Vad AI faktiskt flyttar — och vad det inte gör.

Under de senaste två åren har samtalen med kunder börjat på ett nytt sätt. Allt fler kommer med något som redan fungerar: en rapport i Power BI som de satte ihop på en eftermiddag, en applikation i Power Apps som löser ett konkret problem eller en datamodell som de byggt med hjälp av ett AI-verktyg som visste vilka steg som behövdes.

Det är bra på riktigt. Tröskeln för att komma igång har sjunkit, och det har aldrig varit så billigt att utforska ett problem utan att ta in en konsult. En del verksamheter har dessutom löst problem som de annars aldrig hade haft råd att ta tag i.

Det AI-verktygen framför allt har ändrat är den grundläggande konstruktionen, alltså att skriva standardkod, sätta upp grundstrukturen och lära sig en teknik tillräckligt för att komma igång. Sådant som förut tog veckor tar nu timmar.

En del av arbetet har AI däremot inte ändrat nämnvärt, och det är ofta den tyngsta delen. Någon måste ta reda på hur verksamheten faktiskt fungerar: vilka undantag som finns, vilka system som hänger ihop med vilka, var affärslogiken från för tio år sedan sitter och vad som händer i de specialfall som aldrig dokumenterades. Det kräver att någon pratar med era medarbetare och läser den befintliga koden, och den kunskapen har ingen AI-modell på förhand.

Arkitekturvalen kostar också vad de alltid har kostat. Hur en dataplattform struktureras, vilka integrationsmönster som används och hur säkerheten byggs upp är beslut som får följder i flera år. För att fatta dem rätt behöver man ha sett vad som håller och vad som ställer till problem längre fram.

Compliance och säkerhet har inte heller blivit enklare. Kraven är snarare mer komplexa nu än för fem år sedan, och det blir kännbart när de hanteras fel. Sen kommer förvaltningen, att hålla systemet uppdaterat när verksamheten ändras, och den är precis lika krävande som den alltid har varit.

Den praktiska följden är att kalkylen för att bygga ett system ser annorlunda ut 2026 än den gjorde 2022. Det kostar mindre att ta ett problem från idé till en första fungerande version, så projekt som tidigare var för dyra att ta sig an är nu möjliga att genomföra.

Däremot krävs lika mycket arbete som förut för att göra systemet redo för produktion och anpassat till hur ni faktiskt arbetar. Den delen tar fortfarande tid och kräver erfarenhet, och det är den som avgör om ni har ett system eller en avancerad demo.

För vår del har AI öppnat för fler samtal, eftersom det är lättare att komma igång och snabbare att visa ett första resultat. Samtidigt väger partnerns del tyngre nu när själva konstruktionen inte längre dominerar arbetet. Någon behöver hjälpa er att fatta arkitekturbesluten och ta systemet hela vägen till produktion, och det förutsätter att ni först har rett ut hur verksamheten faktiskt fungerar.

Vi vill vara raka med det här. Ni kan bygga mycket mer själva nu, och en liten IT-avdelning med bra AI-verktyg klarar saker som tidigare krävde ett konsultteam i flera månader.

Där vi gör nytta är i det som kräver mer än verktygen ger av sig själva: beslut som ställer till problem om de blir fel, integrationer mot system med egna regler och beteenden, och ansvaret för att hålla systemet igång år efter år. Vi har också sett tillräckligt många varianter av det här för att veta var fällorna brukar ligga.

Har ni redan en prototyp eller en rapport som fungerar är den en bra utgångspunkt. Ta med den till första samtalet, så går vi tillsammans igenom vad som behövs för att den ska klara produktion och förvaltning.