Sju procent. Det är andelen ekonomichefer som faktiskt ser resultat av sina AI-satsningar

De flesta ekonomichefer i Sverige har vid det här laget provat något med AI. Ett pilotprojekt här, ett verktyg där. Ändå uppger bara sju procent av CFO:er globalt att deras AI-investeringar i ekonomifunktionen verkligen gett märkbar effekt. Det är en anmärkningsvärd siffra – inte för att AI saknar potential, utan för att den avslöjar ett mönster som vi ser upprepas gång på gång: tekniken köps in, men den kopplas aldrig riktigt ihop med det faktiska flödet i verksamheten.

Varför AI i ekonomi så ofta stannar vid piloten

Det vanligaste felet är att AI-verktyg läggs ovanpå ett befintligt affärssystem utan att de integreras ordentligt. Man får en chatbot som kan sammanfatta rapporter, eller ett separat verktyg som läser fakturor – men dessa lösningar pratar inte med affärssystemet i realtid. Resultat: manuell datainmatning kvarstår, fel uppstår i övergångarna och ekonomiteamet ägnar mer tid åt att kontrollera AI-output än åt att faktiskt analysera.

Problemet förvärras av att många medelstora svenska bolag fortfarande kör äldre affärssystem – Visma Business, Monitor, Pyramid – som inte är byggda för att integreras med moderna AI-tjänster. Det finns ingen öppen API-arkitektur, inga webhooks, inget strukturerat dataflöde. AI:n har ingenstans att gå.

Vad fungerar – och varför

De ekonomiteam som faktiskt ser resultat har gjort en sak annorlunda: de har börjat med flödet, inte med tekniken. De har kartlagt var manuellt arbete sker – leverantörsfakturor, periodavstämningar, rapportproduktion – och sedan valt ett affärssystem som kan exponera den datan på ett sätt som AI-verktyg kan konsumera direkt.

I praktiken handlar det om saker som:

• Automatisk dokumenttolkning vid fakturamottagning, direkt kopplat till kontoplan och attestflöde
• Realtidskontroller som flaggar avvikelser i bokföringen innan månadsavstämning – inte efter
• AI-genererade periodrapporter baserade på faktisk data ur systemet, inte på exporterade Excel-filer

Det låter självklart, men det förutsätter att affärssystemet är byggt för det. Och det är precis där äldre system brister – inte för att de är felaktigt byggda för sin tid, utan för att den tiden var en annan.

Den dolda kostnaden av att vänta

Det finns en vanlig invändning: 'Vi har inte råd att byta system nu.' Det är förståeligt. Men det finns en kostnad som sällan räknas på riktigt – kostnaden av att fortsätta som förut. Varje månad som ekonomiteamet lägger fem dagar på att manuellt stämma av, exportera data och bygga rapporter i Excel är fem dagar som inte används till analys, prognoser eller beslutsunderlag. Multiplicerat med tolv månader och ett par erfarna ekonomer handlar det snabbt om belopp som överstiger kostnaden för ett systembyte.

Det är inte ett argument för att alltid byta system. Men det är ett argument för att göra en ärlig kalkyl – och för att inte låta 'vi har alltid gjort så här' vara det enda skälet att fortsätta.

Vad den faktiska trenden pekar mot

Den globala AI-marknaden för redovisning väntas omsätta nästan 11 miljarder dollar under 2026. Det är inte en trend som är på väg – den är redan här. Och de bolag som positionerar sig rätt nu, med rätt system under huven, kommer att ha ett faktiskt försprång i ekonomifunktionens produktivitet de närmaste åren.

Det handlar inte om att köpa det senaste AI-verktyget. Det handlar om att ha en grund som gör att AI faktiskt kan leverera. Och den grunden är affärssystemet.

Det är precis den här typen av gap – mellan vad tekniken kan göra och vad den faktiskt levererar i praktiken – som är en av anledningarna till att Northscale startade. Affärssystemsvärlden har på många sätt inte förändrats på 30 år, trots att både systemen och affärsvärlden förändrats radikalt. Vi är en ny aktör med ny teknik och en leveransmodell som ger ett annat resultat. I det här fallet handlar det konkret om att bygga rätt grund från start – så att AI i ekonomifunktionen faktiskt är värt de sju procenten, och mer.