Så skapar du ett AI-business case

Börja med problemet, inte AI-lösningen

”Vi vill införa generativ AI i kundservice” är inte ett business case. En bättre formulering är: ”Vi vill minska tiden för första utkast till svar på återkommande B2B-frågor utan att öka felgraden.” Då blir AI en möjlig metod, inte målet.

Välj en process där volym, återkommande mönster och kvalitet går att mäta. Exempel är offertunderlag, dokumentgranskning, intern kunskapssökning, klassificering av supportärenden eller sammanfattning av avvikelser.

Ett industribolag kan exempelvis testa om tekniska offertbilagor går från 90 till 45 minuters förberedelsetid, baserat på godkända mallar och produktdata, med fortsatt manuell granskning av sälj och teknik.

Sätt en baslinje före kalkylen

Utan baslinje blir kalkylen en gissning. Mät hur många ärenden eller dokument som hanteras, hur lång tid de tar, hur ofta fel och kompletteringar uppstår och vilka roller som deltar. Ett tvåveckors urval kan räcka för att få ett användbart nuläge.

Dokumentera volym, genomsnittlig tid, variation mellan enkla och svåra fall, intern kostnad, felgrad, omarbete och kundpåverkan. Då går det att skilja verklig förbättring från en demo som bara känns snabb.

OECD:s principer för pålitlig AI betonar transparens, robusthet och ansvar. För ett business case betyder det att nyttan måste beskrivas tillsammans med hur kvalitet, kontroll och ansvar ska följas upp.

Bygg business caset med sex delar

En praktisk modell innehåller nytta, baslinje, kostnader, risker, ägarskap och mätning. Nyttan ska kopplas till en process. Baslinjen visar nuläget. Kostnaderna omfattar både teknik och förändringsarbete.

Riskdelen beskriver vad som kan gå fel: felaktiga svar, läckage, diskriminering, bristande spårbarhet eller överautomation. Ägarskapet visar vem som ansvarar för process, data, teknik och kontroll. Mätningen definierar vad som ska följas under pilot och drift.

NIST AI RMF är användbar eftersom den behandlar risk genom hela livscykeln. ISO/IEC 42001 bidrar med ledningssystemsperspektivet: ansvar, processer, uppföljning och kontinuerlig förbättring måste finnas även efter lansering.

Räkna på både hårda och mjuka nyttor

Tidsbesparing är enkel att förstå men lätt att överskatta. Frigjord tid blir inte automatiskt en lägre kostnad. Den kan i stället bli snabbare svar, högre kvalitet eller större kapacitet utan nyrekrytering. Beskriv vilken effekt företaget faktiskt tänker ta hem.

Mjuka nyttor behöver också göras konkreta. ”Bättre beslutsstöd” kan översättas till färre kompletteringar, jämnare dokumentation eller minskad variation i handläggningen. ”Högre kvalitet” bör ha ett mätbart uttryck.

Räkna inte bort expertgranskning om AI bara skapar ett utkast. Räkna i stället på minskad förberedelsetid, färre fel och snabbare väg till ett granskat resultat.

Mät efter införande och våga stoppa

Business caset ska innehålla en mätplan för pilot, skalning och drift. Under piloten testas en avgränsad process och tydliga kvalitetskriterier. Vid skalning kontrolleras om effekten håller när fler användare, fler datatyper och fler undantagsfall tillkommer.

Mät både effekt och kontroll: ledtid, kostnad, kvalitet, ändrade eller avvisade AI-förslag, incidenter, eskaleringar och policyavvikelser. Dokumentera också andra förändringar som sker samtidigt, annars kan AI få äran eller skulden för fel effekt.

Sätt beslutspunkten i förväg. Exempelvis: efter åtta veckor krävs kortare hanteringstid, oförändrad eller bättre kvalitet och inga allvarliga dataincidenter. Om kraven inte nås ska lösningen justeras eller stoppas.

Enkel modell för AI-business case

Vanliga misstag att undvika

Undvik att räkna aktivitet som resultat, att låta licenspriset representera hela investeringen eller att skala en pilot innan ansvar, datagränser och mätning fungerar. Ett AI-initiativ ska kunna förklara både nyttan och kontrollen.

Dokumentera antaganden tydligt. När ett antagande ändras — exempelvis volym, leverantör, data eller granskningsbehov — ska kalkylen och riskbedömningen uppdateras.