AI för åkerier handlar i första hand om administrationen kring transporterna, inte om bilarna: att omvandla bokningar från mejl och telefon till strukturerade uppdrag, fånga avvikelser som ska faktureras och besvara kundfrågor utifrån data som redan finns i transportledningssystemet. Det är kontorsarbete med hög volym och tydliga mönster, och det går att bygga ovanpå de system trafikledningen redan arbetar i.
Tänk er en måndagsmorgon klockan halv sju på ett åkeri med 40 bilar. Trafikledaren har redan 30 olästa mejl: fem är bokningar som ska knappas in i transportledningssystemet, tre är kunder som undrar var deras gods är och ett är från en chaufför som fotat en fraktsedel med en handskriven anmärkning om två timmars väntetid. Den väntetiden ska faktureras, men bara om någon hinner föra in den.
Transport och magasinering, där åkerierna ingår, är den bransch i näringslivet som använder AI minst. I SCB:s rapport Artificiell intelligens i Sverige (2026) använde 12,3 procent av företagen i branschen AI under 2025, mot 35 procent i näringslivet som helhet, och branschen var en av bara två där andelen sjönk mellan 2024 och 2025. Näringen är samtidigt stor: enligt Sveriges Åkeriföretags Branschrapport 2026 arbetar omkring 115 000 personer i åkerinäringen, och 67 procent av Sveriges godsmängd transporteras på väg. Siffrorna går att läsa som att AI inte passar åkerier. De går också att läsa som att få åkerier ännu har prövat tekniken på kontorsarbetet runt bilarna, som är samma slags dokument- och ärendehantering som i andra branscher.
Den AI ett åkeri behöver först är den som läser mejlen, fraktsedlarna och avvikelserna, så att trafikledningen kan leda trafik i stället för att knappa in den.
Var försvinner kontorstimmarna på ett åkeri?
På kontoret hos ett åkeri med 20 till 100 bilar återkommer tre flöden. Bokningarna kommer in i alla format samtidigt: mejl med bilagor, telefonsamtal som antecknas på papper och kundportaler med egna fält. Varje bokning ska tolkas och matas in för hand, och varje inmatning är en chans att skriva fel adress eller fel tidsfönster. Avvikelserna är det andra flödet: väntetider, extra stopp, bommade leveranser och skador dokumenteras av chaufförer i farten, som ett foto eller en rad i en app, och ska sedan översättas till ett tillägg på fakturan. Ju längre det dröjer, desto svårare blir det att få med dem. Det tredje flödet är frågorna: kunder som vill veta var godset är, när det kommer och varför det blev försenat, frågor vars svar redan finns i systemet men kräver en människa som slår upp dem.
Inget av det här är transportarbete. Det är dokument- och ärendehantering med hög volym och återkommande mönster, och det syns i SCB:s rapport AI-användning i företag 2025: bland de transportföretag som använder AI är redovisning, controlling och finansiell ledning det vanligaste syftet, angivet av 27,5 procent, mot 13,7 procent för logistik. Samma slags arbete finns i byggbolagens ÄTA-hantering, och det är den terräng där språkmodeller gör nytta.
Vad kan AI ta över i de tre flödena?
Bokningar som blir uppdrag. En modell läser inkommande bokningar oavsett format, plockar ut avsändare, hämtställe, leveransadress, gods, vikt, tidsfönster och specialkrav och lägger ett färdigt uppdragsförslag i transportledningssystemet. Trafikledaren granskar och godkänner förslaget och slipper knappa in det. Är något oklart, en adress som inte går att verifiera eller ett tidsfönster som saknas, ska modellen fråga i stället för att gissa. Hur ett sådant flöde byggs steg för steg beskrivs i texten om att automatisera orderhantering med AI.
Avvikelser som blir fakturerade. Här är intäkten redan intjänad; det som saknas är underlaget. Chaufförens foto av fraktsedeln, en inspelad anteckning eller en rad i appen tolkas av modellen, kopplas till rätt uppdrag och blir ett förslag till fakturatillägg enligt kundens avtal, till exempel väntetid per påbörjad halvtimme, extra stopp eller hantering utöver det avtalade. Ekonomi ser förslaget samma dag, inte vid månadsskiftet när det är för sent att fråga chauffören.
Kundfrågor med svar ur systemet. Frågor om leveransstatus, tider och förseningar kan besvaras av en assistent som läser ur transportledningssystemet och orderhistoriken, med en människa i loopen för allt som rör reklamationer och pengar. Principerna är desamma som i AI i kundservice: rutinfrågorna tar AI, de känsliga ärendena tar människor. Sedan den 2 augusti 2026 ska en sådan assistent dessutom vara utformad så att kunden får veta att den pratar med en AI, om det inte är uppenbart, enligt artikel 50 i EU:s AI-förordning.
Vad med ruttplanering och fordonsdata?
Ruttoptimering, bränsleuppföljning och prediktivt underhåll är välkända AI-tillämpningar i transport, och en del av dem kan redan finnas i ert transportlednings- eller telematiksystem. Finns de där är rådet nyktert: använd dem innan ni bygger något eget, och lägg egna AI-pengar där systemen inte hjälper er, alltså i flödena ovan. För ett åkeri med 30 bilar är en egen ruttalgoritm en stor investering, medan bokningar och avvikelser som läcker är intäkter som redan är intjänade.
Två saker kräver särskild försiktighet. Kör- och vilotider kontrolleras av Transportstyrelsen vid företagskontroller och av polisen vid vägkontroller, och där ska AI på sin höjd sammanställa och flagga, aldrig avgöra. Uppföljning av enskilda förare, som hastighet, körstil eller positioner, är behandling av personuppgifter som ska vara sakligt motiverad och proportionerlig. Enligt IMY:s vägledning (per oktober 2026) får uppgifter om anställda som samlats in för ett visst ändamål, till exempel fakturering, inte användas för andra, oförenliga ändamål (IMY om kontroll av anställda), och en arbetsgivare behöver oftast förhandla med facket innan platstjänster aktiveras i medarbetarnas jobbmobiler (IMY om platstjänster). För avvikelseflödet ovan betyder det att chaufförens anteckningar om väntetid används för faktureringen och inte för att bedöma chauffören. Ska uppgifterna också användas för att följa upp prestationer måste det syftet vara bestämt från början och chaufförerna informerade. Hur förhandling och information till medarbetarna passar in i ett införande beskrivs i AI-pilot som når produktion.
Vilket flöde lönar sig först för ett åkeri?
Börja med det flöde som kostar mest, mätt i timmar eller i ofakturerade kronor. Avvikelserna är en bra första kandidat, eftersom intäkten där redan är intjänad och bara dokumentationen saknas, och effekten går att mäta från första månaden: hur många tillägg som fakturerades jämfört med en baslinje från månaderna innan. Hur baslinjen sätts och effekten räknas om till kronor beskrivs i räkna hem en AI-investering. Bygg mot det transportledningssystem ni har där det passar, och låt en trafikledare och en chaufför vara med från start. Vilket av flödena som väger tyngst hos er avgörs i förstudien, som är den första fasen i bygget. Fler användningsområden, i fler funktioner och branscher, finns i AI-användningsområden för företag.
Vill ni sluta läcka bokningar och avvikelser?
Byron Calles bygger AI-lösningar och automatiseringar som en del av AI-utveckling. Boka ett samtal så räknar vi på vad de ofakturerade avvikelserna kostar er i dag.
Vanliga frågor
Måste ett åkeri byta transportledningssystem för att använda AI?
Nej. AI-stödet kan byggas ovanpå det transportledningssystem som redan finns: modellen läser bokningar, fraktsedlar och avvikelser där de kommer in, strukturerar dem och lämnar förslag i det system trafikledningen redan arbetar i. Det som krävs är att systemet går att nå, via API eller import, och att förslagen granskas av en människa innan de blir uppdrag eller fakturarader. Ett systembyte som motiveras av AI riskerar att lösa fel problem till högt pris, eftersom värdet sitter i åkeriets data och flöden, inte i plattformen.
Kan AI hjälpa till med kör- och vilotider?
Ja, som stöd men inte som beslutsfattare. Kör- och vilotider kontrolleras dels av polisen vid vägkontroller, dels av Transportstyrelsen vid företagskontroller, där en period om två månader granskas, oftast för hela företagets transportverksamhet. Företaget ska enligt Transportstyrelsen utbilda förarna i reglerna, följa upp och åtgärda brister och löpande dokumentera vad det gör. Ett AI-flöde kan sammanställa färdskrivardata, flagga det som behöver åtgärdas och hålla dokumentationen ordnad inför en kontroll. Bedömningen av om en regel har brutits, och vad som ska göras åt det, ska göras av en människa. Uppgifterna om kontrollerna gäller per oktober 2026.
