Internetdagarna 2025 till ända - här är det viktigaste från vårt spår om AI

Det var en fantastisk dag vi fick uppleva, denna gång hemma hos Internetstiftelsen i studior uppbyggda på olika ställen i deras lokaler.

DigJourney hade alltså fått äran att tillsammans med Paulina Modlitba leda AI-spåret med fokus på HUR man gör för att lyckas. Tre fokuspass genomfördes:

1. Organisationerna som lyckats med AI – vad har de gemensamt?
2. AI-ledarskap – vad är det och vad krävs för att lyckas?
3. Workshop: verktygen du behöver för din AI-resa

Nedan är en sammanställning som gjorts baserat på de tre passen och insikterna är klustrade så det är en blandning mellan olika pass.

Håll till godo!

1. Ledarskap i komplexitet – framtiden är både och

Från: Mercedes Nadjafi

Transformation i en AI-era är aldrig linjär. Det är alltid både och: människa och teknik, struktur och kultur, lång sikt och kort sikt.

Mercedes Nadjafi lyfte tre avgörande perspektiv:

• Självledarskap handlar om prioriteringar, inte om tid.
• Framtidens organisationer behöver tvärdisciplinära arbetssätt och fractional leaders som tillför blicken utifrån.
• AI kräver att vi vågar se runt hörnet och tänka i helt nya förmågor och roller.

En sak var extra tydlig i hennes budskap: Vill vi ha andra resultat än de gamla vanliga, så måste vi också arbeta på andra sätt.

2. Vad forskningen säger om vad som är viktigt för att lyckas med AI

Från Charlotta Kronblad som betonade tre framgångsfaktorer för ledare som vill navigera rätt inom AI:

1. Teknikförståelse – vad AI är och inte är.
2. Strategic alignment – juridiken måste integreras med verksamheten.
3. En kultur där människor får vara mänskliga, göra fel och lära.

Hon var också tydlig: Att inte transformera är ofta den största risken av alla.

3. Mod, lärande och nya sätt att se på misslyckanden

Från: Åsa Zetterberg och Lenita Wenström

Mod blev en röd tråd genom hela dagen.

Åsa Zetterberg myntade uttrycket som många tog med sig hem: ”Sätt ljus på ljuset.” Det innebär att ledare behöver lyfta fram goda exempel och förstärka effekterna av det som fungerar. En metod som gör just detta är Appreciative Inquiry (brukar kallas för styrkebaserat ledarskap på svenska)

Lenita Wenström från PostNord visade vad som händer när lärande blir något man skrattar åt tillsammans. Genom att visa humoristiska AI-transkriberingsmissar minskade de rädslan, ökade tryggheten och gjorde tekniken mindre hotfull.

Chatten bidrog med en av dagens mest minnesvärda formuleringar: ”Lyckande är ett missat lyckande.” Tack Conny!

När organisationer slutar skambelägga misstag och i stället använder dem som data blir lärandet både snabbare och djupare.

4. Effekthemtagning och modet att sluta göra

Från: Henrik Palmblad och Johan Eriksson

Henrik Palmblad från Nacka kommun gav en tydlig bild av vad som händer när AI implementeras på riktigt. Kortare handläggningstider, smartare arbetsprocesser och betydande resursbesparingar var bara början.

Johan Eriksson, CTO på SVT och tidigare på Google, förklarade varför effekt kräver hårda prioriteringar. En bra strategi gör ont – för den väljer bort.

Han gav tre tydliga råd:

• Ha så få nyckeltal som möjligt, helst ett (!) och optimera kraften mot det.
• Fråga medarbetarna vad de hatar mest i sitt jobb. Automatisera just det. Det kommer de älska.
• Bygg riktningen kring användarvärde, inte utifrån teknik.

Det är först när vi slutar göra vissa saker som vi får utrymme att driva verklig förändring, riktig AI-transformation. En metod man kan ha hjälp av här är 3-box-model - ett enkelt och effektfullt sätt att sortera vad vi bör fortsätta med (nutid), sluta göra (dåtid) och börja göra (framtid).

5. Juridiken är inte hindret – kompetensbristen är det

Ytterligare ett perspektiv från Charlotta Kronblad som är jurist i grunden gav ett välbehövligt perspektiv på juridikens roll i AI-resor. Hennes budskap var enkelt och viktigt:

• Problemet är sällan lagstiftningen.
• Problemet är bristande kompetens.
• Jurister med AI-förståelse hittar vägar framåt, inte ursäkter för att säga "nej".

6. Beteende och kultur som fundament i AI-transformation

Från: Johan Eriksson och Lenita Wennström

AI-verktyg gör ingen skillnad om inte beteenden förändras. Johan Eriksson sammanfattade det träffsäkert: ”Allt handlar om beteendevetenskap.”

Organisationer som lyckas:

• Bygger lärande strukturer, inte ad hoc-kunskap.
• Skapar tydlighet kring vilka verktyg som gäller.
• Tillåter misslyckanden och uppmuntrar experiment.
• Ser förändring som ett konstant tillstånd, inte som ett projekt.

Lenita Wennström betonade balansen mellan high tech och high touch – att tekniken aldrig får bli så effektiv att människor tappar trygghet.

7. Paulina Modlitba – Så här får du en AI-pilot att lyckas!

Paulina Modlitba gav konkreta och operativa genomgångar av varför så många AI-satsningar fastnar – och vad ledare kan göra åt det.

McKinseys färska siffror:

• 88 % använder AI i minst en affärsfunktion.
• Men 62 % sitter fast i experiment- eller pilotläget.

Paulinas slutsats var tydlig: Organisationer behöver inte fler tester. De behöver bättre integration.

Där värde uppstår

Hon visade modellen som fångar kärnan: överlappet mellan vad AI kan göra och vad som skapar värde i verksamheten. Det är endast där transformation blir verklighet.

NAFTA-modellen

Ett av hennes centrala bidrag var NAFTA, en metod för att välja rätt AI-piloter:

• Need: Utvärderar om problemet eller behovet är verkligt, prioriterat och värt att lösa.
• Alignment: Bedömer hur väl initiativet stödjer strategi, mål och verksamhetsprioriteringar.
• Financials: Analyserar kostnader, besparingar, ROI och affärsnytta.
• Technology: Bedömer teknisk genomförbarhet, datatillgång och komplexitet.
• Assessment: Identifierar risker, beroenden och förutsättningar för lyckad implementation.

NAFTA hjälper organisationer att undvika ”cool teknik”-fällan och i stället satsa på projekt som faktiskt skapar nytta.

Varför projekt misslyckas (angående den kritiserade rapporten från MIT som säger att 95 % av generativa AI-protoyper misslyckas)

Paulina lyfte tre stora fallgropar:

1. Dålig integration med befintliga processer.
2. Ett strategiskt learning gap – kulturen och systemen hänger inte med.

För breda satsningar – framgångarna finns i de nischade, väl definierade problemen.

Och en viktig detalj: Det är inte AI-modellerna som fallerar. Det är organisationernas förmåga att ta emot dem.

8. Struktur för framgång – de fyra parallella processerna

Från: Joakim Jansson och Kim Törnqvist

Joakim Jansson beskrev varför 70–80 procent av transformationsinitiativen misslyckas. Hur man förbättrar oddsen:

• Förstå tekniken (AI): vilka förmågor har AI? Hur kan dessa förmågor skapa effekter som vi vill åt?
• Helhetssyn där AI inte är ett IT-projekt och där det stöttar den övergripande strategin
• Lärandekultur: Att våga misslyckas
• Sätt grunderna: processer, data och system
• Sense of urgency (förändringsvilja): grunden i förändring ligger i att man vill förändras och agerar för det
• Psykologisk trygghet: stora kliv kräver tillit för att kunna få människor att bli bästa versionen av sig själva och våga utmana konventioner
  
  Ytterligare en viktig sak är god struktur i förändringsarbetet. En undersökning visar att man då kan öka sannolikheten att lyckas med upp till 7 gånger. Ett viktigt sätt att ha struktur är att använda sig av ett ramverk eller en metod. DigJourneys ramverk består av fyra parallella processer som måste äga rum samtidigt:

1. Identifiera och planera.
2. Engagera människor.
3. Bygga förmågor och lärande.
4. Göra, testa och iterera.

Kim Törnqvist, som tillsammans med DigJourney är delägare i SaaS-plattformen Changemkr visade hur den använder AI för att mäta mognad, identifiera skav och skapa aktivitetsplaner. Det gör AI-transformationen mer strukturerad, snabbare och tryggare – särskilt för organisationer med många rörliga delar.