Gartner Hype Cycle för AI 2025 – GenAI i dal, agenter och AI-redo data på toppen - Projektledarpodden
Abstrakt illustration av ett uppdelat diagram med glödande blå nätverkslinjer – symboliserar Gartners Hype Cycle-kurva för AI-teknologier 2025
Foto: WangXiNa / magnific.com

Gartner publicerade den 11 juni 2025 Hype Cycle for Artificial Intelligence, 2025. GenAI har lämnat toppen och befinner sig i besvikelsens dal (Trough of Disillusionment). AI-agenter och AI-redo data är årets snabbast rörliga teknologier och befinner sig båda vid Peak of Inflated Expectations. För projektledare är rapporten ett konkret underlag för att prioritera AI-investeringar och undvika att satsa på tekniker i fel fas av mognadskurvan.

Gartner Hype Cycle AI 2025 – huvudpunkter

  • AI-agenter och AI-redo data är de två snabbast rörliga teknologierna på Gartner Hype Cycle for Artificial Intelligence 2025. Båda befinner sig vid Peak of Inflated Expectations (källa: Gartner, 2025-06-11).
  • Bara 43 procent av organisationer uppger att deras data är AI-redo, enligt Gartner. Det är ett primärt hinder för att skala AI-implementationer (källa: Gartner Hype Cycle for AI, 2025).
  • Genomsnittliga organisationer spenderade ungefär 1,9 miljoner dollar på GenAI under 2024. Färre än 30 procent av AI-ledare anser att deras VD är nöjd med resultaten (källa: Gartner, citerat i HPCwire, 2025-09-03).
  • Tre teknologier är nya på Hype Cycle 2025: AI governance platforms, FinOps for AI och AI-native software engineering. Computer vision lämnade Hype Cycle detta år som en mogen och brett integrerad teknologi (källa: Gartner, 2025-06-11).
  • ModelOps — styrning och livscykelhantering av AI- och analysmodeller — förväntas nå Plateau of Productivity och är ett centralt stödinstrument för att skala GenAI-initiativ till produktion (källa: Gartner, 2025-06-11).
  • AI-native software engineering är nytt på Hype Cycle 2025. Det avser metoder och principer för att använda AI-verktyg för att utveckla och leverera mjukvaruapplikationer. I dag är det primärt AI-assistenter och testverktyg — inte fullständig autonomi (källa: Gartner, 2025-06-11).
  • Prompt engineering och modellmarknadsplatser tappar fart. GenAI för kodgenerering, som tidigare haft höga förväntningar, möter nu reell friktion i praktiska implementationer (källa: HPCwire/Gartner, 2025-09-03).

Vad detta betyder för projektledare

  • GenAI i besvikelsens dal kräver realistiska förväntningar. Organisationer som ännu inte levererat på sina GenAI-piloter befinner sig i gott sällskap. Gartner-analysen pekar på att ROI-problem, styrsvagheter och databrist — inte modellkvalitet — är de primära hindren. Projektledare bör inrikta sitt förbättringsarbete på dessa faktorer.
  • AI-redo data är en förutsättning — inte en detalj. Att bara 43 procent av organisationer har AI-redo data är en kritisk iakttagelse. Projektledare som planerar AI-implementationer bör inkludera en explicit datakvalitetsfas i projektplanen och definiera konkreta kriterier för vad “AI-redo” innebär för det specifika användningsfallet.
  • AI-agenter kräver governance-ramverk innan bred driftsättning. Gartner placerar AI-agenter vid Peak of Inflated Expectations och varnar för överhypad autonomi. Projektledare bör kräva tydliga styrningsmodeller, observabilitetsverktyg och testprotokoll innan agentiva system driftsätts i produktionsmiljö.
  • ModelOps och AI-styrning är strategiska investeringar. Gartner lyfter ModelOps som vägen mot Plateau of Productivity. Projektledare som vill skala AI bör planera för investering i ModelOps-kapacitet — livscykelhantering, versionskontroll och kontinuerlig utvärdering av AI-modeller i drift.

Begrepp i artikeln

  • Hype Cycle: Gartners modell för att beskriva hur teknologiers förväntningar förändras över tid i fem faser: Innovation Trigger, Peak of Inflated Expectations, Trough of Disillusionment, Slope of Enlightenment och Plateau of Productivity.
  • ModelOps: Disciplin för styrning och livscykelhantering av AI-modeller och analysmodeller — från träning och driftsättning till övervakning och pensionering.
  • AI TRiSM (Trust, Risk and Security Management): Gartners samlingsbegrepp för AI-säkerhet, förklarbarhet, integritet och etik.
  • FinOps for AI: Ny kategori på Hype Cycle 2025 som avser kostnadsoptimering och finansiell styrning av AI-infrastruktur och AI-tjänster.
  • AI-native software engineering: Metoder för att integrera AI-verktyg genomgående i mjukvaruutvecklingscykeln — ny på Hype Cycle 2025.

Vanliga frågor

Var befinner sig GenAI på Gartner Hype Cycle 2025? GenAI har lämnat Peak of Inflated Expectations och befinner sig i Trough of Disillusionment — besvikelsens dal — på Gartner Hype Cycle for Artificial Intelligence 2025. Det innebär att tidiga adoptörer rapporterar ROI-problem och att förväntningarna justeras ned (källa: Gartner, 2025-06-11).

Vilka AI-teknologier är störst rörare på Gartner Hype Cycle 2025? AI-agenter och AI-redo data är de två snabbast rörliga teknologierna och befinner sig båda vid Peak of Inflated Expectations. ModelOps är en nyckelteknologi som förväntas nå Plateau of Productivity (källa: Gartner, 2025-06-11).

Varför misslyckas så många GenAI-projekt enligt Gartner? Gartner pekar på tre primära orsaker: datakvalitetsproblem (bara 43 % av organisationer har AI-redo data), avsaknad av formella styrmodeller (färre än hälften har policyer för åtkomst och ansvar) och kompetensbrist. ROI-gapet är tydligt — genomsnittliga investeringar på 1,9 miljoner dollar per organisation, men färre än 30 % nöjda VD:ar.

Vad är nytt på Gartner Hype Cycle for AI 2025? Tre teknologier är nya: AI governance platforms, FinOps for AI och AI-native software engineering. Computer vision lämnade Hype Cycle som en mogen och brett adopterad teknologi (källa: Gartner, 2025-06-11).

Källa: Latest Hype Cycle for Artificial Intelligence Goes Beyond GenAI / Gartner, Haritha Khandabattu och Birgi Tamersoy, publicerad 2025-06-11.


Läs även


Projektledarpodden
Privacy Overview

This website uses cookies so that we can provide you with the best user experience possible. Cookie information is stored in your browser and performs functions such as recognising you when you return to our website and helping our team to understand which sections of the website you find most interesting and useful.