Under 70- och 80-talet revolutionerade japanska bilmärken som Toyota hur världen såg på kvalitet. Med metoder som Lean och Six Sigma skapades en kultur där alla medarbetare förväntades förstå processer, mäta variation och bidra till förbättring. Det handlade om mer än teknik – det handlade om analys, ansvar och gemensam förståelse.
Idag pratar vi om agentic AI – en ny typ av artificiell intelligens som inte bara assisterar, utan agerar självständigt. AI som kan fatta beslut, hämta data, ta initiativ och genomföra arbetsuppgifter på egen hand. Man skulle kunna jämföra det med automatisering, men med den stora skillnaden att det inte är hårdkodade regler.
”För att lyckas med agentic AI, behöver man ha förståelse för samma grundprinciper som formade en tidigare industriell revolution.”
Digitalisering handlar fortfarande om människor, processer och analys
Det är lätt att dras med i de tekniska möjligheterna. Men vare sig vi automatiserar med AI eller effektiviserar med nya verktyg, behöver grunden vara stabil:
✔️ Tydliga processer
✔️ Tillförlitliga data
✔️ Mätbara effekter
✔️ Människor som förstår och kan agera på insikter
Skillnaden idag är skalan. Vi har mer data, fler verktyg och snabbare utvecklingscykler, men ibland mindre gemensam förståelse för hur allt hänger ihop.
Visionen om datadrivna organisationer kräver data literacy
Data literacy är inte ett modeord – det är ett grundläggande skikt i en digital organisation: en tvärvetenskap, mer än att bara förstå siffror och data. Data literacy innebär att kunna resonera kring datakvalitet, analysera konsekvenser och se datans roll i verksamheten. Syftet med data literacy är att lyckas bli datadriven, vilket kräver samarbete mellan teknik, verksamhet, analys och kommunikation.
Många av de klassiska metoderna, som Lean och Six Sigma, adresserade data och samarbetet långt innan begreppet data literacy ens fanns. De byggde en kultur där alla bidrog till förbättring utifrån gemensam kunskap. Det är samma sak vi behöver idag. En agentisk AI utan tydliga processer och datalitterata användare riskerar att skapa mer förvirring än värde.
Tekniken utvecklas – men helheten avgör
Agentic AI är ett exempel på nästa steg i den digitala utvecklingen. Tekniken kan automatisera hela arbetsflöden, men den kräver mer än teknik. Den kräver att vi förstår processen, datagrunden och vad som faktiskt är värde i en organisation. Den kräver att vi mäter effekter, hanterar risker och bygger för långsiktig förändring.
Detta synsätt gäller inte bara AI eller rapporter, det gäller hela den digitala transformationen. Att bli en datadriven organisation är inte en fråga om vilket verktyg man väljer eller hur många rapporter som finns. Datadriven är till mycket en kulturfråga där ledarskapet spelar en avgörande roll.
Precis som för 70 år sedan är det helheten som avgör, inte bara tekniken.
Vill du fördjupa dig i hur ni kan förbereda verksamheten för AI i arbetsflöden? Jag har satt ihop en praktisk guide med checklistor och tips för att lyckas med agentic AI.
📘 ”Tänk på det här när ni planerar att effektivisera med agentic AI”
