Vi pratar fortfarande om AI som om det vore ett system.
Som om det handlade om att välja rätt verktyg, sätta upp en pilot, mäta ROI och sedan rulla ut. Som om det var som att byta tidrapporteringssystem — fast med bättre PR.
Det är det inte.
AI förändrar hur människor söker information. Hur beslut fattas. Hur kunskap produceras och konsumeras. Hur kompetens förstärks — och hur arbete organiseras.
Det är inte ett IT-projekt.
Det är ett tryck mot hela organisationskroppen.
Alla hamnar i samma rum — oförberedd
Plötsligt sitter verksamhet, IT, juridik, informationshantering, säkerhet, arkitektur, förändringsledning och HR och tittar på varandra över ett konferensbord och inser att de alla pratar om samma sak. Fast med olika ord. Med olika mandat. Med olika budgetar.
Det är ovanligt. Det är också avslöjande.
För det visar att AI inte låter sig hanteras isolerat. Det tränger igenom organisationssilor som om de inte fanns — för ur AI:ns perspektiv finns de faktiskt inte. De är ett administrativt val, inte en naturlag.
AI är den första tekniken som tvingar verksamheten att ta ansvar för infrastrukturen — och IT att ta ansvar för verksamhetens intelligens.
Det är en obekväm insikt för båda sidor.
Det är också anledningen till att samordning — riktig samordning, inte mejlkedjor och statusmöten — plötsligt blivit en kärnkompetens. Inte som ett stödfunktionsuppdrag. Som ett strategiskt sådant.
AI har inte uppfunnit det behovet. Den har bara gjort det synligt för fler än arkitekterna.
Den största risken heter inte ChatGPT
Det finns en mer akut risk än att AI:n ger fel svar.
Det är fragmentering.
Inte den dramatiska sorten — systemkrasch, dataintrång, EU-böter. Den utdragna, nästan osynliga sorten: varje individ, team och organisation som börjar experimentera på varsitt håll. Med egna prompter. Egna processer. Egna verktyg. Egna kunskapsflöden. Lokala lösningar på lokala problem.
Det är nästa generations tekniska skuld — fast den sitter inte i koden. Den sitter i arbetssätten, i kunskapsstrukturen, i styrningen. Den är svårare att se. Den är mycket svårare att betala av.
Det räcker inte att centralt ta fram en strategi och hoppas att den landar — det vet den som har följt digitaliseringen i en stor organisation tillräckligt länge för att ha sett det hända mer än en gång. Strategier utan implementeringsstöd är välformaterade önskelistor.
Det som faktiskt gör skillnad är förmågan att hålla ihop riktning och rörelse samtidigt. Att sätta gemensamma ramar utan att kväva lokalt ansvarstagande. Att följa upp vad som faktiskt händer — inte bara vad som rapporteras.
Problemet med tusen lokala lösningar är inte att de är lokala. Det är att de ser ut som lösningar.
Digitalisering 1.0 handlade om processer. Det räckte inte.
Traditionell digitalisering har handlat om att automatisera processer, digitalisera blanketter, bygga system och mäta effektivitet. Det är bra. Nödvändigt. Och helt otillräckligt för det som händer nu.
AI driver oss mot något fundamentalt annorlunda.
Mot organisationer som måste kunna förstå sitt eget informationslandskap. Koppla samman kunskap. Skapa kontext. Förstärka mänskligt beslutsfattande. Koordinera intelligens — inte bara mellan människor, utan mellan människor och system.
Det är ett kliv, inte ett steg.
Framgång handlar inte primärt om hur många AI-licenser du har. Det handlar om:
- Kunskapsarkitektur — vet organisationen vad den vet?
- Informationsstruktur — är informationen åtkomlig för rätt person vid rätt tillfälle?
- AI-styrning (governance) — vem bestämmer vad AI:n får göra, och när?
- Förmågestyrning — vad är vi faktiskt förmögna till?
- Digital suveränitet — äger vi vår intelligens, eller hyr vi den?
- Omvärldsförståelse — vet vi vart det är på väg, eller springer vi efter?
De organisationer som klarar sig bäst de kommande åren är sannolikt inte de med flest modeller på listan.
Utan de som lyckats skapa struktur runt intelligensen — och som vet vad de optimerar för.
Arkitektur blir viktigare. Inte mindre.
Det finns en utbredd och harmlös idé om att AI gör traditionell arkitektur irrelevant. Att när modellerna är tillräckligt bra behöver vi inte tänka på struktur längre — maskinen ordnar det.
Jag tror rakt motsatta saken. Jag har arbetat med att ta verksamhetsmål hela vägen från beslut till fungerande lösningar i vardagen — den resan är sällan rak. Och utan arkitekturell struktur är den nästan alltid onödigt lång.
När AI påverkar beslutsfattande, informationsflöden, automatisering och verksamhetsprocesser — simultant, i realtid, utan att be om lov — blir behovet av sammanhängande struktur större. Inte mindre.
Utan struktur blir AI snabbt brus. Duplicering. Osäkerhet. Okontrollerade beroenden. Informationssilor i ny förpackning.
Det gäller extra tydligt när AI börjar interagera med regelstyrda processer — lagstiftning, politiska beslut, riktlinjer som måste implementeras och faktiskt följas upp. Då räcker det inte att ha en modell som kan svara på frågor. Då behöver du en organisation som kan omsätta intentioner i faktisk förändring — och som kan mäta om förändringen inträffade.
Arkitektur handlar inte om teknik.
Det handlar om vad organisationen faktiskt kan göra. Och det förutsätter att IT-arkitekturen är verksamhetsdriven — inte tvärtom. När tekniken sätter agendan för verksamhetens behov, tappar organisationen styrförmåga. Det är ett av de vanligaste och dyraste misstagen i digitaliseringsarbetet, AI kan gör det dyrare.
En dålig arkitektur är osynlig — tills den begränsar dig. En AI utan arkitektur är samma sak, fast det går fortare.
Governance handlar inte om att säga nej
Det finns ett narrativ om AI governance som ser ut ungefär så här: en grupp försiktiga byråkrater som bromsar innovation av rädsla för det okända.
Det narrativet är fel.
Bra governance handlar om möjliggörande. Om att skapa tydlighet så att människor kan experimentera utan att bygga parallella kaossystem. Om att definiera ansvar så att ingen behöver uppfinna hjulet tre gånger. Om gemensamma riktlinjer som faktiskt hjälper verksamheterna framåt — inte snärjer dem i tolkningsfrågor.
Det handlar inte om att stoppa AI.
Det handlar om att göra AI användbart på riktigt — i hela organisationen, inte bara i den entusiastiska pilotgruppen på plan 4.
AI-utvecklingen sker dessutom inte bara inuti organisationen — den sker i akademin, i industrin, i lagstiftningsprocesser på EU-nivå. EU:s AI-förordning är ett tydligt exempel: inte ett hot mot innovation, utan ett krav på att vi vet vad vi gör och kan redovisa det. Det kräver förmågan att tolka förordningen, riskklassa användningsfallen, och sedan stödja organisationer i att faktiskt implementera den.
Från text till praktik. Det gapet är större än det ser ut.
Det är inte ett teoretiskt problem. Det är ett styrningsproblem.
Det kräver struktur och uppföljningsförmåga. Det kräver att någon faktiskt har helhetsbilden — och kan hålla den aktuell när omvärlden fortsätter röra sig.
Gränserna suddas ut. Bra.
Det skapar ett behov av fler människor som kan röra sig mellan teknik och verksamhet, strategi och implementation, styrning och innovation, interna processer och externa samarbeten.
Profiler som håller ihop det som lätt faller isär när silorna tar vid — och som kan kommunicera lika väl med en chef som med en forskare, en leverantör eller en motpart i ett annat land.
Gränserna mellan roller och kompetenser börjar bli otydliga.
Teknik blir verksamhet. Kunskap blir infrastruktur. Information blir strategi.
Det är inte en hypotetisk profil. Den finns. Den byggs av erfarenhet i skärningspunkter — av att ha suttit i rum där teknik och verksamhet möts och alla tittar på mig för att förklara vad det egentligen innebär och vad som bör göras härnäst.
AI är inte bara en teknisk fråga.
Det är en organisatorisk transformationsfråga — och den kräver en annan typ av ledarskap. Ett ledarskap som förstår att en modell utan styrning är ett verktyg utan syfte. Och att styrning utan förståelse för tekniken är reglering utan substans.
Bryggan däremellan är det som saknas i de flesta organisationer.
Jag märker själv att min blick rör sig mer och mer åt det hållet — bort från den enskilda lösningen, mot helheten. Mot frågan om hur organisationen egentligen bör organisera sig för att hantera det som kommer.
Vad vi egentligen pratar om
Vi kommer fortsätta prata om modeller, GPU:er, copilots, automation och plattformar. Oundvikligt. Delvis nödvändigt.
Men de viktiga frågorna — de som avgör om AI-satsningarna faktiskt levererar värde för invånare, kunder, verksamheter och samhälle — är mer organisatoriska:
- Hur bygger vi gemensam förmåga istället för lokala öar?
- Hur säkerställer vi att beslut faktiskt implementeras — och att vi kan följa upp effekterna?
- Hur organiserar vi samarbetet mellan människa och AI utan att tappa kontrollen?
- Hur undviker vi att bygga nästa generations informationssilor?
- Hur skapar vi digital suveränitet i en värld av hyperkonkurrens om data?
- Hur bygger vi struktur som möjliggör innovation — istället för att kväva den?
Det är inte AI-frågor i teknisk mening.
Det är frågor om hur organisationer lär sig tänka. Strategiskt. Tillsammans. Med omvärlden som referenspunkt och invånaren, kunden och medborgaren som slutlig mottagare.
Det tror jag kommer vara en av de viktigaste digitaliseringsfrågorna de kommande åren — inte för att det är nytt, utan för att organisationerna äntligen inte kan undvika det längre.
AI väntar inte på att vi ska bli redo.
Det är redan i rummet.
Frågan är inte om ni ska förhålla er till det.
Frågan är om ni gör det medvetet.