Fra KI-adopsjon til verdiskaping: Norske virksomheters vei

Fra effektivisering til vekst: Hvorfor norske virksomheter må gå fra å bruke KI til å redesigne arbeid rundt KI.

KI-bruken vokser raskt. Integrasjonen og verdiskapingen holder ikke samme tempo.

Det skjer mye spennende med kunstig intelligens i norske virksomheter. Copilot testes, piloter startes, møter oppsummeres raskere, presentasjoner lages på kortere tid, og mange opplever at hverdagen faktisk blir litt enklere.

Likevel er det én ting som skurrer: Vi blir bedre på å bruke KI i arbeidet vi allerede gjør. Vi er ikke like gode på å bruke KI til å skape nye tjenester, bedre kundeopplevelser og nye inntekter.

Forte Pulse 2026 setter ord på dette paradokset. Mange norske ledere bruker KI jevnlig, og flere sier at KI er tatt i bruk på tvers av avdelinger. Samtidig er det få som kan vise til nye inntektsstrømmer, og mange måler fortsatt ikke avkastningen av KI-investeringene.
SØA/NHOs undersøkelse peker i samme retning. 55 prosent oppga i 2025 at KI brukes i virksomheten. 78 prosent bruker KI til å forbedre dagens drift, mens 20 prosent bruker teknologien til å utvikle helt nye produkter eller tjenester. For mange er bruken fortsatt individuell eller begrenset til enkelte prosesser.

Min påstand er enkel: Norge mangler ikke KI-nysgjerrighet. Vi mangler i større grad systematisk arbeid med verdiskaping.

Fra bruk til verdi

Det er lett å bli imponert over adopsjonstall. Hvor mange har fått lisens? Hvor mange bruker Copilot ukentlig? Hvor mange piloter er i gang?

Alt dette er nyttig å vite. Spørsmålet som betyr aller mest, er likevel et annet:

Hva blir faktisk bedre for kundene, medarbeiderne og virksomheten?

For meg er dette kjernen i KI-reisen akkurat nå. Vi må slutte å behandle KI som et sideprosjekt (og i alle fall kun som et IT-prosjekt) og begynne å se på det som en anledning til å redesigne arbeid.

Effektivisering er bare starten

Den enkleste og mest naturlige starten er å bruke KI på oppgaver vi allerede kjenner:

• oppsummere møter
• lage førsteutkast
• finne informasjon
• analysere dokumenter
• lage presentasjoner
• rydde i administrative oppgaver

Dette er verdifullt. Det sparer tid, senker terskelen for å komme i gang og kan gi bedre kvalitet i hverdagsarbeidet.

Og samtidig: Det endrer sjelden hva virksomheten tilbyr markedet. Det skaper sjelden nye tjenester og det bygger sjelden nye forretningsmodeller alene.

Effektivisering kan frigjøre kapasitet. Verdiskaping handler om hva vi gjør med den.

Tid spart er én mulig gevinst. Verdien kan også ligge i bedre kvalitet, lavere risiko, kortere ventetid, bedre kundeopplevelser, reduserte kostnader eller nye inntekter. Derfor må vi først definere hvilket resultat som skal bli bedre.

💡Eksempel: En saksbehandler som sparer 30 minutter på møtereferat hver uke, har fått en nyttig gevinst. En virksomhet som bruker den frigjorte tiden til å forbedre hele saksflyten, redusere ventetid for innbyggerne og gi bedre beslutningsgrunnlag til lederne, har begynt å skape ny verdi.

Et aldri så lite apropos “effektivisering”: Jeg hører stadig om at vi blir mer effektive ved å bruke KI, og det stemmer forsåvidt. Dernest at vi får mer tid til rådighet og hva skal vi gjøre med den tiden? Akkurat dette siste tror jeg er en sannhet med modifikasjoner. Det at vi skal få tid til rådighet kan til en viss grad stemme, og det samme gjelder å få mer tid til å gå i dypden på ting der det trengs, øke kvalitet på leveranser, få tid og rom til innovasjon, osv. Det er vel og bra.

Et viktig apropos om effektivisering
Det er lett å anta at KI automatisk gir medarbeiderne mer tid. Så enkelt er det ikke. KI kan frigjøre kapasitet, men den kan også føre til høyere forventninger, flere oppgaver og mer arbeid med kvalitetssikring og oppfølging.

Derfor har ledelsen et ansvar for hva som skjer med kapasiteten som frigjøres. Hvis hver effektiviseringsgevinst bare fylles med nye oppgaver, skaper vi ikke nødvendigvis rom for bedre kvalitet, læring eller innovasjon.

Poenget bør ikke være å presse stadig mer arbeid gjennom de samme menneskene. Poenget bør være å bruke KI til å skape bedre arbeid og bedre resultater.

Fra KI-adopsjon til KI-absorpsjon

Jeg liker skillet mellom å adoptere KI og å absorbere KI. Å adoptere handler om å ta verktøyet i bruk som en naturlig del av arbeidsdagen. Med KI-absorpsjon mener jeg fasen der KI bygges inn i arbeidsprosesser, roller, beslutninger, kunnskapsflyt og organisatorisk læring, slik at teknologien blir en del av hvordan virksomheten faktisk skaper verdi.

Det er her mange stopper litt for tidlig. Vi gir folk tilgang. Vi kjører opplæring. Vi deler noen eksempler. Så forventer vi at gevinsten skal komme av seg selv. Ei heller sørger vi for et team (Champions) til å lose de ansatte på rett vei.Vi bygger heller ikke alltid et nettverk av Champions som kan støtte teamene, samle erfaringer, dele det som virker og hjelpe virksomheten med å skalere nye arbeidsmåter.

Gevinsten kommer sjelden av seg selv. Ingenting gjør seg selv.

KI må kobles til strategi, kultur, informasjonsarkitektur, kompetanse og konkrete arbeidsflyter. Det er ikke like glamorøst som en demo. Det er der verdien ligger.

💡Eksempel: Et team kan ha mange dyktige Copilot-brukere som lager gode oppsummeringer hver for seg. Først når teamet endrer møtestrukturen, avklarer hvem som følger opp beslutninger, og deler læringen åpent i kanaler, begynner KI å påvirke arbeidsformen, ikke bare enkeltpersonenes produktivitet.

Fem steder verdien ofte stopper

1. KI blir individuelt – noen få blir superbrukere, mens arbeidsformen ikke endres for teamet.
2. Gamle prosesser blir raskere – uten at noen spør om prosessen fortsatt gir mening.
3. Kunnskap blir værende i siloer – og blir dermed vanskelig å finne, bruke og lære av.
4. Vi måler bruk, ikke verdi – og ender med aktivitetsmåling fremfor effektmåling.
5. Frigjort kapasitet får ikke et oppdrag – så kapasiteten glir tilbake i kalenderen uten å bli investert i noe nytt.

Hva kjennetegner en frontløper-virksomhet?

Jeg har brukt mye tid på å lete etter et godt norsk begrep for Frontier Firm. I rapporten fra NOH (SØA) “Bruk av kunstig intelligens i norsk næringsliv” (Rapport nr. 1-2026) bruker de ordet “Frontløper” om virksomheter med bred og integrert KI-bruk. Microsoft Frontier Firm er ikke helt det samme begrepet, likevel peker de i samme retning: virksomheter som går fra å bruke KI som et verktøy til å bygge KI inn i hvordan arbeid organiseres og verdi skapes. Jeg bruker frontløper-virksomhet som mitt norske arbeidsbegrep for en virksomhet som lærer, redesigner arbeid og skaper verdi gjennom samspillet mellom mennesker, kunnskap og KI.

Det gir meg assosiasjoner til en virksomhet som tør å gå foran, også når terrenget er litt ukjent.

En frontløper-virksomhet kjøper ikke bare flere lisenser eller starter flere piloter. Den bygger evnen til å lære raskere enn omgivelsene.

• Mennesker setter retning og eier beslutningene.
• Agenter og KI-verktøy får tydelige roller, rammer og kontrollpunkter.
• Arbeid organiseres rundt mål, verdistrømmer og læring.
• Kunnskap deles på tvers av siloer.
• Gevinster måles mot virksomhetens prioriteringer.
• Frigjort kapasitet investeres i utvikling, innovasjon og bedre tjenester.

SØAs framskriving mot 2045 viser et mulig potensial for betydelig frigjort arbeidskapasitet. Det er ikke en måling av dagens gevinster. Likevel gjør modellen ett lederansvar tydelig: Kapasitet som frigjøres, skaper ikke automatisk ny verdi. Den må brukes til bedre tjenester, læring, innovasjon eller oppgaver vi i dag ikke har kapasitet til å løse.

Nettopp derfor bør kapasiteten få et oppdrag!

Når Microsoft 365 er arbeidsflaten.

KI er langt mer enn Microsoft. For mange norske virksomheter foregår en stor del av kunnskapsarbeidet allerede i Microsoft 365. Derfor er Teams, SharePoint og Copilot ikke bare verktøy. De er deler av arbeidsflaten der kunnskap skapes, deles og brukes.

Min enkle tommelfingerregel er fortsatt:

SharePoint for sannhet. Teams for teamwork. Copilot for å aktivere den kollektive kunnskapen.

💡Eksempel: Hvis prosjektplaner ligger i én persons OneDrive, beslutninger ligger i en møtechat og kundedokumentasjon ligger i gamle mapper, blir Copilot bare så god som det den får tilgang til. Når samme kunnskap og innhold får tydelig eierskap, struktur og plassering i SharePoint og Teams, blir den langt mer brukbar for både mennesker og KI.

Hvis kunnskapen ligger spredt i private chatter, gamle filer, innbokser og hodene til enkeltpersoner, får vi ikke full verdi av KI. Da ber vi i praksis Copilot om å hjelpe oss med et kunnskapsgrunnlag vi aldri har ryddet skikkelig i.

Åtte grep norsk næringsliv kan ta nå

💡Eksempel: En fremtidsvirksomhet kan bruke KI til å lage bedre kundeinnsikt før rådgivningsmøter, foreslå neste beste handling i en tjenesteprosess eller automatisere førsteutkast til beslutningsgrunnlag, samtidig som mennesker fortsatt eier vurderingene, relasjonene og prioriteringene.

1. Start med strategien, ikke verktøyet. Hva skal virksomheten bli bedre til?
2. Velg porteføljen bevisst. Ha noen tiltak for effektivisering, noen for redesign og noen få for ny vekst.
3. Flytt KI fra enkeltpersoner til team. Læring skjer raskere når folk jobber sammen.
4. Bygg en åpen og trygg delings-kultur. Bruk Teams-kanaler der kunnskap bør deles, og lukkede rom der det faktisk trengs. Her er Champions som inspiratører, endringsagenter og brobyggere mellom strategi og arbeidshverdag essensielle!
5. Gjør kunnskapsgrunnlaget solid. Rydd i SharePoint, avklar eierskap og gjør de viktigste kildene tydelige.
6. Redesign én arbeidsflyt fra ende til ende. Ikke spør hvor Copilot kan legges inn. Spør hvilket resultat dere trenger.
7. Mål mer enn bruk. Se på kvalitet, kundeopplevelse, risiko, tid, inntekt og læring.
8. Gi den frigjorte tiden et oppdrag. Tid spart blir først verdifull når den brukes til noe viktig.

Det viktigste spørsmålet

Norge trenger effektivisering. Vi har knapphet på arbeidskraft, store samfunnsoppgaver og mange virksomheter som må levere mer med de ressursene de har. Mange opplever økt produktivitet. Færre kan foreløpig koble forbedringen til inntekter eller reduserte kostnader.

Samtidig må vi passe oss for å gjøre tidsbesparelse til hele målet. Det viktigste spørsmålet er ikke bare:

Hvor mange timer kan KI spare oss?

Det viktigste spørsmålet er:

Hva kan vi skape med kapasiteten vi får tilbake?

Det er forskjellen mellom å automatisere gårsdagen og å bygge morgendagens virksomhet.
Kanskje det norske KI-paradokset ikke først og fremst handler om teknologi. Kanskje det handler om hvorvidt vi tør å redesigne arbeid, dele mer av kunnskapen vår og bruke effektiviseringsgevinstene til å skape noe som ennå ikke finnes.

Hva må endres i din virksomhet før KI blir en vekstmotor, og ikke bare en raskere måte å gjøre det samme på?