AI er et ledelsesproblem – ikke et teknologiproblem

De fleste ledelsesteamene jeg jobber med har investert i AI i flere år. Frustrasjonen kommer ikke fra skeptikerne, men fra de som trodde på teknologien – inntil de oppdaget at prosjektene ikke hadde noen klar kobling til bedriftens lønnsomhet. De har pilotprosjekter, internasjonal oppmerksomhet og styresaksrapporter som viser aktivitet. Det de mangler, er en tydelig sammenheng mellom innsatsen og forretningsresultater. I dag er dette gapet uakseptabelt.

Jeg har selv ledet store AI-initiativer, blant annet i dagligvarekjeden Kroger og deres datterselskap 84.51°, der vi bearbeidet millioner av prediksjoner per sekund på tusenvis av butikklokasjoner. Vi målte suksess ut fra marginer, handlekurvstørrelse og kundelojalitet – ikke antall modeller i produksjon eller hvor imponerende pilotene var. Denne erfaringen har formet hvordan jeg ser på hva AI krever av ledelse, og hva de fleste ledere fortsatt gjør feil.

Det er ingen tvil om at AI har betydning. Lederne jeg samarbeider med, sliter med strammere marginer, dyrere kapital og styresaker som krever konkrete resultater – ikke bare veikart. Min erfaring tilsier at gapet mellom investering og avkastning kan lukkes gjennom tre avgjørende tiltak:

1. Verdien må synes på resultatregnskapet

De fleste bedrifter kan fortelle nøyaktig hvor mange AI-modeller de har i drift. Svært få kan svare på hva disse modellene faktisk bidrar med økonomisk. AI kan påvirke både inntekts- og kostnadssiden: bedre personalisering og prisstrategier øker inntektene, mens automatisering og presis prognosering reduserer kostnader og sløsing. Likevel sprer mange investeringene seg over for mange initiativer med liten tilknytning til bedriftens totale verdiskaping. Resultatet blir aktivitet uten reell endring i økonomien.

Det avgjørende spørsmålet er ikke hvor bedriften bruker AI, men hvor AI endrer bedriftens enhetsøkonomi. De fleste organisasjoner klarer ikke å svare på det siste.

2. Hastighet er en undervurdert strategisk fordel

Nesten alle store organisasjoner sitter på mer kunnskap enn de klarer å handle på. Data og innsikt finnes, men avstanden mellom signal og handling er for stor. Beslutningsprosesser er trege, avdelinger opererer med ulike forutsetninger, og når endelig intern enighet er oppnådd, har ofte muligheten allerede passert. Jeg har sett dette skje i finansnæringen: Et team utviklet modeller for å identifisere kunder hos konkurrenter som var mest sannsynlig å bytte til en bestemt tjeneste. Modellene fungerte, men organisasjonen brukte måneder på å ta en beslutning. Da ledelsen endelig handlet, hadde markedsvilkårene endret seg, og de trakk seg ut av segmentet. En ansatt oppsummerte det perfekt:

«Operasjonen var vellykket, men pasienten var død.»

Teknologien fungerte. Men tidspunktet var borte. AI kan lukke dette gapet gjennom raskere rapportering, bedre prognoser og tidlig varsling om avvik. Det handler ikke om å gjøre ting billigere, men om å kunne handle når det betyr noe.

3. Organisatorisk samarbeid avgjør

AI krever mer enn teknisk kompetanse – det krever en kultur der data og innsikt integreres i beslutningsprosesser. Mange bedrifter har siloer mellom avdelinger, der økonomi, markedsføring og drift opererer isolert. AI kan bare realisere sitt fulle potensial når ledere bryter ned disse barrierene og skaper en helhetlig tilnærming.

Løsningen ligger ikke i å ansette flere dataforskere, men i å utvikle en ledelsesstruktur som forstår hvordan AI kan omsettes til forretningsverdi. Lederne må stille de rette spørsmålene: Hvilke beslutninger tar vi raskere takket være AI? Hvor endrer vi enhetsøkonomien? Og hvordan sikrer vi at hele organisasjonen drar nytte av innsikten?

AI er ikke lenger en eksperimentell teknologi – det er en nøkkelressurs for konkurranseevne. Men for å lykkes, må ledere slutte å se på AI som et IT-problem og begynne å behandle det som et strategisk anliggende.