GUIDE · AI PER AVDELNING

AI per avdelning: en karta över användningsfall för ledningen

Den här guiden hjälper dig att skapa ordning bland möjliga AI-tillämpningar på företaget, avdelning för avdelning. Du lär dig skilja på processer lämpliga för ett första test och fall som kräver försiktighet, vilka risker som måste bedömas och var du börjar. Det handlar inte om en produktkatalog, utan om en metod för beslut.

Uppdaterad oktober 2026
10 min läsning
Altovars tekniska redaktion

1. Varför det behövs en kartläggning före projekten

Många företag börjar med AI genom att testa ett verktyg av ren nyfikenhet, och söker först i efterhand efter ett problem att lösa. Resultatet blir ofta ett pilotprojekt som ingen använder några månader senare. En kartläggning per avdelning vänder på ordningen: först identifierar du de processer där tidsförlusterna är uppenbara, text- eller dokumentvolymerna stora och där resultatet enkelt kan kontrolleras av en människa. Därefter beslutar ni vilka fall som förtjänar ett test. Detta arbete kräver inte djup teknisk expertis, men det kräver att den som kan processen sitter vid samma bord som den som behärskar tekniken.

Kartläggningen hjälper också till att sortera bort idéer som saknar rimlighet. En tillämpning som rör kunders eller anställdas personuppgifter, eller som fattar beslut med direkta effekter för enskilda, kräver en betydligt striktare nytto- och riskanalys. En tillämpning som enbart sammanfattar interna mötesanteckningar kan däremot startas nästan omgående. Att skilja dessa två situationer åt är den första konkreta vinsten med kartläggningen, redan innan ett projekt startas.

2. Så läser du ett användningsfall: data, människor, beslut

Varje möjlig tillämpning av AI kan beskrivas med tre grundläggande frågor. Vilken data matas in i systemet, och vem äger den? Vem läser eller använder resultatet, och vad gör personen därefter? Upptäcks eventuella fel innan de får praktiska konsekvenser, eller inte? En assistent som föreslår ett svarsutkast på ett mejl har en helt annan riskprofil än ett system som föreslår avslag på en ansökan. Samma bakomliggande teknik leder med olika svar på dessa frågor till helt olika bedömningar.

Denna analys måste göras tillsammans med processägaren, inte enbart av IT-avdelningen. Den som arbetar i processen dagligen vet var undantagen finns, vilka underlag som ofta är ofullständiga och vilka misstag som blir dyrbara. Om användningsfallet fortfarande känns otydligt efter diskussionen är rätt åtgärd att snäva av det, inte bredda det. Ett avgränsat fall, med en specifik dokumenttyp och en definierad användargrupp, är betydligt enklare att utvärdera och mäta.

3. Utgångsläget, avdelning för avdelning

Tabellen visar det mest frekventa användningsfallet för respektive avdelning. Det är ingen funktionskatalog att köpa rakt av: varje rad måste verifieras med någon som verkligen behärskar processen, eftersom volymer, dokumentkvalitet och interna regler varierar kraftigt mellan företag. Ett fall som är mycket värdefullt i en verksamhet kan vara verkningslöst i en annan om informationen är splittrad eller hanteras i inkompatibla verktyg. Använd tabellen som diskussionsunderlag med respektive avdelningschef.

Den mest värdefulla informationen finns i den sista kolumnen. Den visar var ett misstag gör skada och därmed vilken grad av mänsklig tillsyn som krävs. På avdelningar som hanterar kunder eller leverantörer blir felaktig information snabbt ett bindande åtagande eller en felaktig offert. Vid internt bruk, såsom sökning i instruktioner, uppdagas fel oftast innan någon drabbas, vilket gör dem enklare att rätta. Den som läser tabellen bör ställa sig denna fråga för varje enskild rad.

AvdelningTypiskt användningsfallFrämsta försiktighetsmått
InköpJämförelse av anbud och kontroll av klausuler i leverantörsavtalFelaktigheter gällande ekonomiska villkor och tidsfrister
Ekonomi och redovisningTolkning och klassificering av fakturor och underlagFelaktiga konteringar och skattedata
KundserviceSvarsutkast och sökning i intern dokumentationOverifierade svar och exponering av personuppgifter
HR och personalSvar om interna policys och stöd vid introduktion av nyanställdaBeslut som rör enskilda individer och kandidatuppgifter
FörsäljningFramtagning av standardofferter och sammanfattning av förfrågningarIcke-godkända priser och felaktiga leveransvillkor
IT-helpdeskFörsta linjens support och sökning i driftprocedurerOkontrollerade behörighetsändringar och tekniska åtgärder
JuridikJämförelse av avtalsversioner och sökning efter specifika klausulerJuridiska bedömningar formulerade utan professionell granskning
Produktion och underhållSökning i tekniska manualer och felloggarFelaktiga säkerhetsinstruktioner vid maskinunderhåll

4. Stödfunktioner: inköp, ekonomi och HR

Inom inköp och ekonomi ligger värdet av AI främst i att läsa och jämföra dokument: anbud, avtal, fakturor och inköpsordrar. Systemet kan extrahera data och flagga för avvikelser, men konteringen och det slutliga beslutet måste alltid ligga kvar hos en människa. Den mest påtagliga risken är att felaktig information slinker igenom obemärkt, exempelvis ett förfalldatum eller ett belopp som feltolkats från en inskannad pdf. Därför måste stickprovskontrollen utformas innan det första felet uppstår, inte efteråt.

HR-avdelningen utgör ett särfall. Att svara på frågor om interna personalhandböcker och stödja introduktionen av nyanställda är relativt okomplicerade tillämpningar, förutsatt att systemet uteslutande baseras på företagets officiella dokument. Men om systemet däremot ska utvärdera kandidater eller ge beslutsunderlag om personal träder känsliga personuppgifter och betydligt striktare lagkrav i kraft. Vissa tillämpningar är helt förbjudna enligt EU:s AI-förordning, medan andra klassas som hög risk: rådgör alltid med en jurist innan sådana projekt påbörjas.

5. Kundmöten och försäljning: kundservice, sälj och helpdesk

Inom kundservice och försäljning gör AI störst nytta som en intern assistent för personalen snarare än som en direkt motpart till kunden. Medarbetaren tar emot ett föreslaget svarsutkast, kontrollerar informationen mot aktuella källor och skickar det i eget namn. Den som låter systemet svara kunder direkt utan granskning tar en risk som ingen teknik kan trolla bort: ett löfte om pris eller leveranstid som företaget inte kan hålla. Reglerna för vad systemet får kommunicera och vad som alltid kräver mänsklig godkännande måste skrivas ned före lansering.

Första linjens IT-helpdesk är ett vanligt användningsfall eftersom ärendena ofta är repetitiva. Att återställa lösenord, förklara en rutin eller hitta en manual är utmärkta uppgifter. Däremot får tekniska åtgärder som behörighetstilldelning eller ändring av systemkonfigurationer aldrig utföras per automatik utan mänsklig granskning. Den gränsen måste fastställas skriftligt, eftersom det är precis där ett fel förvandlas till en allvarlig säkerhetsincident.

6. Produktion och underhåll: det mest särpräglade området

I produktionsmiljöer kan AI underlätta informationssökning i manualer, maskininstruktioner och historiska felloggar samt hjälpa till att strukturera teknikernas felrapporter. Utgångsdatan är dock ofta splittrad: dokument i olika format, handskrivna loggböcker och sensorsystem som inte är sammankopplade. Innan ni diskuterar AI-modeller måste ni veta om denna data faktiskt existerar, om den är aktuell och vem som äger den. I många verksamheter är det första värdefulla projektet just att städa upp detta underlag.

Risken blir hög om systemet föreslår säkerhetsprocedurer eller ingrepp i maskiner. En felaktig instruktion i en verkstadsmiljö kan orsaka allvarliga fysiska personskador. Därför måste varje rekommendation alltid hänvisa direkt till det godkända originaldokumentet, och inga maskiningrepp får baseras enbart på AI-genererad text. Tillämpningen gör störst nytta som ett snabbt sökstöd, medan teknikern alltid bär det fulla ansvaret för beslutet.

7. Övergripande risker: personuppgifter, kontroller och ansvar

Nästan varje användningsfall berör personuppgifter, även när det till synes bara handlar om löpande text. GDPR kräver kännedom om vilka uppgifter som matas in i systemet, på vilken laglig grund, hur länge de lagras och vem som har åtkomst till dem. Om leverantören använder kunddata för att träna sina egna modeller måste detta klarläggas och godkännas skriftligt. Var data lagras och vem som har laglig rätt att begära ut den är två skilda frågor som båda måste utvärderas noggrant.

Den andra centrala risken rör ansvarsfördelningen (accountability). Om ett AI-genererat underlag ligger till grund för ett verksamhetsbeslut måste det vara klarlagt vem som fattar beslutet och vem som ansvarar för eventuella felaktigheter. En sund grundregel är att varje tillämpning har en namngiven ägare, en definierad mänsklig kontroll och loggning av vad som utförts. Utan dessa tre delar är användningsfallet inte redo, oavsett hur avancerad modellen är. Kontrollera med en rådgivare vilka krav i AI-förordningen som berör er verksamhet.

8. Seriens fördjupningsguider och var du ska börja

De mer specifika guiderna i serien besvarar de detaljfrågor som kartläggningen väcker. Du behöver inte läsa alla i följd. Välj den avdelning där tidsvinsten bedöms bli störst och börja där. Varje fördjupningsguide följer samma logik: processen, datan, mänsklig tillsyn och det första testet. Följande ämnen behandlas ingående:

  1. Inköp: så jämför du offerter och leverantörsavtal utan att missa viktiga klausuler
  2. Ekonomi och administration: så granskar du underlag innan de bokförs i affärssystemet
  3. Kundservice: så bygger du en intern assistent för supportmedarbetarna
  4. HR och personal: så besvarar du frågor om interna policys och nyanställningsrutiner
  5. Juridik: vad som kan avlastas med AI och vad som ovillkorligen kräver juristbedömning
  6. Försäljning: så förbereder du offerter och sammanfattar inkomna kundkrav
  7. IT-helpdesk: så automatiserar du första linjens support utan säkerhetsrisker
  8. Produktion och underhåll: vad som är realistiskt att uppnå med manualer och maskindata
  9. Utvärderingsmall: så jämför och poängsätter du användningsfall innan investeringsbeslut

9. Hur du startar: ett enskilt fall med mätbara mål

Det första konkreta steget den här veckan är att välja ut ett enda användningsfall och beskriva det i en enda mening: vem som använder det, mot vilket dokument och för att uppnå vilket resultat. Om meningen inte kan formuleras enkelt är fallet för brett. Avgränsa det tills en verksamhetschef kan redogöra för det på några minuter, och läs den relevanta fördjupningsguiden för avdelningen innan ni fyller i några formulär.

Bestäm därefter vilket kriterium som avgör om testet lyckats. Det kan handla om handläggningstiden för ett ärende, antalet manuella korrigeringar som krävts eller felfrekvensen vid kvalitetskontroller. Målnivån beror på den specifika processen och bör sättas tillsammans med dem som utför arbetet i vardagen. Ett test utan tydliga utvärderingskriterier slutar nästan alltid med att alla tycker att det gick bra, men utan att verksamheten lärt sig något konkret.

Vanliga frågor

Vilken avdelning bör vi börja med?

Det är oftast bäst att börja inom ett område där arbetet är repetitivt, underlaget redan finns i textform och eventuella fel fångas upp innan de drabbar utomstående. Vanliga exempel är intern IT-helpdesk, sökning i verksamhetshandböcker eller tolkning av administrativa underlag. Det avgörande är inte ledningens tekniska entusiasm, utan hur mätbart problemet är och om det finns en engagerad processägare som vill utvärdera resultaten.

Krävs ett separat AI-projekt för varje avdelning?

Nej. Många användningsfall kan dela samma tekniska plattform och samma styrningsregler. Det är bättre att först upprätta en gemensam policy för datahantering, ansvarsfördelning och godkännanderutiner, och därefter utvärdera varje enskilt fall. Det förhindrar att varje avdelning köper egna verktyg utan samordning. Om ett fall kräver särskilda säkerhetsåtgärder, exempelvis vid hälsodata eller personalakter, görs en separat analys.

Får AI fatta beslut om individer, till exempel vid rekrytering?

Inte utan mycket noggrann juridisk prövning. Tillämpningar som påverkar arbetssökande eller anställda rör personuppgifter och kan klassificeras som högrisksystem under EU:s AI-förordning. Vissa förfaranden är helt otillåtna. Miniminivån är att alltid behålla ett dokumenterat mänskligt beslutsfattande, informera om verktygets roll och stämma av med arbetsrättslig expertis och dataskyddsombud före start.

Vad kostar det att kartlägga användningsfallen?

Kostnaden styrs av hur många avdelningar som omfattas, processägarnas tillgänglighet och om arbetet genomförs internt eller med stöd av en extern rådgivare. Det är meningslöst att sätta en fast prislapp innan omfattningen är fastställd. Be leverantören om ett avgränsat förstudieuppdrag för ett fåtal processer med en skriftlig slutrapport, och utvärdera resultatet innan ni breddar uppdraget.

Hamnar företagets data i leverantörernas modeller?

Det beror helt på vilken tjänst och vilket avtal ni väljer. Vissa leverantörer garanterar att kunddata inte används för modellträning, medan andra gör det om standardinställningarna inte ändras. Ta inget för givet: begär skriftligt besked om var data lagras, hur länge, vem som har åtkomst och huruvida informationen återanvänds för träning. Var datan lagras och vem som har laglig rätt att begära ut den är två skilda frågor.

Vad är skillnaden mellan generativ AI och traditionell automatisering?

Traditionell automatisering bygger på fasta villkor och regler: om händelse A inträffar, utför åtgärd B. Generativ AI tolkar och producerar text, sammanfattningar eller klassificeringar utifrån naturligt språk, vilket innebär att felaktigheter kan uppstå på mer oväntade sätt. Mänsklig kontroll är därför mer avgörande. Många framgångsrika projekt kombinerar båda: fasta regler för styrda moment och AI för att tolka dokument. Välj verktyg efter uppgift, inte efter trend.

About this content

General informational guide. Regulations and technical requirements change over time: always check the official sources and assess your specific case with a qualified technical or legal advisor.

KONTAKTA OSS

Prata med vårt team.

Vi visar hur Altovar integreras i din infrastruktur. Inga åtaganden, inget säljsnack. Bara ett tekniskt samtal.

BOKA DEMO →