AI i byggbranschen: dokument, ÄTA och kalkyl för SME

Ett vanligt torsdagsmöte på ett medelstort byggföretag: platschefen har med sig en lista på ändringar beställaren muntligen godkänt under veckan, arbetsledaren har fotat två av dem, och någon lovar att "skriva ÄTA på det där innan fredag". Alla i rummet vet hur det slutar. En del av ändringarna blir aldrig fakturerade, för dokumentationen kom aldrig ikapp verkligheten.

Byggbranschen beskrivs ofta som digitalt sen, och siffrorna ger delvis den bilden rätt: i en Novus-undersökning bland över 500 branschverksamma, gjord för Ramirent våren 2025, svarade sex av tio att deras företag inte använder AI i dag, och fler trodde på drönare än på algoritmer. Samtidigt visar McKinseys analyser av sektorn från 2025 att byggproduktiviteten globalt växt med bara 0,4 procent per år mellan 2000 och 2022, en bråkdel av tillverkningsindustrins takt, och att en stor del av det icke-fysiska arbetet i sektorn går att automatisera.

Det är just den kombinationen som gör bygg intressant: mycket outnyttjad potential, och en potential som inte sitter där många tror. AI kommer inte att gjuta plattan. Men pappersarbetet runt plattan, det är en annan sak.

AI i byggbranschen handlar för ett SME framför allt om dokumentflödena: att läsa och sammanfatta förfrågningsunderlag, hålla ÄTA-hanteringen ikapp verkligheten och ge kalkylarbetet ett bättre underlag, i de system som redan används.

Var försvinner timmarna i dag?

Följ en tjänstemannavecka på ett byggbolag med 50 till 150 anställda och ett mönster framträder. Kalkylatorn plöjer förfrågningsunderlag på hundratals sidor för att hitta det som avviker. Platschefen jagar underlag till ändringar som redan är utförda. Entreprenadingenjören letar i mejl efter vad som faktiskt avtalades med underentreprenören i mars. Ingenting av detta syns i produktionskalkylen, men allt betalas med dyra timmar.

Det är kunskapsarbete med hög volym, tydliga dokument och återkommande mönster. Med andra ord exakt den terräng där språkmodeller presterar, och samma logik som vi beskrivit för anbudsarbete vid offentlig upphandling, som för många byggbolag är ett grannflöde till detta.

AI gör störst nytta i byggbolagets pappersflöden: förfrågningsunderlag granskade på timmar i stället för dagar, ÄTA-underlag skrivna samma dag som ändringen och kalkyler byggda på historik.

Hur hjälper AI i de tre flödena?

Förfrågningsunderlag och kontraktshandlingar. En modell läser hela underlaget och sammanställer avvikelser från det normala: ansvarsfördelningar, viten, tidskrav, gränsdragningar mot sidoentreprenader, hänvisningar till handlingar som saknas. Kalkylatorn börjar i en riskläsning i stället för på sidan ett. Tekniken är densamma som vid avtalsgranskning med AI, tillämpad på entreprenadens dokument, och med samma gräns: bedömningen av vad som är affärsmässigt acceptabelt är fortfarande människans.

ÄTA-hanteringen. Här är problemet sällan okunskap utan friktion: ändringen händer på arbetsplatsen, dokumentationen kräver kontorstid. AI sänker friktionen till nära noll. Arbetsledaren talar in eller fotar ändringen i mobilen, modellen formulerar ett komplett ÄTA-underlag med hänvisning till kontraktets relevanta delar, och människan granskar och skickar. Ändringen fakturerad i stället för glömd, samma vecka den utfördes.

Kalkyl och mängdning. Modellen kan jämföra det aktuella anbudet mot bolagets egen historik: vad liknande moment faktiskt kostade i tidigare projekt, var kalkylerna brukar spricka, vilka poster som saknas jämfört med jämförbara jobb. Här är en ärlig varning på sin plats: kalkylstödet är helt beroende av att historiken finns samlad och någorlunda strukturerad, och i många bolag är den utspridd över Excelfiler och gamla mappar. Då är datainsamlingen det första delprojektet, inte modellen.

Vad krävs för att komma igång?

Mindre än ett systembyte, mer än ett abonnemang. Det tryggaste mönstret för ett byggbolag i SME-klassen ser ut så här. Börja i ett enda flöde, helst ÄTA eller underlagsgranskning, för där är tidsvinsten omedelbar och mätbar i timmar per vecka. Bygg lösningen mot de system och mallar som redan används, ert projektverktyg, era kontraktsmallar, er dokumentstruktur, i stället för att införa ännu en plattform som platsorganisationen ska logga in i. Sätt en tydlig regel om att allt AI-genererat granskas av en människa innan det lämnar bolaget, för i en bransch där dokument blir avtalsinnehåll är den regeln inte byråkrati utan självbevarelse. Och involvera en platschef och en kalkylator från dag ett: de vet var friktionen sitter, och det är deras vardag som avgör om verktyget används efter vecka tre. Räkna med fyra till åtta veckor från start till första flödet i drift, och utvärdera i sparade timmar snarare än i tekniktermer.

Branschens egna organisationer har börjat dra åt samma håll, och Byggföretagen har uppmärksammat AI-frågan särskilt för små och medelstora byggbolag. Försprånget ligger fortfarande hos dem som går från att läsa om det till att prova det på ett verkligt flöde.

Är bygg annorlunda än andra branscher?

I tekniken: nej. I förutsättningarna: ja, på ett sätt som talar för AI. Byggverksamhet är projektbaserad, vilket betyder att samma dokumenttyper återkommer projekt efter projekt, med variationer som gör dem tröttsamma för människor och triviala för modeller. Regelverket, från AMA-referenser till arbetsmiljöansvar enligt BAS-P och BAS-U, gör dessutom dokumentationens kvalitet till en riskfråga och inte bara en ordningsfråga. Ju mer som står på spel i pappren, desto mer är ordnade papper värda.

Vill ni räkna på ert mest tidskrävande flöde?

Vi bygger AI-lösningar i byggbolagens befintliga miljöer, från underlagsgranskning till ÄTA-flöden, som en del av vår AI-utveckling. Hör av er om ni vill gå igenom var timmarna försvinner hos er. Är ni i Stockholmsområdet ses vi gärna på plats, och sitter ni på annat håll i Sverige löser vi det lika smidigt digitalt.