Hur designar vi om processer med AI?

De flesta bolag lyckas inte skapa finansiella resultat av sina AI-initiativ. Samtidigt säger 4 av 5 anställda att AI gör dem mer produktiva. Hur går det ihop och varför är det ett sånt gap?

Jo, för att produktiviteten stannar hos individen. Den som skriver mejl snabbare skriver mejl snabbare. Processen mejlet ingår i har inte ändrats.

De som lyckas skapa resultat gör om sina processer med AI från grunden. Så hur gör man det?

Varför omdesign och varför nu?

Traditionell processförändring byggdes kring en knapp resurs: mänsklig kapacitet. Standardisering, avvikelsehantering, flödesoptimering. Allt gick ut på att få ut mer av samma antal timmar.

Men med agentiska system är utförandet inte längre den knappa resursen eftersom agenter kan arbeta snabbt, autonomt och dygnet runt.

Tänk vad du hade gjort om du hade ett team av agenter med tillgång till relevant företagsdata, som är tränade för specifika ändamål och jobbar dygnet runt, redo att agera på händelser eller när ni vill. Skulle ni bygga processen som den ser ut idag?

Omdesign på 3 nivåer

En omdesign av en process för AI kan ske på olika sätt. Vi kan “lägga på” AI i en befintlig process eller göra om den helt från grunden. Låt oss ta ett konkret exempel, en ledningsgrupps månadsrapport.

Nivå 1: Den traditionella processen

Vi börjar med hur den traditionella processen ser ut och benar ut stegen på ett relativt enkelt sätt.

En eller flera personer samlar in data från filer, inkorgar och system. Sen byggs rapporten i PowerPoint utifrån en mall. Ni analyserar, delar och tar beslut.

Från start till mål tar det ofta över en vecka. När besluten tas är datan minst en vecka gammal. Och det mest värdefulla steget, analysen, klämdes in på slutet.

Nivå 2: Samma process, med AI

Vi tar det en nivå högre och börjar implementera AI i befintlig process.

En agent samlar in data och konsoliderar samtidigt. En annan agent bygger rapporten utifrån en mall, er varumärkesidentitet och hundra tidigare versioner ni skapat.

Analys och beslut fortsätter vara mänskliga. Det är där vi människor är bäst och det är vad rollen blir i en agentisk verksamhet: delegera till agenter, bedöma deras kvalitet och omsätta information till strategi och omdöme.

Den stora vinsten är inte bara att rapporten går fortare, utan att tiden ni la på utförande försvinner och att analys och beslut får plats.

Nivå 3: Fullständig omdesign

På nivå 3 slutar ni fråga hur rapporten produceras snabbare. Ni vänder på flödet.

Agenter bevakar utfallet mot prognos löpande och larmar när något händer i affären. Marginalen faller, kassaflödet skevar, en kostnadspost drar iväg. Notisen kommer direkt så att ni kan agera på den. Beslut fattas på signal, inte på datum.

Det krävs nytänkande och förståelse för AI:s möjligheter för att komma hit. Vänd på det och fråga “vilket resultat är vi faktiskt ute efter?”.

En sak värd att nämna är att nivå 2 inte är fel eller dåligt utan snarare rätt ställe att börja för de flesta. Nivå 3 kräver att ni redan förstår vad agenter klarar och var de inte håller och den förståelsen kommer med erfarenheten.

Stardusts metod i 4 steg

1. Välj process

Många vill transformera en hel avdelning. Bra mål. Men börja med en process inom avdelningen. En process har en start, ett slut och någon som blir besviken när det går fel.

Fem kriterier styr valet: det finns ett tydligt missnöje idag, processen återkommer ofta, utfallet går att beskriva, det finns tillgång till data, och det går att upptäcka när något blir fel.

2. Kartlägg dagens flöde

Kartlägg processen som den faktiskt ser ut. Var data ligger och inte ligger. Var problemen brukar uppstå.

Här kommer nya saker upp. Olika personer gör processen på sitt eget sätt. Godkännandet har flyttat till mejl för att systemet är för långsamt. Det är inte ett fel i kartan, det är kartan.

Se därför till att personen som gör jobbet sitter med, inte bara den som äger processen.

3. Rita det nya flödet

Nu börjar det kreativa arbetet som grundar sig i frågorna “vilket resultat vill vi ha?” och “varför gör vi det här?”.

När ni börjar rita upp nya processen kommer naturliga frågor om vad AI ska göra och vad människan ska göra. Även andra perspektiv vägs in kopplat till data, säkerhet, lagar och regler, budget, KPI:er, SaaS-integrationer och användarupplevelse.

Ni går ur steget med två bilder: hur det ser ut idag, och hur det ska se ut.

4. Bygg, testa, iterera, lansera

Nu börjar bygget där mycket ska till. Agentdesign, städa och strukturera data, val av modeller, kod, begränsningar, säkerhet, spårbarhet, utse ansvariga och utbilda medarbetarna.

Beroende på hur stort projektet är, hur moget teamet är och arkitektur kan det här se olika ut.

När ni testat och validerat att den nya processdesignen uppfyller kraven är det dags att lansera och fortsätta arbetet mot ännu bättre kvalitet och leverans.

2 vanliga frågor

Måste vi inte fixa datan först? Det är den vanligaste anledningen till att det här blir ett långdraget projekt som sedan nedprioriteras. Ni behöver inte perfekt data så länge ni inte ska bygga om hela produktionslinjen.

Vilken plattform ska vi använda? Det bästa för att få med icke-tekniska kollegor är Claude, ChatGPT, Copilot eller Gemini. Ni behöver inte sätta upp OpenClaw och Ollama för att någon i teamet läst att det är coolt.

Början på en resa

Kom ihåg att ni är i början på en resa. Den stora vinsten är inte bara processen ni gör om just nu. Det är att ni lär er göra om processer, förstår möjligheterna med AI och bygger en intern kompetens att delegera till agenter och förstå AI. Sånt som driver er utveckling och konkurrenskraft som företag.

Vi på Stardust hjälper er att välja rätt processer, facilitera omdesignen och bygga agenter som går i drift i er arkitektur. Sen coachar vi er genom förflyttningen, för att få med människorna. Är ni redo? Hör av er.

Källor

Produktivitet och resultat
McKinsey, The state of AI in 2026: On the road to ROI, 25 augusti 2026 (1 719 svarande, 80 % rapporterar förbättrad egen produktivitet, 37 % kan koppla någon EBIT-effekt till AI, 6 % är high performers med minst 5 % av EBIT kopplat till AI)

Antal användningsområden
BCG, From Potential to Profit: Closing the AI Impact Gap, januari 2025 (3,5 mot 6,1 användningsområden, 1 803 chefer)

Kvalitet som vanligaste hindret till drift
LangChain, State of Agent Engineering, juni 2026 (1 340 svar, kvalitet 32 %)

Uppdragsbeskrivning och kontext
Anthropic, Effective context engineering for AI agents · OpenAI, A Practical Guide to Building Agents

Regeln om max två av tre
Spanska dataskyddsmyndigheten AEPD, vägledning om autonoma AI-agenter, mars 2026 · CNIL, note sur les agents IA, juli 2026