemodell følger inntektene ofte bemanningen: flere oppdrag krever flere fakturerbare timer. En plattform kan i teorien fordele kostnaden ved integrasjoner, styring og utvikling av arbeidsflyter på flere kunder. Hvis senere innføringer krever mindre spesialarbeid, kan lønnsomheten på neste kunde bli bedre.

Men dette skjer ikke automatisk bare fordi en leverandør kaller løsningen en plattform. C3 AI rapporterte en bruttomargin på 32 prosent etter GAAP i kvartalet som ble avsluttet i juli 2026.3 Marginer må vurderes ut fra de faktiske kostnadene til utrulling, ingeniører, skytjenester og kundestøtte – ikke bare produktbeskrivelsen.

Byttekostnader kan også øke når en løsning blir en stabil del av viktige arbeidsprosesser og bygger opp integrasjoner, tilgangsregler og historikk. Det kan være reell driftsverdi. Samtidig bør kunder skille dette fra avhengighet som skyldes skreddersydd kode eller at det er vanskelig å flytte dataene sine.

Fem spørsmål som avslører om løsningen kan skaleres

Når en leverandør presenterer en AI-plattform, bør kunden be om konkrete svar på disse punktene:

1. Hvor stor andel av pilotene er i ordinær drift etter seks og tolv måneder – og hva mener leverandøren med «i drift»?
2. Kan resultatene bekreftes mot et målt utgangspunkt fra før innføringen?
3. Hvor store er de gjentakende produktinntektene og hvor god er kundebevaringen, regnet separat fra innføringshonorarene?
4. Hva er bruttomarginen når alle kostnader til utrulling, ingeniører, skytjenester og støtte er tatt med?
5. Går innføringstiden og antall ingeniørtimer per kunde ned etter hvert som leverandøren får flere utrullinger?

En plattform bør gjøre nye utrullinger raskere og rimeligere uten at bemanningen må øke i samme takt. Hvis hvert prosjekt fortsatt trenger et nytt spesialteam, er forretningsmodellen i praksis først og fremst konsulentvirksomhet – selv om fakturaen bruker ordet «plattform».