Låt oss börja med ett antal siffror som borde hålla varje ledningsgrupp vaken om nätterna.

Enligt en studie från MIT:s NANDA-initiativ misslyckas 95 procent av alla AI-pilotprojekt i stora organisationer med att leverera mätbar affärspåverkan. Andelen företag som under 2025 skrotade majoriteten av sina AI-initiativ steg till 42 procent – upp från 17 procent bara ett år tidigare. Och trots att McKinsey uppskattar att AI har potential att tillföra 4,4 biljoner dollar i produktivitetsvärde globalt, rapporterar bara sex procent av organisationerna att de faktiskt nått den nivån.

Och det är just dessa sex procent som sticker ut. Enligt BCG är det de så kallade ”AI high performers”. Det som skiljer dem från andra organisationer är inte främst tekniken – utan var de lägger sitt fokus. Upp till 70 procent handlar om människor, arbetssätt och beteenden.

Det är här många går fel. Det är inte tekniken som fallerar. AI fungerar. Det som brister är ledarskapet runt tekniken.

McKinsey är tydliga i sin senaste rapport: det största hindret för att skala AI är inte medarbetarna – som faktiskt är redo – utan ledarna, som inte styr tillräckligt snabbt eller med tillräcklig skärpa. Gartner sammanfattar det ännu skarpare: ROI från AI skapas inte av teknologiadoption. Det skapas av beteendeförändring.

Det här är en artikel om de fem ledarskapsmisstag vi ser upprepas i organisation efter organisation – och vad som krävs för att undvika dem.

Misstag 1: AI behandlas som ett IT-projekt, inte som en organisationsförändring

Mönstret är igenkännbart. CTO presenterar en roadmap. Styrelsen godkänner budgeten. Projektet landar hos teknikavdelningen. Ledningsgruppen bockar av ”AI” på sin agenda och går vidare.

Det är ett ödesdigert misstag.

AI är i grunden inte en teknisk förändring – det är en operativ, kulturell och beteendemässig transformation. Det förändrar hur beslut fattas, hur information tolkas, hur roller definieras och hur värde skapas. Att lämna det ansvaret till IT är ungefär som att överlåta kulturarbetet till facilities management.

Forskning från MIT bekräftar detta: organisationer som lyckas med AI är de som behandlar det som en affärstransformation med executive ownership – inte som ett teknikprojekt med en teknisk projektledare. De som misslyckas har ofta det omvända: ambitiösa teknikteam och passiva affärsledare.

Det praktiska konsekvensen är att de strategiska frågorna aldrig ställs. Vilka beslut ska förbättras? Vilka processer ska förändras i grunden – inte bara automatiseras? Hur ska roller och ansvar omdefinieras? Dessa frågor kan inte besvaras av IT-avdelningen. De kräver ledarskap som äger förändringen.

Ledarskapsreceptet: Sätt ett tydligt affärsmål, inte ett teknikmål. Fråga inte ”vilka AI-verktyg ska vi implementera?” utan ”vilka förmågor och resultat vill vi förändra – och hur kan AI accelerera det?” Utse ett ledarskapsteam med mandat och ansvar att äga transformationen, inte delegera bort den.

Misstag 2: Investeringarna i mänsklig förmåga hänger inte med investeringarna i teknik

Organisationer spenderar stora summor på licenser, plattformar och implementationspartners. Sedan håller de en halvdagsworkshop. Och förväntar sig att allt ska rulla.

Det räcker inte – inte på långa vägar.

World Economic Forums Future of Jobs Report 2025 är tydlig: analytiskt tänkande är arbetsgivarnas viktigaste kompetens idag. Ledarskap och social påverkan har ökat med 22 procentenheter sedan 2023 och är nu bland de snabbast växande förmågorna. Kreativt tänkande, resiliens och nyfikenhet är lika centrala som teknologikompetens. Det är inte slumpmässiga observationer – det är den samlade bedömningen från tusentals arbetsgivare globalt inför 2030.

Att kunna använda ett AI-verktyg är inte detsamma som att kunna tänka med AI. Det kräver förmågan att ställa rätt frågor, att kritiskt granska ett AI-genererat svar, att identifiera när maskinen har fel och att översätta tekniska möjligheter till affärsbeslut. Det kräver analytisk skärpa, omdöme och kreativitet. Förmågor som inte mognar av sig självt, och som inte kan förmedlas på en halvdag.

Ironin är att forskning från McKinsey visar att medarbetare faktiskt är redo och villiga – 48 procent av amerikanska anställda säger att de skulle använda AI-verktyg oftare om de fick ordentlig träning. Problemet är inte motståndet. Det är underinvesteringen.

Enligt en samlad analys av AI-implementeringar lägger de organisationer som lyckas 70 procent av sina AI-resurser på människor och processer – inte på tekniken. De som misslyckas gör det omvända.

Ledarskapsreceptet: Investera i förmågan att arbeta med AI, inte bara i verktygen. Bygg strukturerade, kontinuerliga program för analytiskt tänkande, kritiskt omdöme och digital kompetens. Behandla kompetenshöjningen som en förändringsledningsinsats – inte som ett utbildningsprogram med ett startdatum och ett slutdatum.

Misstag 3: Kommunikationen fastnar på strategisk nivå och når aldrig individen

”Vi ska bli en AI-driven organisation.” Det låter bra på ett Town Hall. Men vad innebär det egentligen för den enskilda medarbetaren måndag morgon?

Enligt en Gallup-undersökning har bara 15 procent av amerikanska medarbetare upplevt att deras arbetsgivare har kommunicerat en tydlig AI-strategi. Femton procent. I en tid när de allra flesta organisationer säger sig satsa på AI.

Gapet mellan strategisk kommunikation och individuell förståelse är inte bara ett informationsproblem – det är ett förtroendeprobleem och ett prestationsproblem. Medarbetare som inte vet vad som förväntas av dem väljer det säkra framför det nya. De som är osäkra på sin rollens framtid väljer att skydda sig snarare än att experimentera.

McKinseys forskning lägger till en dimension som är lätt att missa: medarbetare använder redan AI tre gånger mer än deras ledare inser. Det finns en shadow AI-ekonomi i de flesta organisationer, där individer har hittat egna sätt att använda verktygen – ofta med bättre resultat än de officiella initiativen. Det borde inte ses som ett problem. Det borde ses som en signal: de vet värdet. De väntar på ledarskapet.

Den ledarskapsförmåga som saknas är inte förmågan att kommunicera strategi. Det är förmågan att ge strategi mening på individnivå – att svara på frågorna ”varför är detta viktigt för mig?”, ”vad förväntas jag göra annorlunda?” och ”vad händer om jag misslyckas?”

Ledarskapsreceptet: Träna ledare att kommunicera på tre nivåer: vad det innebär för organisationen, för teamet och för individen. Identifiera de tidiga AI-användarna i organisationen och gör dem till ambassadörer. Ge närmaste chefer konkreta samtalsstöd – inte bara budskap att förmedla vidare.

Misstag 4: Man mäter adoption, inte faktisk beteendeförändring

”Vi har 73 procents inloggning på plattformen.” Bra. Men loggar de in för att de ser värdet – eller för att de måste?

Det är en av de vanligaste fallgroparna i AI-transformationer: att förväxla synlighet med förändring, aktivitet med impact. Organisationer investerar i mätsystem som mäter det enkla – logins, licenser, utbildningstimmar – snarare än det svåra men avgörande: har sättet vi fattar beslut på faktiskt förändrats? Arbetar vi smartare, snabbare, med bättre omdöme?

Gartner är direkta: ROI från AI skapas inte av teknologiadoption. Det skapas av beteendeförändring. Och beteendeförändring kräver att man mäter beteende – inte bara aktivitet.

Det finns en annan dimension här som är minst lika viktig. McKinsey visar i sin senaste forskning att en organisations AI-mognad korrelerar starkt med hur väl man har omdesignat arbetsflöden och processer kring AI – inte med hur många verktyg man har implementerat. De organisationer som rapporterar signifikant finansiell avkastning på sina AI-investeringar är dubbelt så benägna att ha genomfört djupa arbetsflödesförändringar innan de valde teknik.

Det kräver ett helt annat ledarskapsmod: att våga ifrågasätta hur arbetet organiseras, att utmana invanda processer, och att mäta sig mot verklig förändring snarare än mot bekväma proxy-mätvärden.

Ledarskapsreceptet: Komplettera användningsdata med kvalitativa mått på beteendeförändring. Vilka beslut tas annorlunda idag? Vad gör medarbetare nu som de inte kunde för ett år sedan? Vad tar mindre tid – och vad använder vi den frigjorda tiden till? Sätt målen på beteendet och kulturen, inte på teknikanvändningen.

Misstag 5: Man undervärderar kulturen som möjliggör lärande

Det sista misstaget är kanske det allvarligaste – och det minst synliga.

I en AI-driven värld är förmågan att lära snabbare än omgivningen förändras den viktigaste konkurrensfördelen en organisation kan ha. Men lärande sker inte av sig självt. Det kräver en kultur där människor aktivt uppmuntras att experimentera, testa nytt och – oundvikligen – misslyckas ibland.

Det är just här många organisationer fastnar. Ledare pratar om innovation men premierar säkerhet. Man vill ha nya beteenden men mäter gamla resultat. Medarbetare förväntas ta initiativ, men ges sällan det utrymme – eller den trygghet – som faktiskt krävs för att göra det.

Förändringströttheten är ett konkret hinder. Gartner slår fast att icke-adresserad förändringströtthett urholkar affärsprestanda och direkt hämmar teknologiadoption. Och 90 procent av HR-ledare uppger att deras chefer inte ger medarbetare tillräckligt stöd i att hantera den. Deloitte rapporterar att bara 44 procent av medarbetare idag stöder stora organisationsförändringar. Det är inte likgiltighet – det är utmattning.

Resultatet är en organisation som är fullt utrustad med AI-verktyg men saknar den mänskliga kapacitet som krävs för att använda dem väl. Kritiskt tänkande, kreativitet, nyfikenhet och förmågan att lära om – det är inte egenskaper som lever i ett vakuum. De blomstrar i miljöer där de odlas aktivt, och vissnar i miljöer där prestige och perfektion värderas högre än nyfikenhet och utveckling.

WEF identifierar nyfikenhet och livslångt lärande som en av de snabbast växande förmågorna globalt. Men förmågor växer inte fram utan förutsättningar. De kräver chefer som modellerar dem, strukturer som belönar dem och kulturer som tolererar de misslyckanden som alltid följer med genuint lärande.

Ledarskapsreceptet: Skapa strukturella förutsättningar för lärande – inte bara uppmaningar till det. Avsätt tid för reflektion och experimenterande. Fira insikter från misslyckanden lika högt som framgångar. Låt ledare modellera det växande tankesättet de vill se hos andra. En organisation som lär snabbt är inte resultatet av rätt verktyg. Det är resultatet av rätt kultur – byggd av ledare som förstår att mänsklig förmåga är organisationens starkaste konkurrensfördel.

Det handlar inte om att välja mellan människa och maskin

De organisationer som lyckas med AI väljer inte mellan teknik och mänsklig förmåga. De förstår att de förstärker varandra – men bara om man investerar i båda.

AI kan analysera, formulera och strukturera. Men det är människor som dömer, skapar mening, bygger förtroende och fattar de beslut som faktiskt räknas. WEF sammanfattar det träffsäkert i sin Future of Jobs Report 2025: framtidens vinnare är organisationer som bygger ”human-led, AI-enabled teams” – där produktiviteten inte kommer från att ersätta människor, utan från att orkestrera samspelet mellan mänsklig förmåga och maskinell kapacitet.

Det kräver ett ledarskap som förstår att transformationen börjar inte i teknikstacken – den börjar i ledningsgruppen, i samtalet med medarbetaren, och i förmågan att bygga en organisation som kan lära sig snabbare än den förändras.

Det är det vi kallar Workestry.

Workestry stärker organisationers mänskliga förmågor på alla nivåer – medarbetare, chefer och ledning – för hållbar prestation i en AI-driven värld. Läs mer eller ta kontakt på workestry.com

Källor och underlag: MIT NANDA – The GenAI Divide: State of AI in Business 2025 | McKinsey – The State of AI 2025 & Superagency in the Workplace 2025 | World Economic Forum – Future of Jobs Report 2025 | Gartner – AI & Change Fatigue Research 2025 | Deloitte – Global Human Capital Trends 2025 | Gallup – State of the American Workplace 2024