AI gör arbetet snabbare. Varför syns vinsten så sällan i företagets resultat?

AI kan hjälpa en medarbetare att bli klar med en uppgift snabbare utan att företagets kostnader, intäkter eller resultat förändras. Den skillnaden bidrar till att förklara glappet i McKinseys undersökning från 2026: 80 procent av de svarande uppgav att AI förbättrat deras personliga produktivitet, medan 37 procent hänförde åtminstone en del av företagets EBIT till AI. Omkring 6 procent uppfyllde McKinseys definition av högpresterande företag: de svarande hänförde minst 5 procent av EBIT till AI och beskrev effekten som betydande. Det handlar om vad de svarande själva uppger – inte om belägg för att en enskild åtgärd orsakar ekonomisk avkastning. 68

Därför syns produktivitetsvinster inte alltid i resultatet

En snabbare arbetsuppgift är bara en del av en större process. Om godkännanden, överlämningar, system och mandat för beslut förblir oförändrade kan den sparade tiden varken minska kostnaderna eller öka intäkterna. McKinseys undersökning från 2026 kopplar starkare AI-resultat till omarbetade arbetsflöden. I tidigare forskning var just omarbetning av arbetsflöden den faktor som hade starkast samband med EBIT-effekt bland de faktorer som undersöktes. Sambandet är vägledande, men bevisar inte orsakssamband. 514

Skillnaden spelar också roll för hur företag mäter framsteg. Tillgång till verktyg, användning och sparad tid kan visa att AI används, men säger inte i sig om företaget tjänar mer eller spenderar mindre. Glappet mellan rapporterad personlig produktivitet och EBIT-effekt gör det viktigt att följa båda. 68

Så kan företag gå från AI-pilot till affärsnytta

Börja med ett konkret affärsmål

Välj en process där en ansvarig person kan formulera problemet och ett resultat att testa. Målet kan exempelvis vara att sänka kostnaden för en tjänsteprocess eller öka konverteringen – men det ska utgå från verksamhetens behov, inte från hur mycket AI som används. Mät utgångsläget innan processen ändras så att resultaten går att jämföra.

Håll det första försöket tillräckligt avgränsat för att kunna utvärderas. En tydlig process och ett tydligt mål gör det lättare att se var AI hjälper, när människor fortfarande behöver ingripa och om förändringen är värd att skala upp.

Ge datakvalitet och ansvar en självklar plats

Under ett handelssamtal på DMEXCO 2026 beskrevs hur produktdata från leverantörer kan komma i olika format, med varierande benämningar och saknad information. Utan en gemensam standard riskerar problemen att följa med genom produktflödena och kräva manuell rättning. 25

Utse tydligt ansvariga för datan, affärsresultatet och besluten om när AI-resultat behöver granskas. Inom handeln är konsekvent och fullständig produktinformation – inklusive korrekta priser där det är relevant – också viktig när kunder hittar produkter via AI-assistenter, sociala medier och marknadsplatser. 273334

Gör om arbetsflödet – inte bara arbetsuppgiften

Se över hela arbetskedjan: vad som kommer in, vad AI hanterar, var godkännande behövs och vem som agerar på resultatet. Ta bort eller ändra onödiga överlämningar där det passar, men låt människor ansvara för bedömningar, undantag och beslut som innebär affärsrisk.

Det handlar om att utforma om hur arbetet utförs, inte bara lägga ett nytt verktyg ovanpå en befintlig process. McKinseys forskning kopplar omarbetade arbetsflöden till starkare rapporterad ekonomisk effekt, men undersökningen från 2026 visar inte att en sådan förändring ensam skapar avkastningen. 514

Mät resultatet i affärstermer

Följ upp om förändringen påverkar intäkter, kostnader, marginal eller EBIT – inte bara användning, producerad mängd eller sparad tid. Ta med kostnader för införande och mänsklig granskning i bedömningen och jämför med utgångsläget. Då går det att pröva om en produktivitetsförbättring faktiskt når företagets ekonomiska resultat.

Slutsatsen

Undersökningen ger ingen garanterad formel för avkastning på AI. Däremot visar den varför användning och produktivitet inte räcker som mått på framgång: de svarande rapporterade betydligt oftare högre personlig produktivitet än positiv EBIT-effekt. Företag kan möta utmaningen genom att kombinera avgränsade användningsområden med tillförlitliga data, tydligt ansvar, omarbetade arbetsflöden och ekonomisk uppföljning – samtidigt som människor behåller ansvaret för ledarskap och omdöme. 6814