Hur mäter man AI-mognad?

Att mäta AI-mognad handlar inte om att räkna licenser eller fråga it-avdelningen hur det går. En organisations förmåga att få nytta av AI sitter i flera delar samtidigt, i strategin, i ledningen, i kompetensen och i vardagsanvändningen, och en mätning som bara tittar på en av delarna ger en missvisande bild. I den här artikeln går vi igenom vilka områden en mätning bör täcka, vilka mognadsnivåer den brukar landa i och vad du gör med resultatet. Vad begreppet AI-mognad betyder i grunden har vi skrivit om i en egen artikel.

👉 Vad är AI-mognad?

Vad ska en mätning av AI-mognad täcka?

En bra mätning tittar på hela organisationen, inte bara på tekniken. När vi bedömer företags AI-mognad väger vi samman nio områden, och tillsammans fångar de skillnaden mellan ett företag som råkar använda AI och ett företag som är redo att få nytta av den.

1. Vision och strategi. Här bedöms om det finns en tanke om vad AI ska göra för verksamheten, eller om allt sker på eget initiativ. Utan riktning förblir även lyckade experiment isolerade öar.
2. Ledningens stöd. Här syns om ledningen driver frågan med tid och resurser eller om den lever på enskilda medarbetares engagemang. Utan ledningens stöd stannar utvecklingen när eldsjälarna byter jobb.
3. Medarbetarnas inställning. Nyfikenhet och skepsis smittar båda två. Skepsis är ofta ett symptom på osäkerhet, och den försvinner sällan av sig själv.
4. Kompetensutveckling. Skillnaden mellan strukturerad utbildning och ett enstaka inspirationspass är stor. Ett föredrag väcker intresse men bygger ingen förmåga.
5. Kompetensnivå. Det viktiga är inte bara vad medarbetarna kan idag utan hur jämnt kunskapen är spridd. Många företag har hög kompetens hos ett fåtal och nästan ingen hos resten.
6. Verktyg och licenser. Frågan är om alla som behöver har tillgång till rätt verktyg genom företaget, eller om folk använder egna konton. Egna konton betyder att företagets information hanteras utanför företagets kontroll.
7. Praktisk användning. Mognad syns i vardagen, inte i pilotprojekten. Att AI används regelbundet av flera team väger tyngre än att några få experimenterar på egen hand.
8. Säkerhet och riktlinjer. Medarbetarna behöver veta vad de får och inte får göra med AI, särskilt med känslig information. Riktlinjer är skillnaden mellan att utforska tryggt och att chansa.
9. Effekt och resultat. Det som inte mäts går varken att försvara eller förbättra. Uppföljningen visar vilka satsningar som ger något och vilka som bara kostar tid.

Områdena hänger ihop. Ett företag som köper licenser till alla utan att utbilda får verktyg som inte används. Ett företag som utbildar utan riktlinjer får användning utan skyddsnät. Det är därför en mätning behöver täcka alla nio, och det är också därför resultatet blir mer användbart än en allmän känsla av att ”vi borde göra mer med AI”.

De fyra mognadsnivåerna

Svaren på de nio områdena vägs samman till en mognadsnivå. Vi använder en skala med fyra nivåer, från Avvaktande till Föregångare, och varje nivå beskriver ett igenkännbart läge i utvecklingen.

Nivå 1. Avvaktande

Ett avvaktande företag är tidigt i utvecklingen. Få eller inga tydliga steg har tagits, det finns ingen strategi och ingen strukturerad utbildning, och de som testar AI gör det på eget bevåg. Här finns ofta en outtalad oro, medarbetare som inte vågar använda verktygen eftersom ingen har sagt vad som gäller. Potentialen är samtidigt stor, för ett avvaktande företag har allt framför sig och kan bygga rätt från början.

Nivå 2. Engagerat

Ett engagerat företag har börjat. Intresset har vaknat, ledningen ger visst utrymme och det finns initiativ på gång, men arbetet är ännu inte organiserat. Det är ofta enskilda eldsjälar som driver frågan medan resten av organisationen tittar på. Engagerat är den vanligaste nivån bland svenska företag vi mätt, och det typiska engagerade företaget har nyfikna medarbetare, ojämn kompetens, inga centrala licenser och inga riktlinjer.

Nivå 3. Drivande

Ett drivande företag arbetar aktivt med AI och tar tydliga steg framåt. Flera initiativ är igång samtidigt, användningen har spridit sig till flera team och företaget börjar se resultat. Allt är sällan jämnt utvecklat, ofta ligger något område efter, till exempel uppföljningen eller riktlinjerna, men riktningen är tydlig och arbetet har gått från enskildas engagemang till organisationens.

Nivå 4. Föregångare

En föregångare har AI invävt i verksamheten. Strategin används och ses över, ledningen driver frågan, medarbetarna har utbildats brett, alla har tillgång till rätt verktyg och riktlinjerna är kommunicerade. Användningen är en naturlig del av det dagliga arbetet. Det betyder inte att arbetet är klart. Även föregångarna har nästa steg, ofta att gå från bred grundkompetens till spetskompetens och att mäta effekterna på riktigt i stället för att lita på känslan.

Så går mätningen av AI-mognad till

Det vanligaste sättet att mäta AI-mognad är en strukturerad självskattning. Företaget svarar på ett antal frågor, en per område, där varje fråga har fasta svarsalternativ som beskriver olika lägen. På frågan om riktlinjer kan alternativen till exempel spänna från ”vi saknar riktlinjer för ansvarsfull AI-användning” till ”vi har väletablerade riktlinjer med kontinuerlig uppföljning och utbildning”. Svaren poängsätts, och summan placerar organisationen på en av nivåerna.

I vårt eget test är det nio frågor som tar tre till fem minuter att besvara, och svaren vägs samman till en poäng på en skala upp till 50. Nivån får du direkt, och därefter skriver vi en rapport med nulägesanalys, riskområden och prioriterade nästa steg, anpassad efter verksamheten och branschen, inom en arbetsdag.

En mätning av det här slaget är ett första steg, inte en fullständig genomlysning. Det finns företag som arbetar uteslutande med AI-mognad och gör betydligt mer långtgående bedömningar, med intervjuer och granskning av processer och system. Vårt test är gjort för något annat, att snabbt ge en ärlig bild av läget och en gemensam utgångspunkt för samtalet om nästa steg.

En självskattning har en inbyggd svaghet som är värd att känna till. Den mäter självbilden, och självbilden stämmer inte alltid med verkligheten. Vi har sett företag vars testsvar placerade dem tidigt på skalan samtidigt som de offentligt genomfört riktiga AI-projekt. Det är sällan fel i svaren, utan ett tecken på att det finns fickor av hög kompetens som inte har spridits eller förankrats i organisationen. Klyftan mellan vad några kan och vad organisationen har byggt struktur för är i sig ett av de viktigaste fynden en mätning kan ge. Därför bör den som svarar tänka på hela organisationen, inte på sig själv eller sitt eget team, och därför är analysen som följer på svaren minst lika viktig som poängen.

Vad visar mätningarna om svenska företag?

Vi har bedömt svenska organisationer i olika storlekar och branscher, och mönstren i underlaget är tydliga.

Den vanligaste nivån är Engagerat, där ungefär två av tre hamnar. Betydligt färre är Avvaktande, och bara ungefär var femte organisation når Drivande eller Föregångare. Svenskt näringsliv har med andra ord vaknat, men de flesta har inte hunnit bygga strukturen än.

Det svagaste området i hela underlaget är uppföljningen. En majoritet av företagen mäter inte effekterna av sina AI-satsningar alls, och räknar man in dem som bara samlar enstaka exempel saknar ungefär fyra av fem en riktig uppföljning. Det gäller för övrigt även högt upp på skalan, att gå från ”vi känner att det hjälper” till ”vi vet vad det ger” är ofta nästa steg även för företag som kommit långt.

Näst svagast är riktlinjerna. Tre av fyra företag saknar riktlinjer för AI-användning eller har bara informella regler, samtidigt som det vanligaste läget för verktyg är att medarbetare testar på egen hand utan centrala licenser. Den kombinationen, användning utan ramar, är den enskilt vanligaste riskflaggan i våra rapporter. Strategin ligger inte långt efter, två av tre företag har ingen AI-strategi eller har bara börjat prata om behovet.

Det är också där vi ofta kommer in. Inför en utbildningssatsning är det vanligt att vi först hjälper till med en AI-strategi, och när vi sedan berättar om den under utbildningen brukar det väcka både tankar och känslor. Poängen är inte att gå igenom dokumentet rad för rad, utan att ge medarbetarna de stora dragen, förklara varför de är viktiga och uppmuntra dem att läsa strategin själva.

👉 Vad är en AI-strategi?

Vad gör du med resultatet?

En mognadsnivå är bara användbar om den leder till rätt nästa steg, och rätt nästa steg beror på var du står. Det här är den prioritering vi oftast landar i.

För ett avvaktande företag är riktlinjerna det första steget, före både strategi och utbildning. Enkla, tydliga regler för vad medarbetarna får göra med AI skapar tryggheten som krävs för att någon över huvud taget ska våga börja, och de minskar risken att känslig information hamnar fel medan organisationen utforskar.

För ett engagerat företag handlar det om att gå från eldsjälar till organisation. En enkel AI-strategi som kopplar tekniken till affärsmålen, grundutbildning som når alla i stället för några få, och centrala licenser så att användningen flyttar in i företagets kontrollerade miljö.

För ett drivande företag är nästa steg systematik, att sprida arbetssätten som fungerar från de team som hittat dem till resten av organisationen och att börja följa upp effekterna med enkla mätvärden, till exempel sparad tid per vecka i en viss process.

För en föregångare handlar det om djup och bevis. Kompetensen ska vidare från bredd till spets, och uppföljningen från pilotmätvärden till att kunna visa vad AI-arbetet faktiskt ger i kvalitet, effektivitet och kundvärde.

Oavsett nivå är mönstret detsamma. Mätningen är inte betyget, den är startpunkten. Företag som vet var de står slipper lägga kraft på fel saker, som att köpa fler licenser när problemet är att ingen vet vad de får användas till.

Hur ofta bör man mäta AI-mognad?

AI-utvecklingen går fort, och en mätning är en ögonblicksbild. Vill du se effekten av en utbildningsinsats är det bästa att mäta två gånger tätt inpå, en gång före insatsen och en gång ungefär en månad efter, så att du får en tydlig före- och efterbild. Saknas en mätning från före insatsen fungerar det också att mäta några månader efteråt, när de nya arbetssätten hunnit sätta sig. För en mer allmän lägeskoll räcker det med en mätning per halvår eller år. Att mäta utan att ha gjort något emellan ger mest samma svar en gång till.

Vill du veta var ert företag står? Gör vårt kostnadsfria AI-mognadstest, så får ni er mognadsnivå direkt och en rapport med nulägesanalys, riskområden och nästa steg inom en arbetsdag.