Vilket AI-projekt ska vi börja med? En poängmodell för nytta och genomförbarhet
Kort svar: Börja med en process som ni kör ofta, där underlaget redan är digitalt och där en människa godkänner resultatet innan det lämnar huset. Poängsätt varje kandidat på fem kriterier — affärsnytta (30 %), datatillgång (20 %), integration (20 %), risk (15 %) och förändringsbehov (15 %) — på en skala 1–5. Viktat snitt över 3,8 betyder starta. Under 3,0 betyder vänta. Och oavsett poäng: nio stoppkriterier längre ner stoppar projektet innan ni lägger en krona.
Varför de flesta små företag väljer fel projekt först
Siffrorna är obekväma. MIT:s NANDA-initiativ gick igenom företagsinvesteringar i generativ AI på 30–40 miljarder dollar och fann att 95 procent av organisationerna inte kunde visa någon mätbar effekt på resultaträkningen. Bara ungefär 5 procent av piloterna tog sig hela vägen till verkligt värde. Rapporten heter The GenAI Divide: State of AI in Business 2025 och det intressanta är inte felprocenten i sig, utan var pengarna låg: mellan 50 och 70 procent av budgetarna gick till sälj- och marknadsverktyg, medan den tydligaste avkastningen fanns i backoffice — fakturahantering, administration, sådant som är tråkigt att demonstrera på ett ledningsmöte.
Gartner pekar åt samma håll från ett annat håll. I juli 2024 förutspådde de att minst 30 procent av alla GenAI-projekt skulle överges efter proof of concept före utgången av 2025, med fyra orsaker: dålig datakvalitet, otillräckliga riskkontroller, skenande kostnader och oklar affärsnytta. Lägg märke till att tre av fyra orsaker är sådant man kan bedöma innan man börjar.
För svenska småföretag är utgångsläget dessutom tightare. SCB:s mätning visar att 30,8 procent av små företag (10–49 anställda) använde AI under 2025, mot 49,6 procent av medelstora och 71,9 procent av stora. Den vanligaste bromsen var brist på expertis, som 74,7 procent av de icke-användande företagen angav.
"Statistiken visar att stora företag har en bredare användning av AI än små företag. De stora företagen har också fler resurser – såsom användning av molntjänster för utveckling och drift, personal som utför dataanalys samt anställda it-specialister." — Fredric Nyström, statistiker på SCB
Slutsatsen vi drar av det: ett företag med 25 anställda har råd med ungefär ett misslyckat AI-projekt. Därför ska urvalet vara hårdare, inte mjukare, än på ett storbolag.
Vilka fem kriterier ska ett AI-projekt bedömas på?
Modellen har fem kriterier. Tre mäter om det är värt att göra, två mäter om ni klarar av att göra det.
| # | Kriterium | Vad det mäter | Vikt |
|---|---|---|---|
| 1 | Affärsnytta | Timmar, kronor eller intäkt som faktiskt flyttar sig | 30 % |
| 2 | Datatillgång | Finns underlaget digitalt, sökbart och tillräckligt rent | 20 % |
| 3 | Integration | Hur många system måste prata med varandra | 20 % |
| 4 | Risk | Juridik, personuppgifter, konsekvens av fel svar | 15 % |
| 5 | Förändringsbehov | Hur många människor måste ändra hur de jobbar | 15 % |
Risk och förändringsbehov poängsätts inverterat: 5 betyder låg risk och litet förändringsbehov. Hela modellen pekar då åt samma håll — högt är bra.
Varför just den viktningen?
Affärsnytta väger tyngst (30 %) därför att det är den enda dimensionen som inte går att kompensera för. Ett projekt med perfekt data och noll risk som sparar fyra timmar om året är fortfarande bortkastad tid.
Data och integration väger 20 % vardera eftersom de är de två kostnadsdrivarna som alltid underskattas. Gartner räknade hem att redan att bygga in generativ AI i en befintlig applikation kostar 750 000 till 1 miljon dollar i uppstart för ett större bolag. Ett litet företag köper färdigt i stället och landar på bråkdelar av det, men proportionen håller: integrationsarbetet, inte AI-modellen, är där pengarna går.
Risk och förändringsbehov väger lättast (15 % vardera) men har vetorätt. En etta på någon av dem stoppar projektet oavsett totalpoäng. Det är där modellen skiljer sig från en vanlig nytta/genomförbarhet-matris. Du kan inte vikta bort en GDPR-överträdelse eller en personalgrupp som vägrar.
Vikterna är en startpunkt, inte en naturlag. Ett bolag med hårt reglerad verksamhet kan flytta 5 procentenheter från affärsnytta till risk. Dokumentera i så fall ändringen, så att två projekt bedömda olika kvartal fortfarande går att jämföra.
Hur poängsätter man? Skalan 1–5, kriterium för kriterium
Poängsätt på en skala där varje steg har en konkret innebörd. Gissa aldrig — om ni inte kan motivera siffran med en mening är svaret 1 eller 2.
Affärsnytta (vikt 30 %)
| Poäng | Innebörd |
|---|---|
| 5 | Över 20 timmar/månad eller tydlig intäktseffekt, och ni kan mäta den i befintligt system |
| 4 | 10–20 timmar/månad, mätbart |
| 3 | 4–10 timmar/månad, går att mäta med viss ansträngning |
| 2 | Under 4 timmar/månad, eller nyttan är "bättre kvalitet" utan mått |
| 1 | Ingen kan beskriva nyttan i en siffra |
Kontrollfråga: Vilken rad i resultaträkningen eller vilket KPI förändras, och vem äger den raden?
Datatillgång (vikt 20 %)
| Poäng | Innebörd |
|---|---|
| 5 | Allt underlag finns digitalt, strukturerat, på ett ställe |
| 4 | Digitalt och sökbart men spritt över två–tre system |
| 3 | Digitalt men ostrukturerat (PDF, mejlkorgar, delade mappar) |
| 2 | Delvis på papper eller i någons huvud |
| 1 | Datat existerar inte, eller är så ojämnt att det måste byggas upp först |
Kontrollfråga: Kan ni plocka fram 50 verkliga exempel från det senaste kvartalet inom en arbetsdag? Kan ni inte det, är poängen högst 2.
Integration (vikt 20 %)
| Poäng | Innebörd |
|---|---|
| 5 | Fristående. Någon klistrar in text och får text tillbaka |
| 4 | Ett system, med färdig koppling i verktyget ni redan betalar för |
| 3 | Ett system, via öppet API |
| 2 | Två eller tre system som ska skriva till varandra |
| 1 | Affärssystem utan API, eller egenbyggd mjukvara utan underhåll |
Kontrollfråga: Skulle något behöva skriva tillbaka in i affärssystemet? I så fall är poängen högst 3.
Risk (vikt 15 %, inverterad, vetorätt)
| Poäng | Innebörd |
|---|---|
| 5 | Interna data, intern användning, fel svar upptäcks direkt |
| 4 | Kunddata inblandat, men en människa godkänner före leverans |
| 3 | Går direkt till kund, men i låg-konsekvensärenden |
| 2 | Påverkar pengar, avtal eller leveranslöften |
| 1 | Högrisk enligt AI Act bilaga III (rekrytering, kreditbedömning, biometri), eller känsliga personuppgifter |
Kontrollfråga: Om modellen har fel i 5 procent av fallen — vad kostar det femte procenten? Kan ni inte svara är poängen 2.
Förändringsbehov (vikt 15 %, inverterad, vetorätt)
| Poäng | Innebörd |
|---|---|
| 5 | En eller två personer, som själva har bett om det |
| 4 | En avdelning, positivt inställd, samma arbetsflöde som i dag |
| 3 | En avdelning som måste lära sig ett nytt steg |
| 2 | Flera team, eller en roll vars arbetsinnehåll krymper märkbart |
| 1 | Kräver omorganisation, eller möts av uttalat motstånd |
Kontrollfråga: Vem förlorar något på att det här fungerar? Har ni ingen kandidat har ni inte tänkt klart.
Räkna ut totalpoängen
Totalpoäng = (Affärsnytta × 0,30)
+ (Datatillgång × 0,20)
+ (Integration × 0,20)
+ (Risk × 0,15)
+ (Förändringsbehov × 0,15)
Resultatet ligger mellan 1,00 och 5,00.
| Totalpoäng | Beslut | Vad det betyder i praktiken |
|---|---|---|
| 4,00–5,00 | Starta | Pilot inom två veckor. Tidsbegränsa till 6 veckor |
| 3,50–3,99 | Starta med villkor | Åtgärda den svagaste dimensionen först, sedan pilot |
| 3,00–3,49 | Förstudie | Två veckor, max. Syftet är att höja en specifik siffra, inte att utreda allmänt |
| 2,00–2,99 | Vänta | Lägg i backloggen med en namngiven utlösare ("när vi bytt affärssystem") |
| Under 2,00 | Avstå | Ta bort från listan. Lägg inte tid på att försvara det |
| 1:a på risk eller förändring | Stopp | Veto. Totalpoängen är irrelevant |
Hur faller vanliga småföretagsprocesser ut? Tio exempel, poängsatta
Scorerna nedan är typvärden för ett svenskt företag med 10–50 anställda, färdigköpta molnverktyg och ingen egen utvecklare. Era siffror kommer att avvika. Poängen med tabellen är rangordningen, inte decimalerna.
| Process | Nytta | Data | Integr. | Risk | Förändr. | Totalt | Beslut |
|---|---|---|---|---|---|---|---|
| Mötesanteckningar → uppgifter och beslut | 3 | 5 | 5 | 5 | 5 | 4,40 | Starta |
| Första utkast på kundtjänstsvar (människa skickar) | 4 | 4 | 4 | 4 | 3 | 3,85 | Starta m. villkor |
| Offert- och anbudsutkast från tidigare vunna affärer | 5 | 3 | 3 | 4 | 3 | 3,75 | Starta m. villkor |
| Marknadsinnehåll och produkttexter | 2 | 4 | 5 | 4 | 4 | 3,60 | Starta m. villkor |
| Avtalsgranskning, första genomläsning | 3 | 4 | 4 | 3 | 3 | 3,40 | Förstudie |
| Intern kunskapssökning i handböcker och rutiner | 3 | 3 | 3 | 4 | 4 | 3,30 | Förstudie |
| Leverantörsfakturor: tolkning och konteringsförslag | 4 | 4 | 2 | 3 | 3 | 3,30 | Förstudie |
| Lager- och efterfrågeprognos | 4 | 2 | 2 | 4 | 2 | 2,90 | Vänta |
| Kundtjänstbot som svarar direkt till kund | 4 | 3 | 2 | 2 | 2 | 2,80 | Vänta |
| CV-gallring i rekrytering | 2 | 2 | 3 | 1 | 2 | 2,05 | Stopp (veto) |
Tre saker att läsa ur tabellen.
Det tråkigaste projektet vann. Mötesanteckningar har lägst affärsnytta av de tre översta, men toppar ändå eftersom allt annat är enkelt. Det stämmer med MIT-rapportens observation att backoffice ger bättre avkastning än de projekt som är roligast att demonstrera.
Kundtjänst finns två gånger i listan, med 1,05 poängs skillnad. Samma process, samma data, samma affärsnytta. Skillnaden är var människan står. Utkast till en handläggare ger 3,85. Autonomt svar till kund ger 2,80. Det är det enskilt mest användbara beslutet i hela modellen: ni behöver sällan välja bort en process, ni behöver välja om AI:n föreslår eller beslutar.
CV-gallring stoppas trots godkänd affärslogik. AI i rekrytering klassas som högrisk enligt bilaga III i EU:s AI-förordning. Digital Omnibus om AI, förordning (EU) 2026/1744, trädde i kraft den 27 juli 2026 och sköt upp högriskkraven för fristående system till 2 december 2027. Den uppskjutningen är inte ett grönt ljus. Ett system som ni driftsätter 2027 ska uppfylla kraven på riskhantering, datakvalitet, mänsklig översyn och loggning. Förbuden och kravet på AI-kompetens gäller redan i dag.
Nio stoppkriterier som gäller före varje investering
Kör de här innan ni skriver under något. De är binära. Ett nej är ett nej, inte en riskfaktor att väga in.
- Ingen namngiven processägare. Inte "ekonomiavdelningen". En person med ett efternamn som har mandat att ändra rutinen.
- Ingen baslinje är mätt. Ni vet inte hur lång tid processen tar i dag, hur många ärenden den omfattar per månad eller vad felprocenten är. Utan baslinje kan ni aldrig bevisa effekt — och då blir ni en av de 95 procenten i MIT:s mätning oavsett hur bra lösningen är.
- Volymen är för låg. Under cirka 50 ärenden i månaden äter inlärning, prompthantering och kvalitetskontroll upp vinsten. Räkna om, eller välj en annan process.
- Underlaget finns inte digitalt. Papper, scannade bilder utan text eller kunskap som bara finns i huvudet på två personer. Det är ett digitaliseringsprojekt, inte ett AI-projekt. Bra att göra. Bara inte nu.
- Personuppgifter utan rättslig grund eller biträdesavtal. Inget personuppgiftsbiträdesavtal på plats, oklart var datat behandlas, ingen gallringsrutin. Stopp tills det är ordnat.
- Högriskklassning utan plan. Faller användningen under bilaga III ska ni ha en dokumenterad plan för de krav som börjar tillämpas 2 december 2027, innan ni bygger. Inte efter.
- Ingen definierad avbrytspunkt. Bestäm före start: vilket mätvärde, vilken nivå och vilket datum som innebär att ni lägger ner. Skriv ner det. Ett projekt utan avbrytspunkt läggs aldrig ner, det bara tynar.
- Återbetalningstid över 12 månader. Räkna:
(timmar sparade per månad × timkostnad × 12) ÷ årlig totalkostnad. Totalkostnad betyder licenser plus integration plus intern tid. Under 1,0 — avstå. Små bolag ska inte finansiera treåriga avkastningskurvor. - Ingen väg ut ur leverantörsberoendet. Går era data att exportera i läsbart format? Ligger prompter och konfiguration hos er eller hos leverantören? Vad kostar det att byta om tolv månader? Inget svar är ett stoppkriterium.
Till det kommer en tiondel som inte är ett kriterium utan en vana: sätt projektets slutdatum innan ni sätter dess budget. Sex veckor är tillräckligt för att veta om en pilot bär. MIT noterade att medelstora organisationer tar sig från pilot till full implementering på ungefär 90 dagar, medan storbolagen behöver nio månader eller mer. Ert storleksmässiga övertag är hastighet. Använd det.
Hur hänger det här ihop med AI-mognadstestet?
Poängmodellen svarar på vilket projekt. AI-mognadstestet svarar på vilken sorts projekt ni klarar av. Kör mognadstestet först — det tar åtta minuter och mäter fem dimensioner: strategisk förankring, datamognad och infrastruktur, teknisk kapacitet, organisationskultur och kompetens, samt etik och ansvarsfull AI.
Så här använder vi mognadsindexet (0–100) som grind för projekturvalet:
| Mognadsindex | Vad ni realistiskt klarar | Dimensioner som brukar vara flaskhalsen |
|---|---|---|
| Under 40 | Assisterande verktyg utan integration. Mötesanteckningar, utkast, sammanfattningar. Inga projekt med data- eller integrationspoäng under 4 | Kompetens, strategisk förankring |
| 40–59 | En processnära pilot i taget, med människa i loopen. Kundtjänstutkast, offertunderlag | Datamognad, teknisk kapacitet |
| 60–79 | Integrerade flöden mot ett affärssystem. Fakturaflöden, strukturerad dataextraktion | Teknisk kapacitet, etik och styrning |
| 80 och uppåt | Agenter med handlingsutrymme, flera system, autonoma delmoment | Styrning och uppföljning snarare än teknik |
Två kopplingar är värda att hålla i huvudet.
Datadimensionen i mognadstestet sätter ett tak för hur högt något projekt kan poängsättas på datatillgång. Ligger er datamognad på 40 kan inget enskilt projekt rimligen få 5 på datatillgång, hur det än känns. Samma sak gäller etikdimensionen och riskpoängen.
Och den dimension som ligger lägst i mognadstestet bör vara den ni åtgärdar först, inte den ni försöker kringgå med ett smart projektval. Mognadsindex 2026 visade människor-dimensionen som den svagaste av fyra uppmätta områden. Det stämmer med SCB-bilden: brist på expertis är den enskilt vanligaste orsaken att svenska företag står utanför.
AI-projektkompassen ligger mellan de två. Tretton frågor inom affärsbehov, data, organisation, teknologi och risk, och ni får tillbaka en beredskapsscore med spindeldiagram. Använd poängmodellen i det här dokumentet för att rangordna era kandidater, och kompassen för att trycktesta den som hamnade överst.
Mall: poängsätt era egna kandidater
Kopiera tabellen, en rad per kandidat. Fyll i siffror 1–5.
| Process | Nytta (×0,30) | Data (×0,20) | Integr. (×0,20) | Risk (×0,15) | Förändr. (×0,15) | Totalt | Beslut |
|---|---|---|---|---|---|---|---|
Stoppkriterier — kryssa av för kandidaten som hamnade överst:
- Processägare utsedd med namn: _______________________
- Baslinje mätt (tid, volym, felprocent): _______________________
- Volym per månad: _________ (minst ~50)
- Underlaget är digitalt och åtkomligt
- Personuppgifter: rättslig grund och biträdesavtal på plats
- Högriskklassning bedömd mot bilaga III
- Avbrytspunkt definierad (mätvärde, nivå, datum): _______________________
- Återbetalningstid under 12 månader: _________
- Exportväg ur leverantörsberoendet beskriven
Nio kryss betyder kör. Åtta betyder inte "nästan".
Vanliga frågor
Hur många kandidater bör vi poängsätta? Mellan sex och tolv. Färre än sex och ni har sannolikt redan bestämt er och letar efter stöd. Fler än tolv och poängsättningen blir slarvig.
Vem ska fylla i modellen? Minst tre personer, var för sig, och jämför sedan. Avvikelser över två poäng på samma kriterium betyder att ni beskriver olika processer. Reda ut det före beslutet. Processägaren och någon som faktiskt utför arbetet varje dag bör vara två av de tre.
Vad gör vi om allt landar mellan 2,5 och 3,5? Det är det vanligaste utfallet och det betyder oftast att kandidaterna är för stora. Dela upp dem. "Automatisera kundtjänst" blir 2,8. "Föreslå svar på de tolv vanligaste frågetyperna" blir 3,9.
Kan vi köra två projekt parallellt? Under 20 anställda: nej. 20–50: ja, om de har olika processägare och inte delar samma integration. Två projekt som båda väntar på samma API-koppling är ett projekt med dubbel risk.
Vad gör vi med projekt som fastnar på ett stoppkriterium? Skriv in dem i backloggen tillsammans med vilket kriterium som fällde dem och vad som ska ha hänt för att det ska lyfta. Gå igenom listan en gång per kvartal. Stoppkriterier är inte permanenta — de är bara sanna i dag.
Ska vi bygga själva eller köpa färdigt? Köp färdigt. MIT fann att två tredjedelar av de lyckade projekten skedde hos organisationer som arbetade med en lösningsleverantör i stället för att bygga eget. Gartner konstaterar separat att de flesta organisationer som försöker bygga egna modeller överger försöket på grund av kostnad, komplexitet och teknisk skuld. För ett bolag under 50 anställda är det inte ens en nära fråga.
Nästa steg
- Kör AI-mognadstestet. Åtta minuter, PDF-rapport direkt.
- Lista sex till tolv kandidatprocesser och poängsätt dem med modellen ovan.
- Kör den högst rankade genom AI-projektkompassen och de nio stoppkriterierna.
- Sätt slutdatum. Sex veckor. Sedan beslut: skala, justera eller lägg ner.
Vill ni ha de färdiga mallarna finns de under Mallar och checklistor. Vill ni ha en timme på er egen situation går det att boka via aimognad.se.
Källor
- MIT NANDA, The GenAI Divide: State of AI in Business 2025 (juli 2025) — Aditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari
- SCB, Artificiell intelligens i Sverige 2025 — https://www.scb.se/hitta-statistik/statistik-efter-amne/forskning-och-det-digitala-samhallet/ovrigt/artificiell-intelligens-i-sverige/
- SCB, pressmeddelande Större företag använder AI mer — https://www.scb.se/pressmeddelande/storre-foretag-anvander-ai-mer/
- Gartner, pressmeddelande 29 juli 2024: 30% of Generative AI Projects Will Be Abandoned After Proof of Concept by End of 2025
- Gartner, Hype Cycle for Generative AI 2026
- Europeiska unionen, förordning (EU) 2026/1744 (Digital Omnibus om AI), i kraft 27 juli 2026
- Europeiska unionen, AI-förordningen (EU) 2024/1689, bilaga III
- aimognad.se, AI-mognad – metodik och AI-mognadsindex 2026
Den här guiden är framtagen av aimognad.se. Siffrorna i exempeltabellen är typvärden för svenska bolag med 10–50 anställda och ska justeras mot er egen verklighet. Guiden är inte juridisk rådgivning; bedömning mot AI-förordningen bör göras tillsammans med er jurist.