Ni vet att ni behöver göra mer med AI. Ni har vetat det i över ett år. Det ärliga svaret på varför det inte har blivit av är att ingen någonsin fick uppdraget att se till att det hände.
Ni är inte undantaget. RSM:s Middle Market AI Survey 2025 visar att samma uppdelning gäller överlag: färdplan finns nästan överallt, verklig integration nästan ingenstans. Glappet sitter inte i planen. Det sitter i allt som skulle hända med den efter att rummet där den skrevs hade tömts.
När forskarna bakom MIT Project NANDAs The GenAI Divide: State of AI in Business 2025 satte sig för att mäta hur mycket verklig strukturell förändring AI faktiskt har orsakat i olika branscher (inte införande, inte piloter, utan genuin förändring av hur en verksamhet fungerar) fann de att 95 % av organisationerna får noll mätbar avkastning, trots 30 till 40 miljarder USD i företagsinvesteringar. En operativ chef på ett medelstort industriföretag sammanfattade vad de hörde från de flesta de intervjuade: "The hype on LinkedIn says everything has changed, but in our operations, nothing fundamental has shifted. We're processing some contracts faster, but that's all that has changed." Det hade hållits en workshop, tagits fram en färdplan och getts klartecken från ledningen. Och på golvet hade nästan ingenting rört sig.
Up Strategy Lab har tidigare skrivit om hur AI blottar gapet mellan strategi och genomförande på organisationsnivå. Vår grundtes är enkel: organisationer som lyckas med någon form av digital omställning, AI inräknat, har ett drag gemensamt. De börjar inte med verktyg, de börjar med att skaffa sig en verklig bild av den egna organisationen.
Så här ser det glappet ut inne i en färdplan. En färdplan beskriver ett framtida läge. Den säger sällan vem som äger vilket beslut en tisdag, vad ett bestämt team gör annorlunda till följd av den, eller hur någon skulle märka om det fungerade. När ägarskapet saknas kollapsar AI-initiativ inte dramatiskt. De slutar bara tyst att vara någons jobb.
Det är frestande att läsa det som ett tekniskt misslyckande, men samma MIT-rapport säger det rakt ut: "The dominant barrier to crossing the GenAI Divide is not integration or budget, it is organizational design." Deras undersökning, byggd på intervjuer med 52 organisationer och en genomgång av över 300 offentligt kända AI-införanden, visar att företag som håller initiativen centraliserade, drivna av en strategiavdelning eller en styrgrupp utan att någon närmare arbetet håller i dem, är de som kör fast. De som flyttar ut genomförandemandatet till dem som äger arbetet, och håller dem ansvariga för resultatet, är de som lyckas.
Varför AI-strategin inte är problemet
MIT är inte ensamma om fyndet. McKinseys senaste State of AI-undersökning, genomförd bland närmare 2 000 organisationer i mitten av 2025, visar att 88 % av företagen nu använder AI regelbundet i minst en affärsfunktion. Ändå har bara en tredjedel tagit sig förbi pilotstadiet till att faktiskt skala, och bara 6 % räknas som högpresterare på AI, med mer än 5 % av företagets EBIT hänförlig till AI-användningen. Vad skiljer de 6 procenten? McKinseys egen forskning pekar ut omgjorda arbetsflöden och synligt ägarskap i ledningen som två av de starkaste faktorerna bakom skillnaden: högpresterarna har nästan tre gånger så ofta byggt om sina arbetsflöden i grunden, och tre gånger så ofta ledande befattningshavare som visar verkligt ägarskap för AI-initiativen.
Boston Consulting Groups AI Radar 2025, med över 1 800 chefer, sätter en siffra på samma obalans: av de faktorer som skiljer AI-vinnarna från övriga ligger ungefär 70 % av arbetet i människor, processer och kultur, 20 % i data och teknik, och bara 10 % i algoritmerna själva.
MIT och McKinsey mäter inte samma sak. MIT mäter vem som har mandatet när ett projekt väl är i drift. McKinsey mäter om arbetsflödet under det faktiskt byggs om. BCG mäter var arbetet läggs totalt sett. Tre olika linser, samma obekväma svar: inget av det handlar egentligen om tekniken.
Inget av det här är nytt, och det är inte unikt för AI. Redan 2018, långt innan generativ AI gav någon anledning att kalla till workshop, gjorde Up Strategy Labs medgrundare Noel Braganza en variant av samma argument om en tidigare våg av digital omställning: "Don't end up with great presentations and concepts that will die in a powerpoint somewhere that no one will read."
Up Strategy Lab gjorde samma sak igen, senare, i en text om digital transformation, där vi hänvisade till en separat McKinsey-undersökning bland 700 chefer som visade att det genomsnittliga företaget har närmare två titlar på CxO-nivå med ordet digital i sig, ibland sex eller fler, och att en tredjedel av de svarande inte kunde säga vem av dem som faktiskt ägde arbetet. Det är en annan smak av samma problem som MIT hittade på arbetsflödesnivå: ägarskapet suddas ut på varje nivå där ingen tvingas vara konkret om det. AI gav bara syndromet ett nytt namn.
Varför nästa blänkande AI-pilot inte heller löser det
När en färdplan kör fast är det frestande att jaga nästa våg: agentisk AI, autonoma arbetsflöden, vad nu nästa konferenstalare säljer. Gartners forskning manar till försiktighet även där: de förutspår att mer än 40 % av alla projekt med agentisk AI kommer att läggas ned före utgången av 2027, drivet av skenande kostnader, oklart affärsvärde och otillräcklig riskkontroll. Anushree Verma, Senior Director Analyst på Gartner, beskriver de flesta pågående projekt med agentisk AI som "early stage experiments or proof of concepts that are mostly driven by hype and are often misapplied." Felanvända är det viktiga ordet: utan någon som redan är ansvarig för ett bestämt arbetsflöde går det inte att bedöma om ett nytt verktyg passar ett problem värt att lösa. Ny teknik lagar inte en saknad ansvarsstruktur. Den ger bara samma frånkoppling ett nyare namn.
Så ser det ut att sluta glappet mellan AI och genomförande
AI-färdplaner är inte meningslösa. Misstaget är att behandla själva färdplanen som leveransen, i stället för som startpunkten för att fördela om ägarskap och bygga om en handfull bestämda arbetsflöden runt den. Det är vad en verklig bild av den egna organisationen betyder i praktiken: inte ett strategidokument, utan en organisation som rakt av kan säga vem som äger vad.
Att göra det bra är ingen planeringsövning. Det är en operativ övning, och den kräver ett team som faktiskt har tagit en AI-driven produkt i drift och levt med följderna av att hålla den vid liv, inte ett team som bara har gett råd om hur ägarskap borde se ut på papper. Det gäller MuchSkills, den AI-drivna plattform Up Strategy Lab byggde och fortfarande äger. Att bygga den innebar att först hitta den verkliga flaskhalsen, i det fallet organisationer som inte kunde se vad deras egna människor kunde, och sedan se till att lösningen faktiskt användes och inte bara levererades.
Tillämpat på AI blir det en genomlysning som pekar ut två eller tre bestämda punkter där AI gör verklig operativ nytta, följd av en fungerande prototyp inbyggd i en verklig process inom veckor. Inte ett dokument som lämnas över när uppdraget tar slut.
Angreppssättet råkar dessutom passa medelstora företag bättre än stora koncerner. MIT:s undersökning visade att de bäst presterande medelstora företagen tog sig från pilot till fullt införande på i genomsnitt 90 dagar, medan stora koncerner tog nio månader eller mer trots fler piloter och tyngre bemanning. Vår läsning: färre lager mellan ett beslut och den som får leva med det. Att vara mindre är inte bara snabbare. Det är färre ställen där ägarskapet kan tappas bort.
De flesta AI-färdplaner misslyckas av samma vardagliga skäl: organisationen slutar behandla dem som pågående arbete i samma stund som workshopen tar slut, och ingen fick någonsin uppdraget att hålla dem i rörelse.
Om er färdplan har kört fast på precis det stället är det den här genomlysningen vi skulle göra: Utforska AI-transformation.
Vanliga frågor
Varför känns vår AI-färdplan frånkopplad från genomförandet?
Oftast för att ägarskapet aldrig fördelades på arbetsflödesnivå. En färdplan beskriver ett framtida läge, men om ingen bestämd person eller grupp äger att översätta det till en förändrad vardaglig process händer ingenting operativt, hur genomtänkt strategin än är.
Vad gör att AI-initiativ kör fast efter strategifasen?
Forskningen från MIT:s Project NANDA pekar på organisationsdesign snarare än teknik som huvudorsak: initiativ som stannar centralt hos en strategifunktion, utan att någon närmare arbetet håller i dem, tenderar att köra fast, medan de som lämnar över ägarskapet till cheferna närmast arbetet tenderar att skala.
Hur vet man om AI-strategin faktiskt fungerar och inte bara producerar piloter?
Leta efter omgjorda arbetsflöden, inte bara efter att verktyg används. McKinseys forskning visar att organisationer som får verkligt affärsvärde av AI betydligt oftare har byggt om bestämda arbetsflöden i grunden i stället för att lägga AI-verktyg ovanpå oförändrade processer.
Är det bättre att bygga AI-verktyg internt eller köpa från en leverantör?
Den verkliga skiljelinjen går inte mellan färdig programvara och egen utveckling. Den går vid vem som står kvar med ansvaret efter lansering. Externa samarbeten där något utvecklas gemensamt kring företagets egna arbetsflöden slår genomgående team som bygger och förvaltar allt internt och ensamma, samma mönster kring ägarskap som skiljer initiativ som kör fast från dem som skalar. Det finns ett annat sätt att misslyckas som är värt att namnge: generiska standardverktyg som ChatGPT eller Copilot dyker upp överallt i samma forskning, men av ett annat skäl. De fungerar bra för den enskildes produktivitet och medarbetarna använder dem oavbrutet, men de fallerar genomgående på verksamhetskritiska uppgifter i bestämda arbetsflöden, eftersom de inte behåller sammanhanget eller anpassar sig efter hur just den verksamheten fungerar. Det är också därför genomlysningen och prototypen ovan fungerar: det är samutveckling i miniatyr, driven av ett team som måste hålla resultatet i gång, inte en kravspecifikation som lämnas över till en leverantör.
