Att leda i AI-eran: från frågor till affärsvärde

AI beskrivs ofta som ett teknikskifte. Det stämmer, men det är inte hela bilden.

Den mer intressanta frågan är vad som händer när AI går från enskilda verktyg till att bli en del av hur företag faktiskt fungerar: hur beslut fattas, hur data används och går att lita på, hur människor samarbetar och hur ledare omvandlar möjligheter till verkligt affärsvärde.

Det var den röda tråden i Elvenites fokuspass på Women in Tech om att leda i AI-eran.

Samtalet modererades av Mathias Dyberg, vd på Elvenite, tillsammans med paneldeltagarna Boel Sjöstrand, Deputy CEO på CombinedX, Louise Nilsson, CIO på Lantmännen Agriculture, och Nathalie Malmholm, Manager Business Execution, Group IT på Nederman Holding.

Sessionen handlade inte bara om AI. Den blev också en påminnelse om något som ligger nära Elvenites syn på teknik: tekniken i sig är aldrig hela svaret. Det är hur den förstås, tillämpas, styrs och kopplas till affären som avgör vilken nytta den skapar.

Bättre frågor är viktigare än snabbare svar

Tidigt i sessionen fick publiken välja mellan bättre data och bättre frågor. Majoriteten valde bättre frågor.

Det säger en hel del om var många företag befinner sig i AI-frågan.

Mer data, fler verktyg och mer automatisering leder inte automatiskt till bättre beslut. Det kan hjälpa, men bara när ledare är tydliga med vad de försöker förstå, förbättra eller förändra.

Det är här AI blir en ledarskapsfråga.

Om frågan är svag kan AI hjälpa organisationen att röra sig snabbare åt fel håll. Om frågan är kopplad till affären kan AI hjälpa människor att se mönster, testa antaganden och agera med större trygghet.

För oss ligger det nära kärnan i Data Intelligence: inte att skapa fler rapporter eller lägga till ännu ett tekniklager, utan att hjälpa företag använda data för beslutsstöd, automation och praktisk effekt i vardagen.

AI behöver gå från potential till affärsvärde

En av de tydligaste trådarna i panelen var prioritering.

AI skapar många tekniska möjligheter. Men alla möjligheter ska inte bli projekt. I komplexa organisationer ligger det svåra arbetet i att avgöra var AI faktiskt skapar värde, vilka processer som behöver förändras och vilka affärsantaganden som behöver utmanas.

Vi arbetar med företag där ERP, data, AI, integrationer och affärskritiska processer hänger tätt ihop. I den verkligheten kan AI inte ligga vid sidan av som ett frikopplat experiment. Det behöver fungera tillsammans med de system, dataflöden, processer och människor som redan bär verksamheten.

Den praktiska frågan är inte bara: vad kan AI göra?

Den är: vilket affärsvärde ska AI hjälpa oss skapa, och vad behöver vara sant i vår data, våra system och vår organisation för att värdet ska bli verklighet?

Ansvaret ligger fortfarande hos människor

Panelen drog också en tydlig gräns mellan AI som stöd och människans ansvar.

AI kan hjälpa team att förstå information, testa idéer och fatta klokare beslut. Men ansvaret ligger kvar hos människor. Ledare behöver fortfarande äga riktning, tillit och omdöme.

Den distinktionen är viktig.

När AI blir en del av vardagen är det lätt att behandla verktyget som en neutral svarsmaskin. Det är det inte. AI behöver kontext, kontroll och mänsklig granskning.

Det är en anledning till att den mänskliga sidan av teknik blir viktigare, inte mindre viktig. Värdet kommer inte av att ersätta omdöme. Det kommer av att stärka hur människor använder data, ställer frågor och fattar beslut.

Med andra ord: AI kan stötta arbetet, men människor bär fortfarande ansvaret för vad verksamheten väljer att göra.

AI synliggör gapen organisationer behöver stänga

En viktig poäng från panelen var att AI inte bara skapar nya utmaningar. AI synliggör också gamla.

När AI börjar användas bredare blir fragmenterad data, spretiga processer, otydligt ägarskap och gap mellan verksamhet och IT svårare att blunda för. Problem som tidigare gömdes i manuellt arbete eller lokala workarounds blir plötsligt synliga.

Det är viktigt.

Många företag vill prata om AI-use cases. Det är förståeligt. Men AI-use cases lyckas sällan isolerat. De är beroende av datakvalitet, affärsägarskap, processförståelse, plattformsbeslut och förmågan att fortsätta förbättra efter att den första versionen är live.

Därför kan AI-ledarskap inte lämnas till teknikteam ensamma.

Verksamheten behöver kliva närmare IT. IT behöver fortsätta översätta teknik till affärsvärde. Och ledare behöver behandla AI-adoption som en organisationsfråga, inte bara en verktygsfråga.

I många företag är legacy-utmaningen inte längre bara teknisk. Den är organisatorisk.

Det är när de gapen börjar stängas som verklig utveckling kan ske.

Kultur behöver både struktur och utrymme för att lära

Panelen återkom flera gånger till lärande, testande, misslyckanden och struktur.

Den kombinationen spelar roll. Snabb förändring betyder inte att företag ska röra sig utan riktning. Det betyder att de behöver tillräckligt med struktur för att team ska veta hur osäkerhet ska hanteras, och tillräckligt med tillit för att människor ska våga testa, lära och justera.

Det är också här långsiktigt ansvar blir viktigt.

AI är inte något de flesta företag löser genom ett projekt, en workshop eller ett isolerat proof of concept. Arbetet behöver fortsätta efter att den första idén har testats. Det behöver styrning, support, utveckling och en tydlig koppling till hur verksamheten faktiskt fungerar.

Ledarskapsutmaningen handlar därför inte bara om att komma igång. Den handlar om att fortsätta framåt på ett sätt som skapar hållbart värde.

De företag som lyckas bäst är de som kan testa kontrollerat, lära snabbt och hela tiden koppla arbetet tillbaka till affärsvärdet.

Mångfald hör hemma i samtalet om AI-ledarskap

Women in Tech-kontexten gav samtalet en viktig ledarskapsdimension.

Panelen pratade om egenskaper som ofta kopplas till inkluderande ledarskap: samarbete, lyssnande, frågor, lägre prestige och utrymme för olika perspektiv. I komplexa AI-drivna miljöer är det inte mjuka extravärden. Det är förmågor som hjälper team att navigera osäkerhet.

AI ökar behovet av människor som kan hantera komplexitet utan att förenkla bort det mänskliga perspektivet.

Det spelar roll eftersom AI aldrig bara handlar om modeller eller plattformar. Det påverkar roller, beslut, processer, prioriteringar och tillit. Därför behöver organisationer olika perspektiv nära arbetet: verksamhet, IT, data, operations, ledarskap och användare.

Företag med bredare perspektiv har bättre förutsättningar att utmana antaganden, upptäcka bias, ställa bättre frågor och förstå hur AI påverkar olika delar av organisationen.

AI kan vara tekniskt, men framgångsrik AI-adoption är i grunden mänsklig.

Förmåga byggs genom lärande, partnerskap och praktik

Den sista delen av sessionen berörde kompetensbristen inom AI.

Poängen var praktisk: AI-kompetensbrist är inte ett enda gap. Det kan handla om promptning, förståelse för affärssystem, arbete med data, förmåga att tillämpa AI i operations eller att leda team genom förändring.

Det betyder att företag behöver flera svar samtidigt.

De behöver hjälpa befintliga team att lära. De kan behöva rekrytera ny kompetens. Och de kan använda partners för att komma snabbare framåt, samtidigt som den interna tryggheten och kompetensen byggs upp.

Det är ytterligare en anledning till att AI behöver kopplas till affärsverkligheten.

Den starkaste AI-förmågan kommer inte från en isolerad expertgrupp. Den kommer från kombinationen av affärsförståelse, teknisk kompetens, datakvalitet, ledarskap och praktisk användning.

Det är också där en specialistpartner kan göra skillnad: genom att hjälpa företag gå från ambition och spretiga idéer till struktur, implementation och kontinuerligt värde över tid.

Vad ledare kan ta med sig från sessionen

Budskapet från Women in Tech-panelen var tydligt: AI förändrar vad ledare behöver vara uppmärksamma på.

Ställ bättre frågor. Koppla AI till verkligt affärsvärde. Behåll det mänskliga ansvaret. Ta tag i de organisatoriska problem som AI synliggör. Bygg kulturer där människor kan lära. Och ge olika perspektiv plats i arbetet.

Värdet ligger inte i teknik för teknikens skull. Värdet ligger i att stänga gapet mellan data och business excellence: att säkerställa att data går att lita på, att systemen stödjer verksamheten, att AI används med tydligt syfte och att människor kan omvandla insikter till handling.

Det är då AI-ledarskap blir mer än ett ämne för diskussion.

Det blir en del av hur företag arbetar, konkurrerar och skapar långsiktigt värde.

Vill du arbeta där teknik, affärsvärde och långsiktig utveckling möts? Utforska livet på Elvenite.