Med AI i kvalitetsarbetet avses språkmodeller som arbetar i ledningssystemets flöden: de analyserar avvikelser och reklamationer, håller styrda dokument aktuella och förbereder revisioner, medan kvalitetsansvarig fattar besluten. Det handlar om AI som verktyg i kvalitetsarbetet, inte om ett ledningssystem för själva AI-användningen, vilket är vad standarden ISO/IEC 42001 beskriver.
Det finns pengar att hämta. Kostnaden för bristande kvalitet motsvarar vanligen mellan 10 och 30 procent av omsättningen, enligt kvalitetsforskaren Lars Sörqvist i tidskriften Measuring Business Excellence 1997. Siffran är gammal och varierar mellan företag, men den visar storleksordningen på det som läcker genom omarbete, reklamationer och avvikelser som åtgärdas en i taget.
Tidpunkten är dessutom bra för att se över ledningssystemet. Den nya utgåvan ISO 9001:2026 fastställdes den 16 september 2026, och organisationer som är certifierade enligt 2015 års utgåva har till den 30 september 2029 på sig att gå över, enligt ISO:s tekniska kommitté för standarden. Den som ändå ska gå igenom sina processer inför övergången kan samtidigt pröva var AI gör nytta i dem.
Var gör AI mest nytta i ledningssystemet?
Avvikelserna, först och främst. När avvikelserapporter skrivs, åtgärdas en i taget och arkiveras syns sällan mönstren: att samma grundorsak återkommer på tre avdelningar under olika rubriker, eller att reklamationerna hopar sig kring en viss leverantörs leveranser. Att se dem kräver att någon läser hundra fritextrapporter i sträck, och det är just den sortens läsning en språkmodell klarar. Låt den kategorisera orsaker, klustra liknande fall och lyfta anhopningar månadsvis, så blir arkivet det beslutsunderlag det var tänkt att vara. En förutsättning ska sägas rakt: analysen blir aldrig bättre än rapporteringen. Rapporteras avvikelser inte för att formuläret är trögt kan AI sänka tröskeln där också: medarbetaren talar in avvikelsen i mobilen och modellen strukturerar den enligt er mall. Fler och rikare rapporter ger bättre mönster.
Dokumentstyrningen. AI kan löpande granska dokumentparken och flagga det som skaver, som rutiner som motsäger varandra, instruktioner som pekar på system som bytts ut och dokument vars ägare har slutat. Den kan också besvara medarbetarnas frågor direkt ur de styrda dokumenten med källhänvisning. Tekniken kallas RAG och beskrivs i träna egen AI-modell eller använda RAG. Då blir ledningssystemet något medarbetarna frågar, inte något de letar i.
Revisionsförberedelsen. Inför extern eller intern revision kan modellen gå igenom kraven och jämföra dem med er dokumentation för att peka ut var belägg saknas eller är gamla. Det ersätter inte internrevisionen, men gör att den kan ägnas åt verksamheten i stället för åt att jaga dokument.
AI hör hemma i kvalitetsarbetets analys: hitta mönster i avvikelser, hålla dokument aktuella, förbereda revision. Besluten om åtgärd och risk ska ligga kvar hos människor, med spårbarhet som revisorn kan följa.
Vad säger revisorn?
Det är en rimlig första fråga, och svaret är lugnande med ett viktigt förbehåll. Kraven i ISO 9001 är generiska och gäller alla organisationer oavsett typ och storlek. Standarden kräver beskrivna processer, tydligt ansvar och belagda utfall, inte någon viss teknik. Certifieringsorganen, som i Sverige kan vara ackrediterade av Swedac, bedömer därför samma sak oavsett om analysen gjordes i Excel eller av en modell.
Förbehållet är spårbarheten. Ett AI-stött steg i ledningssystemet måste kunna förklaras: vad gör modellen, vem ansvarar för utfallet och hur kontrolleras det? En AI som föreslår orsakskategorier som kvalitetsansvarig granskar är oproblematisk. En AI som tyst ändrar i styrda dokument utan mänskligt godkännande är däremot just den sortens oförklarade mekanism som en revisor har skäl att ifrågasätta. Bygg därför in granskningssteget i flödet från början och testa lösningen mot fall med kända svar innan den tas i bruk: i ett ledningssystem är ett självsäkert felaktigt svar värre än inget svar.
Hur börjar ni, praktiskt?
Börja med avvikelseanalysen, av tre skäl: datan finns redan, ingen integration i realtid krävs och resultatet går att bedöma mot kvalitetsansvarigs egen kategorisering. Ta sedan dokumentfrågorna, och sist de flöden som kräver djupare systemintegration. För tillverkande bolag är kvalitetsflödena en enklare ingång än produktionsnära AI som prediktivt underhåll och maskinseende, eftersom de bygger på rapporter och dokument som redan finns i stället för på maskindata som först måste samlas in och kopplas ihop.
Mät från start: andelen avvikelser med identifierad grundorsak, tiden från rapport till åtgärd och träffsäkerheten i modellens kategorisering mot kvalitetsansvarigs facit. Hur mätpunkterna räknas om till ett värde i kronor beskrivs i räkna hem en AI-investering, och de ger dessutom revisorn belägg för att det AI-stödda steget fungerar.
Ska ledningssystemet bli er nästa AI-vinst?
Byron Calles bygger AI-lösningar med den spårbarhet som ledningssystemet kräver, som en del av AI-utveckling. Boka ett samtal så går vi igenom vad er avvikelsedata kan visa.
Vanliga frågor
Vad ändrades i ISO 9001:2026?
ISO 9001:2026 fastställdes den 16 september 2026 och ersätter 2015 års utgåva. Enligt ISO:s tekniska kommitté för standarden, ISO/TC 176, ger revideringen tydligare formuleringar, ett starkare fokus på ledarskap, kvalitetskultur och ansvarstagande, en tydligare hantering av risker och möjligheter och en ny bilaga A som förklarar centrala begrepp och avsikten med kraven, och standarden ligger närmare ISO:s andra standarder för ledningssystem. Från den 31 mars 2028 utfärdas nya ackrediterade certifikat bara enligt den nya utgåvan. Uppgifterna gäller per oktober 2026.
Vilka data behövs för att analysera avvikelser med AI?
Grunden är det ledningssystemet redan har: avvikelserapporterna med fritext, datum, avdelning eller process, eventuell kategori och vidtagen åtgärd, gärna med några års historik. För att kunna bedöma modellen behövs dessutom ett facit, till exempel ett par hundra rapporter som kvalitetsansvarig har kategoriserat själv, så att modellens kategorisering kan jämföras med det. Rapporterna kan innehålla namn på medarbetare, kunder eller leverantörer, så åtkomsten ska begränsas till dem som har behörighet och datan ska stanna i era system eller hos en leverantör med personuppgiftsbiträdesavtal.
