AI-kapacitet utan organisatorisk smidighet? Du missar hälften av värdet

Din organisation investerar i AI-verktyg. Ni köper in system för schemaläggning, riskanalys och resursoptimering. Men värdet uteblir. Känner du igen dig? Du är inte ensam.

En banbrytande studie publicerad i International Journal of Managing Projects in Business avslöjar varför 70% av organisationer rapporterar minimal påverkan från sina AI-investeringar och varför 87% av AI-projekt aldrig når produktion. Svaret är inte bristande teknologi – det är bristen på AI-kapacitet kombinerat med organisatorisk smidighet.

Vad är egentligen AI-kapacitet?

Här är den avgörande insikten som de flesta organisationer missar: AI-kapacitet är inte samma sak som AI-teknologi.

Forskarna, som analyserade data från 167 erfarna projektprofessionella i fem branscher, definierar AI-kapacitet som din organisations förmåga att välja, orkestrera och utnyttja AI-specifika resurser för att skapa affärsvärde. Detta består av tre kritiska dimensioner:

Materiella resurser (Tangible Resources):

• Data och datainfrastruktur
• AI-teknologi och algoritmer
• Grundläggande IT-infrastruktur

Mänskliga resurser (Human Resources):

• Affärskompetens som förstår projektbehov
• Teknisk AI-expertis
• Kombinationen av dessa två

Immateriella resurser (Intangible Resources):

• Tvärfunktionellt samarbete mellan avdelningar
• Förmåga att hantera organisatorisk förändring
• Kultur av risktagande och experimentering

Studien visar att alla tre dimensionerna måste finnas på plats. Du kan ha världens bästa AI-teknologi, men utan människor som kan använda den och en kultur som tillåter experimentering, kommer du ingenstans.

Den saknade länken: Organisatorisk smidighet

Men här kommer den riktigt intressanta upptäckten: även när du har alla tre dimensioner av AI-kapacitet på plats, skapar de inte automatiskt värde. Det krävs en katalysator – organisatorisk smidighet.

Forskningen visar att organisatorisk smidighet fungerar som en mediator mellan AI-kapacitet och faktiskt projektvärderealisering. Med andra ord: AI-kapacitet → Organisatorisk smidighet → Projektvärde.

Organisatorisk smidighet innebär två saker:

• Flexibilitet: Förmågan att förutse och förbereda sig för förändring
• Anpassningsbarhet: Kapaciteten att göra snabba, informerade justeringar baserat på miljöförändringar

När din organisation är smidig kan den översätta AI-kapacitet till konkreta projektfördelar genom att snabbt anpassa affärsmodeller, processer och intressentengagemang i realtid.

Tre faser av projektvärde som AI påverkar

Studien identifierar tre distinkta processer där AI-kapacitet, förstärkt av smidighet, skapar värde:

1. Värdeskapande (Value Definition)

Detta handlar om att identifiera och förstå vilket värde projektet ska leverera till intressenter.

Hur AI-kapacitet hjälper:

• Djupare insikter i kundbehov genom data mining
• Marknadsundersökningar som analyserar enorma datamängder
• Natural Language Processing för att tolka och prioritera intressentkrav
• Optimering av projektportföljval baserat på potentiell lönsamhet

Praktiskt tips: Använd AI för kravhantering tidigt i projektet. NLP-verktyg kan hjälpa dig att extrahera och prioritera verkliga behov från intressentintervjuer, vilket minskar risken för missförstånd senare.

2. Värdeskapande (Value Creation)

Detta omfattar att säkerställa att projektet levererar avsedda resultat och mätbara fördelar.

Hur AI-kapacitet hjälper:

• Schemaplanering med neurala nätverk och genetiska algoritmer
• Kostnadsestimering och cashflow-prognoser
• Resursoptimering med Ant Colony-algoritmer
• Riskbedömning och urval av mitigeringsåtgärder
• Prognostisering av färdigställandedatum och potentiella hinder

Praktiskt tips: Börja med en process som konsumerar mycket tid, som resursallokering. Testa AI-baserade optimeringsverktyg på ett pilotprojekt och dokumentera tidsbesparingar och förbättrad precision.

3. Värdefångande (Value Capture)

Detta avser organisationens förmåga att behålla en del av det värde som skapas, både monetärt och icke-monetärt.

Hur AI-kapacitet hjälper:

• Kostnadsestimering med högre precision baserad på historisk data
• “What-if”-simuleringar för beslutsfattande
• Optimering av projektfinansiering med evolutionära algoritmer
• Förbättrad kundlojalitet genom personaliserade tjänster
• Kunskapshanteringssystem som bevarar insikter

Praktiskt tips: Implementera ett AI-drivet system för att fånga lärdomar från varje projekt. Machine learning kan automatiskt identifiera framgångsrika mönster och varningar, vilket förbättrar framtida projektprestanda.

Så bygger du verklig AI-kapacitet (inte bara köper AI-verktyg)

Baserat på forskningens fynd, här är din konkreta handlingsplan:

Steg 1: Utvärdera dina tre dimensioner Gör en ärlig audit av var du står:

• Materiellt: Har vi rätt data, infrastruktur och verktyg?
• Mänskligt: Har vi både affärs- och teknisk AI-kompetens?
• Immateriellt: Tillåter vår kultur tvärfunktionellt samarbete och risktagande?

Identifiera dina största gap. Forskningen visar att kvaliteten på din AI-kapacitet beror på de underliggande resurserna – alla tre dimensioner måste vara starka.

Steg 2: Investera strategiskt, inte bara tekniskt Sluta tro att AI-adoption endast är en teknisk fråga. Studien visar tydligt att 70% av organisationer misslyckas för att de fokuserar på teknologi utan att bygga kompletterande kapaciteter.

• Utbilda projektledare i AI-literacy (inte programmering, utan förståelse)
• Anställ eller utveckla hybrid-roller som förstår både projekt och AI
• Skapa dedikerade forum för tvärfunktionell AI-innovation

Steg 3: Bygg organisatorisk smidighet samtidigt Detta är den kritiska insikten: AI-kapacitet utan smidighet är som att ha en Ferrari utan förare.

• Implementera agila projektmetoder som möjliggör snabba iterationer
• Skapa beslutsprocesser som tillåter snabb respons på AI-genererade insikter
• Utveckla en kultur där “sense-respond-adapt” är standard, inte undantag

Steg 4: Börja där värdet är störst Forskningen visar att AI-kapacitet påverkar alla tre värdeprocesser, men din organisation kanske har större behov i en specifik fas.

• Om ni kämpar med att förstå kundbehov → Fokusera på Value Definition
• Om projekt ständigt överskrider budget/tid → Fokusera på Value Creation
• Om lönsamheten är låg trots leverans → Fokusera på Value Capture

Steg 5: Mät rätt saker Sluta mäta “AI-adoption rate” och börja mäta värdeskapande:

• Hur mycket snabbare definierar vi projektvärde?
• Hur mycket mer exakta är våra estimat?
• Hur mycket mer värde fångar vi jämfört med tidigare?

Varför de flesta AI-initiativ misslyckas

Studiens författare pekar på en fundamental missuppfattning: organisationer behandlar AI som en teknologi snarare än som en affärskapacitet.

När du köper ett AI-verktyg för schemaläggning tror du att du har “implementerat AI”. Men utan:

• Människor som förstår hur man tolkar och agerar på AI:s rekommendationer
• En organisation som kan anpassa processer baserat på nya insikter
• En kultur som tillåter experimentering och lärande

…så har du bara ett dyrt verktyg som ingen använder effektivt.

McKinsey rapporterar att AI-adoption globalt har ökat från 50% till 72%. Men MIT Sloan visar att 70% av dessa organisationer ser minimal påverkan. Skillnaden mellan dessa siffror? De organisationer som bygger verklig AI-kapacitet, inte bara köper AI-verktyg.

Den konkreta affärseffekten

Forskningen, baserad på statistisk analys med PLS-SEM-metodik på 167 respondenter, visar signifikanta positiva effekter på alla tre hypoteser:

• AI-kapacitet → Värdedefiniering (signifikant positiv effekt)
• AI-kapacitet → Värdeskapande (signifikant positiv effekt)
• AI-kapacitet → Värdefångande (signifikant positiv effekt)

Men ännu viktigare: organisatorisk smidighet medierar alla dessa relationer. Med andra ord, ju smidigare din organisation är, desto mer värde genererar din AI-kapacitet.

Ditt nästa steg idag

Om du tar med dig en sak från denna forskning, låt det vara detta: sluta investera i AI-verktyg och börja bygga AI-kapacitet.

Konkret, redan idag:

1. Identifiera ett projekt där AI skulle kunna förbättra värdedefiniering, skapande eller fångande
2. Kartlägg de tre dimensionerna: Vilka materiella, mänskliga och immateriella resurser saknas?
3. Utvärdera er smidighet: Hur snabbt kan ni anpassa processer när AI ger nya insikter?
4. Skapa ett pilotteam med både projekt- och AI-kompetens som arbetar tvärfunktionellt
5. Mät värdet, inte teknologin – fokusera på förbättrade projektutfall, inte AI-användning

Framtidens framgångsrika projektorganisationer är inte de med mest avancerad AI-teknologi. Det är de som har byggt den organisatoriska kapaciteten och smidigheten att omvandla AI:s potential till verkligt projektvärde.

AI är inte lösningen. AI-kapacitet kombinerat med organisatorisk smidighet är lösningen.

Källa: “Harnessing AI for value: examining the impact of AI capabilities and the mediating role of organizational agility on project value proposition” från International Journal of Managing Projects in Business, publicerad 9 september 2025.